零基础入门数据挖掘1

作为一个第一次接触数据分析的小白，经过几天的学习，我发现我距离师兄师姐的差距很大，越是一无所知，越是收获颇丰。
分享一下我的学习笔记：
首先是关于numpy的学习，计算功能强大，包括产生一个N维数组对象Array；用于整合C/C++和Fortran代码的工具包；可以用于线性代数、随机数生成函数及傅里叶变换。Numpy底层使用C语言编写，所以其运算效率高。通常导入numpy的方法也很简单：import numpy as np。np也是为了使代码看起来更简单，并且为了使其他维护代码的人更容易看懂。
以下是numpy的生成数组的方法:
empty(shape[, dtype, order])
empty_like(a[, dtype, order, subok])
eye(N[, M, k, dtype, order])
identity(n[, dtype])
ones(shape[, dtype, order])
ones_like(a[, dtype, order, subok])
zeros(shape[, dtype, order])
zeros_like(a[, dtype, order, subok])
full(shape, fill_value[, dtype, order])
full_like(a, fill_value[, dtype, order, subok])
很容易发现几乎每个方法中都存在一个dtype的参数，这使Python更容易计算所需要的储存空间。shape方法可以形成一个想要得到的多维数组。
其次是pandas包，这个包也是数据分析经常使用的一个包，这个包中的Series和DataFrame是经常使用的，导入pandas的方法类似于导入numpy，即import pandas as pd。
Series：一维数组，与Numpy中的一维array类似，同时与Python中列表也很相近。索引类似于Python中的列表。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。有点类似于字典的结构，可以实现二元运算。
Panel ：三维的数组。
Panel4D：是像Panel一样的4维数据容器。
PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。
切片类似于经典Python中的列表切片，但是要注意分片后是否保存原始数据。
然后是pyplot。它是Matplotlib 软件包中子包，简单来说就是一个强大的绘图软件，它可以利用几行代码画出精美的图像。
线的形状：
‘-’ solid line style
‘–’ dashed line style
‘-.’ dash-dot line style
‘:’ dotted line style
点的标记：
‘.’ point marker
‘,’ pixel marker
‘o’ circle marker
‘v’ triangle_down marker
‘^’ triangle_up marker
‘<’ triangle_left marker
‘>’ triangle_right marker
‘1’ tri_down marker
‘2’ tri_up marker
‘3’ tri_left marker
‘4’ tri_right marker
‘s’ square marker
‘p’ pentagon marker
‘*’ star marker
‘h’ hexagon1 marker
‘H’ hexagon2 marker
‘+’ plus marker
‘x’ x marker
‘D’ diamond marker
‘d’ thin_diamond marker
‘|’ vline marker
‘_’ hline marker
线的颜色：
‘b’ blue
‘g’ green
‘r’ red
‘c’ cyan
‘m’ magenta
‘y’ yellow
‘k’ black
‘w’ white
基本上都是利用英文字母缩写。这些内容在官方文档都能查询到，而且很详细的。


（来自大佬的笔记）
最后，作为一个第一次接触数据挖掘的小白，我感觉到路还很长，要学的还有很多很多，我也幻想能够像师兄师姐那样敲出华丽的代码，但是实力不允许啊。如有错误，请您指正，谢谢。
never give up.一个大一的小白，