《python数据分析》心得体会

       首先，本书围绕三个库进行讨论——numpy，pandas和matplotlib。Numpy是个模仿R的库，对python的独特的数组进行向量操作——将数组作为矩阵进行切片，换行，变换，转置，计算等一系列操作。Numpy的强大之处建立在python的天生优势——一切皆对象的基础之上，这也正是numpy的强大——一切皆数组（矩阵）。所以numpy是未来python做SVD，SVM等机械学习的基础——变量矩阵化。

       第二大库——pandas，pandas是基于numpy的一个超级库，这个库不仅完成了numpy的所有基本功能，并且更进一步，矩阵数据框化（DataFrame）。相信熟悉R语言和SAS的朋友对这个概念并不陌生，因为我们几乎所有的数据都是经过数据框进行处理的。数据框的最大特点就是——index（索引）和columns（字段）。也就是pandas所有的操作都是围绕这两个东西进行的。包括增删改，补充，添加等等。也就是利用pandas你能干所有excel可以干的事情，真正意义上的数据管理和数据处理。

       第三大库——matplotlib，python的标志性画图库，然而这个库并没有什么真正意义上的价值，笔者发现，通过python处理过的数据直接经过R作出图像反而更快，更有可视感。另外，真正画图的库使seaborn（因为可变化多）。

       第二，是python做数据分析的环境和编辑器。我知道很多python开发的朋友喜欢用pycharm，但是不好意思，笔者实际操作和阅读，以及真实案例来看，anaconda才是真正意义上的python数据分析和挖掘的操作器（可以分段提交代码）。

书的环境是2.3版本，所以该书并没有对中文文本进行描述，因为逼人要清理大量的企业信息，这些数据都是中文，在一开始，我被这个问题很困惑，但是后来随着研究，我也找到了解决方法：

1. 数据挖掘，建议用3，不要用2！3对中文支持更好，并且更加聪明！

2. 用spyber，尽量不要用jupyter！因为spyber可以帮你保存你缓存的数据！！

3. 请阅读pandas的最新文档，该书成书时间在2013年，所以很多信息都过时了。

如果你喜欢用python2，那么你在操作数据库时候，所有输出数据都是元组格式，不过不要紧，你将格式改为数据框就可以避免，第二，请你保证你的编辑器的格式和数据库或者对象一致。

最后，是本书的问题。本书由于成书年代久，所以很多操作已经过时，笔者发现了以下几个小错误。

1. 对数据库的操作现在直接用pd.read_sql就可以，不需要再入库

2. oi类在pandas已经被转移成一个新库——pandas-dataread，请自行下载。

3. 本书没有对描述性统计分析进行跟深入叙述，你要学更多，请阅读scipy文档。

以上就是笔者对这本书的概述和心得，总的来说，此书的确值得一读。

实战案例

如何安装pandas库：1.电脑WIN+R，输入cmd,输入 pip install pandas回车就行了

 安装

 安装成功后，检查是否安装完成。输入

python -m pip list

安装成功后会有个pandas

 检查安装是否成功 输入python,，进入python解释器，输入import pandas，看是否报错，如果不报错，说明安装成功。

 知识干货

1.列表本身是有顺序的，而且非常非常非常重要的一点，列表中的第一个数的顺序是“0”，索引是从0开始的，切记！

2.修改列表时可以用，insert（位置，内容）来修改。

3.删除列表的内容时，用del可以直接锁定列表的位置来删除，用remove（内容），会将列表了第一次出现的内容删除，pop方法是直接删除末尾的内容，也可以看做是一种变相的提取，加上位置，比如pop（位置），就可以提取任何一个位置上的内容。

4.在写for循环时，要非常注意首行缩进，一般是缩进4个空格字符串，因为当嵌套的循环过多时，非常容易出错，系统无法识别出谁是谁的循环体。for我建议理解为遍历，就是指从头到尾看完整个数据。

5.8.range的左闭右开特性，举例子，range（1,5），以为是生成1到5折五个数字，但是根据python左闭右开的特性，实际是生成1到4这四个数字，切记，在切片，索引中非常重要。

6.del可删除key-value对。

7.16.导入模块后，如果调用了模块内的函数或者方法，一定要在前面制定模块名。

8.定义父类:
class Employee:
def _init_(self, name, age):#抽象员工共性(名字，年龄)self.name = name
self.age = agedef signON(self):
print(self.name+" sign on.")#抽象签到的动作def work(self);
print(self.name + " on work.") #抽象工作的动作

9.继承出子类:

class MEmployee(Employee):#继承父类的共性def _init_(self, name, age):
super)._init_(name, age)
def work(self): #重写子类的方法(抽象出从事管理岗位工作的动作)print(self.name + " on manager_work.")

10.继承出第二个子类:

class TEmployee(Employee):
def _init_(self, name, age, devLanguage):#继承父类的共性，增加语言的属性
super0._init_(name, age)g
self.devLanguage = devLanguage
def work(self): #重写子类的方法(抽象出从事技术岗位工作的动作)print(self.name + " on technology_work.")
def showLanguage(self): #增加子类的方法(抽象出会某种编程语言的动作)print("use " +self.devLanguage+" language.")

jupyter notebook目录

 推荐书籍

《python数据分析》

操作案例

 进入jupyter notebook页面