目录 [隐藏]
数据处理到人工智能
Python数据分析
Python库之数据可视化
Python之文本处理
Python之机器学习
实例：霍兰德人格分析雷达图
数据处理到人工智能
数据表示：采用合适的方法用程序表达数据
数据清理：数据归一化、数据转换、异常值处理
数据统计：数据的概要理解，数量，分布，中位数
数据可视化：直观展示数据内涵的方式
数据挖掘：从数据分析获得知识，产生数据外的价值
人工智能：数据/语言/图像/视觉等方面深度分析与决策
Python数据分析
http://www.numpy.org
Numpy:表达N维数组的最基础库,Python接口使用，C语言实现，计算速度优异。Python数据分析及科学技术的基础库，支撑Pandas等。提供直接的矩阵运算、广播函数、线性代数等功能。
http://pandas.pydata.org
Pandas:Python数据分析高层次应用库，提供了简单易用的数据结构和数据分析工具。理解数据类型与索引的关系，操作索引即操作数据。Python最主要的数据分析功能库，基于Numpy开发。
Series=索引+一维数据
DataFrame=行列索引+二维数据
http://www.scipy.org
SciPy:数学、科学和工程计算功能库，提供了一批数学算法和工程数据运算功能。类似Matlab,可用于如傅立叶变换、信号处理等应用。Python最主要的科学计算功能库，基于Numpy开发。有傅立叶变换类、信号处理类、优化算法类、稀疏运算类、稀疏图压缩类、图像处理类、线性代数类。
Python库之数据可视化
http://matplotlib.org
Matplotlib:高质量的二维数据可视化功能库。提供了超过100种数据可视化展示效果。通过matplotlib.pyplot子库调用各可视化效果。Python最主要的数据可视化功能库，基于Numpy开发。
http://seaborn.pydata.org/
Seaborn:统计类数据可视化功能库。提供了一批高层次的统计类数据可视化展示效果。主要展示数据间分布、分类和线性关系等内容。基于Matplotlib开发，支持Numpy和Pandas。
http://docs.enthought.com/mayavi/mayavi/
Mayavi:三维科学数据可视化功能库
提供了一批简单易用的3D科学计算数据可视化展示效果，目前版本是Mayavi2，三维可视化最主要的第三方库，支持Numpy、TVTK、Traits、Envisage等第三方库
Python之文本处理
http://mstamy2.github.io/PyPDF2
PyPDF2:用来处理pdf文件的工具集
提供了一批处理PDF文件的计算功能
支持获取信息、分隔/整合文件、加密解密等
完全Python语言实现，不需要额外依赖，功能稳定
http://www.nltk.org/
NLTK:自然语言文本处理第三方库，提供了一批简单易用的自然语言文本处理功能。支持语言文本分类、标记、语法句法、语义分析等。最优秀的Python自然语言处理库。
http://python-docx.readthedocs.io/en/latest/index.html
Python-docx:创建或更新Microsoft Word文件的第三方库，提供创建或更新.doc .docx等文件的计算功能，增加并配置段落、图片、表格和文字等，功能全面。
Python之机器学习
http://scikit-learn.org/
Scikit-learn：机器学习方法工具集，提供一批统一化的机器学习方法功能接口，提供聚类、分类、回归、强化学习等计算功能。机器学习最基本且最优秀的Python第三方库。与数据相关的第三方库。
https://www.tensorflow.org/
TensorFlow:AlphaGo背后的机器学习计算框架，谷歌公司推动的开源机器学习框架，将数据流图作为基础，图节点代表运算，边代表张量。是应用机器学习方法的一种方式，支撑谷歌人工智能应用。
import tensorflow as tf
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
res=sess.run(result)
print(‘result:’,res)
https://mxnet.incubator.apache.org/
MXNet:基于神经网络的深度学习计算框架。提供可扩展的神经网络及深度学习计算功能，可用于自动驾驶、机器翻译、语言识别等众多领域，Python最重要的深度学习计算框架。
实例：霍兰德人格分析雷达图
通用雷达图绘制：matplotlib库
专业的多维数据表示：numpy库
输出：雷达图
https://www.jianshu.com/p/26d560faff47