python学习笔记-目录索引
《python数据分析（第2版）-阿曼多.凡丹戈》。
该书是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，本书还介绍了信 处理与时间序列、应用数据库、分析文本数据与 交媒体、预测性分析与机器学习、Python生态系统的外部环境和云计算、性能优化及分析、并发性等内容。在本书的最后，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。
Armando Fandango是Epic工程咨询集团首席数据科学家，负责与国防和政府机构有关的保密项目。Armando是一位技术精湛的技术人员，拥有全球创业公司和大型公司的工作经历和高级管理经验。他的工作涉及金融科技、证券交易所、银行、生物信息学、基因组学、广告技术、基础设施、交通运输、能源、人力资源和娱乐等多个领域。
Armando在预测分析、数据科学、机器学习、大数据、产品工程、高性能计算和云基础设施等项目中工作了十多年。他的研究兴趣横跨机器学习、深度学习和科学计算等领域。
前言
数据分析在自然科学、生物医学和 会科学领域有着悠久的历史。随着数据科学的发展，数据分析也呈现流行之势，几乎已经渗透到工业的方方面面。与数据科学类似，数据分析也致力于从数据中提取有效信息。为此，我们需要用到统计学、机器学习、信 处理、自然语言处理和计算机科学领域中的各种技术。
在第1章中，我们将给出一幅描绘与数据分析相关的Python软件的脑图。首先要知道的是，Python生态系统已经非常完备，具有诸如NumPy、SciPy和Matplotlib等著名的程序包。当然，这没有什么好奇怪的，因为Python在1989年就诞生了。Python易学、易用，而且与其他程序设计语言相比语法简练，可读性非常强，即使从未接触过Python的人，也可以在几天内掌握该语言的基本用法，对熟悉其他编程语言的人来说尤其如此。你无需太多的基础知识，就能顺畅地阅读本书。此外，关于Python的书籍、课程和在线教程也非常多。
本书内容
第1章“Python程序库入门”手把手地指导读者正确安装配置Python和基础的Python数值分析软件库。同时，本章还会展示如何通过NumPy创建一个小程序以及如何利用Matplotlib来绘制简单的图形。
第2章“NumPy数组”介绍NumPy和数组的基础知识。通过阅读本章，读者能够基本掌握NumPy数组及其相关函数。
第3章“Pandas入门”阐述Pandas的基本功能，其中涉及Pandas的数据结构与相应的操作。
第4章“统计学与线性代数”对线性代数和统计函数做了简要回顾。
第5章“数据的检索、加工与存储”介绍如何获取不同格式的数据，以及原始数据的清洗和存储方法。
第6章“数据可视化”介绍如何利用Matplotlib和Pandas的绘图函数来实现数据的可视化。
第7章“信 处理与时间序列”利用太阳黑子周期数据来实例讲解时间序列和信 处理，同时还会介绍一些相关的统计模型。本章使用的主要工具是NumPy和SciPy。
第8章“应用数据库”介绍各种数据库和有关API的知识，其中包括关系数据库和NoSQL数据库。
第9章“分析文本数据和 交媒体”考察基于文本数据的情感分析和主题抽取。同时，本章还将为读者展示一个 络分析方面的实例。
第10章“预测性分析与机器学习”通过一个例子来说明人工智能在天气预 上的应用，这主要借助于scikit-learn。不过，有些机器学习算法在scikit-learn中尚未实现，所以有时还要求助其他API。
第11章“Python生态系统的外部环境和云计算”将提供各种实例，来说明如何集成非Python编写的现有代码。此外，本章还将为读者演示如何在云中使用Python。
第12章“性能优化、性能分析与并发性”为读者介绍通过性能分析（Profling）和Cython等关键技术来改善性能的各种技巧，同时还为读者介绍多核和分布式系统方面的相关框架。
附录A“重要概念”将对本书中涉及的重要概念进行简要介绍。
附录B“常用函数”概述本书中用到的程序库中的各种函数，以便于读者查阅。
第1章“Python程序库入门”手把手地指导读者正确安装配置Python和基础的Python数值分析软件库。同时，本章还会展示如何通过NumPy创建一个小程序以及如何利用Matplotlib来绘制简单的图形。
首先：需要了解的是Python生态系统为数据分析师和数据科学家提供的常用程序库。
☆☆☆☆☆NumPy：这是一个通用程序库，不仅支持常用的数值数组，同时提供了用于高效处理这些数组的函数。
☆☆☆☆☆SciPy：这是Python的科学计算库，对NumPy的功能进行了大量扩充，同时也有部分功能是重合的。Numpy和SciPy曾经共享基础代码，后来分道扬镳了。
☆☆☆☆☆Pandas：这是一个用于数据处理的程序库，不仅提供了丰富的数据结构，同时为处理数据表和时间序列提供了相应的函数。
☆☆☆☆Matplotlib：这是一个2D绘图库，在绘制图形和图像方面提供了良好的支持。当前，Matplotlib已经并入SciPy中并支持NumPy。
☆☆☆☆IPython：这个库为Python提供了强大的交互式Shell，也为Jupyter提供了内核，同时还支持交互式数据可视化功能。我们将在本章稍后介绍IPython shell。
☆☆☆☆Jupyter Notebook：它提供了一个基于Web的交互式shell，可以创建和共享支持可实时代码和可视化的文档。Jupyter Notebook通过IPython提供的内核支持多个版本的Python。
常见官方地址：
NumPy和SciPy的主要文档 站是http://docs.scipy.org/doc/。通过该 站，您可以浏览NumPy和SciPy程序库的用户指南和参考指南，以及一些相关教程
Pandas http://pandas.pydata.org/pandas-docs/stable/
Matplotlib http://matplotlib.org/contents.html
Ipython http://ipython.readthedocs.io/en/stable/
Jupyter Notebook http://jupyter-notebook.readthedocs.io/en/latest/
1、安装python略。
2、安装jupyter。
Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。
安装常见的有两个途径。
1）安装好Anaconda3后，通过Jupyter Notebook (Anaconda3)快捷方式访问即可。
2）在eclipse中通过pip安装。
安装界面：
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！