Python数据分析基础ReadingDay1

从今天（2018-3-13）到3月26号本目录下会更新《Python数据分析基础》这本书的一些读书笔记和思考。

书目信息：

原书名: Foundations for Analysis with Python
中文翻译版: Python数据分析基础
原作：Clinton W。Brownley
人民邮电出版社出版，2017年8月第一版。

foundationsForAnalyWithPyBookCover.png

本书关于基础知识的内容很多，作者也说：

本书面向的读者是那些经常使用电子表格软件进行数据处理，但从未写过一行代码的人。 因此对于数据的读入讲得比较多，重点讲了csv、Excel、SQL的读取与处理。关于一些建模和挖掘的算法讲得比较少。阅读完本书后会补充一些算法的内容（特别是关联分析和聚类的算法）。

今天从第一章开始，《Python数据分析基础》整本书200多页，并不多，书中的内容注重基础，对代码的讲解比较详细（关于本书特点请参考README.md）。本书关于一些建模和挖掘的算法讲得比较少，因此消化本书后会结合其他书（例如《数据挖掘导论》），会写一些关于算法的笔记。本系列笔记主要目的还是作为自己精读本书和巩固Python的笔记，同时也希望给阅读《Python数据分析基础》的人一个参考。

这篇笔记略过一些安装的细节，着重实践第一章的基本数据存贮类型，会有一定跳跃，笔记中主要举比较常用的例子用以说明比较重要的内容，而不会面面俱到，不会完全按照书中的讲解顺序（因为这样就变成对本书的一个复刻而不是阅读消化了），但对于书中讲到比较核心的内容也会记得比较详细，要理解本系列笔记需要一定的Python基础，对小白可能不太友好。

目录

• 运行环境与交互
• 数值
• 字符串
• 日期

运行环境与交互

本系列笔记基于Python 3.6；集成环境采用Anaconda；Excel编辑会用到MS的Excel 2016；文本数据（如csv文件和一般Python脚本）采用Notepad++ v7.4.1进行编写，Python脚本全采用UTF-8编码。

代码以及笔记的编辑主要是基于Anaconda包含的jupyter notebook（原来叫ipython notebook），书中比较常用到Anaconda的Spyder，做数据科学的人一般会更习惯于用jupyter notebook，与本文同步的GitHub。

略过Anaconda以及其他软件的安装过程（因为我安了有一定时间了，也没有截图，需要了解运行环境配置的同学请参考Anaconda安装等教程）。

书中花了一定篇幅讲如何在命令行下运行Python脚本，其基本思路是用Notepad++等文本编辑工具编辑好以.py结尾的脚本文件后，在cmd下定位到文件所在目录，输入 python 文件名.py 运行，该方法对于Windows系统和Python3没问题（如下图）。在Mac下相应的命令为 chmod +x 文件名.py 再./文件名.py

runningPyScriptIncmd.png

数值

Python对数字的分类不像其他语言那么详细，并且支持大数，能装下像C++语言的long类型都装不下的数值。可以粗略地将Python的数字类型分为整数、浮点数、长整数以及复数。后续笔记会提到的numpy库为了提高计算速度细分了int32 int64等类型，这个后面再说。 数值类型的变量表达如下：（有其他语言基础的人请区分主流的 int a=2; 以及go的 var a int=2 以及Python的）

a=2 #整数   Python用#进行注释 
b=3.14 #浮点数
c=5/2  #Python3中得到浮点数2.5 而Python2得到的是整除的结果
d=5//2  #Python3的整除
e=5%2  #取余数
f=4+3j  #复数类型
print(a,b,c,d,e) #输出
print(type(c)) #type(val) 函数会返回val的数据类型
print(f)
#书中有简单提到math库，由于展开需要讲很多内容，本处不展开，内置math库包含了很多数学运算函数

字符串

k='this is a string' #字符串类型
s="string2" #用单引号或者双引号都可以，其他语言一般用单引号表示一个字符
print(k,w)

# 正则表达式是很强大的字符串解析方式，可以实现很多功能
import re  #引入一个库 用 import 库名
patz=re.compile(r'is')
pu=patz.search(k)
if pu!=None: #如果能匹配上
    print(pu[0])

本身字符串内置了一些很有用的处理方法，如下：

• s.join(lst) #使用s作为连接符连接序列lst中的字符串元素
• s.split(w) #以w作为分隔符，得到一个字符串列表
• s.strip(chr) #删除开头和结尾的字符chr

还有lower、upper等函数。

# 例子
s1='*'.join(['a','b','c'])
s2='this is a str'.split(' ') #以空格切分
s3='**23456***'.strip('*')
print('s1={0:s}'.format(s1))
print(s2)
print(s3)

日期

日期也是数据分析经常遇到的一种数据类型，特别是金融方面，时间序列分析是数据分析很重要的一个研究领域，本书中说：

日期在大多数商业应用中都是必不可少的。你需要知道一个事件在何时发生，距离这件事 发生还有多少时间，或者几个事件之间的时间间隔。因为日期是很多应用的核心。--P19

Python中提供了很多库用于时间处理，内置的datetime库很挺好用的，也有很多第三方的日期时间库。书中只讲了datetime（至少第一章只讲了datetime）。

from datetime import date,datetime,timedelta
today = date.today() #获得今天的日期
yesterday=today-timedelta(days=-1)
print(today) #print 出来
print(yesterday)
print(today.year)

>>> #以图灵的Happy Hacking 2018 编程日历里的代码举例
>>> now=datetime.now()
>>> print(now.strftime('%Y-%m-%d')) #格式化输出
2018-03-13

今天的学习先整理这些，明天会继续《Python数据分析基础》的学习，会比较深入地记关于列表/元组/字典三种内置数据保存方式，还有文本文件的读写。 如果读者有任何意见或建议，欢迎留言补充！