完成相关视频章节学习：
2. 数据分析概况
是什么：用适当的分析方法，对收集的数据进行分析，总结规律，提取有价值的信息，形成有效结论的过程
企业中的作用：现状分析（过去：日报，周报，月报），原因分析（现在：现状为什么会发生 专题），预测分析（未来：预测下一年的销售量目标 制定季报，年报）
流程：明确目的和思路 -> 数据收集准备 -> 数据处理 ->数据分析 -> 数据展现 -> 报告撰写
数据一般来源：企业内部数据仓库，公开的出版物，互联网，市场调查报告
基础分析方法：对比分析，分组分析，结构分析，分布分析，交叉分析，矩阵分析
高级分析方法：回归分析，聚类分析，决策树，神经网络，因子分析，时间序列分析
3.Python概况
因自己非常熟悉，所以只看了视频，未做笔记
Why Python: 高效，开发包齐全
数据处理：pandas
数据挖掘：sklearn
数据可视化：matplotlib
4. 安装Anaconda
5. 使用Anaconda
6. 数据类型
变量命名规则：a-z, A-Z, digits, case sensitive,
no _ , no digit at beginnnig
数据类型：
1. Logical：True False 运算规则:&, |, not
2. Numeric
取整 //
求余 %
乘方 **
浮点数越界问题 Decimal('4,2') + Decimal('2.1') 对浮点数进行封装
3. Character
单引号，双引号，或三引号把字符串包起来
转义字符：\ or (r'xxxxxx')
表示换行： s = "abc \
efg" or 使用三引号：换行符等均会保留
7. 数据结构
数据结构是指相互之间存在一种或多种数据关系的数据集合
Pandas：
Series: 存储一行或一列的数据，以及与之相关的index的集合
DataFrame: 用于存储多行多列
默认索引都是从0开始的
切片：>=第一个索引，<第二个索引
8. 向量化运算
特殊的并行计算方式，同一时间进行多次操作
Pandas的基本数据结构：序列和数据框
等差数列：numpy.arange(start, end, step)
numpy.power(r, 5)
lambda匿名函数
四则运算：相同位置进行函数计算，函数返回结果保留在相同位置
向量化运算原则：1. 极可能避免for循环；2.过早的优化是魔鬼
9. 数据导入
数据存在形式：
1. 文件：pandas
CSV: 列与列之间用逗号分隔
read_csv(file, encoding),
TXT:没有列名，不需要分隔符，默认第一行作为表头
read_table(file, names=[列名1，列名2.。。]， sep="", encoding="utf-8")
Excel:默认文件第一行作为列名
read_excel(fileName, sheetName, names)
2.数据库：MySQL, Access, SQL Server etc
10.数据导出
default:
to_csv(filePath, sep=",", index=TRUE, header=TRUE)
网友评论