我用了兩天左右的時間完成了這一門課《introduction to python for data science》的學習，之前對python有一些基礎，所以在語言層面還是比較順利的，這門課程的最大收穫是讓我看到了在資料科學中python的真正威力（也理解了為什麼python這麼流行），同時本次課程的互動式練習體驗（datacamp）非常棒。
這門課程主要包括了6個單元的內容，一開始介紹了python的基本概念（常見資料型別和變數），從第二節開始講解列表在python中的使用，並且逐步演進，我們還學習了使用真正為data science準備的幾個package的應用。
從資料科學的角度來看，python可能真的是很適合的乙個程式語言和環境。這不光是因為他本身的語法比較簡單，而且目前已經有幾個非常強大的包（package）對其進行支援。
python中的list用來表示一系列的資料，它非常靈活，甚至可以在乙個列表中包含不同型別的資料，當然這樣也就帶來了一定的負面作用，例如效能。而numpy的array則是對list的一種改進，它進行規劃化（乙個array的軸上只支援同一種資料型別），並提供了更多的一些與資料科學的運算（函式）。
它自身的運算規則也跟列表有極大的區別，例如
numpy庫內置支援很多科**算的函式，不需要依賴其他庫
資料科學不光是對資料的處理，而且還需要對資料進行展示。目前全世界最流行的用來做資料視覺化的庫是matplotlib。
下圖是乙個最簡單的例子
請注意，圖形的資料**既可以是list，也可以是array，當然還可以是下面的終極解決方案dataframe，來自pandas這個庫。
numpy和matplotlib，可以很好地處理資料科學的場景。但如果資料量真的很大，則可能需要用到pandas了。
pandas提供了乙個全新的dataframe的物件，它是完全為科**算和統計而設計的，而且它自帶了視覺化元件庫，不需要額外依賴matplotlib。
從技術上說，dataframe很像是乙個excel**或者資料庫，它具有行和列的概念，也有索引的技術。
dataframe還支援從外部檔案（例如csv）或者網路位址載入資料，這將使得它真正具有實用的價值。
最後，我之前提到過了，本次課程給我最驚喜的乙個體驗是互動式練習。這是乙個第三方學習平台（datacamp）提供的，非常酷。
本地安裝jupyter，請參考
第三課 資料型別
檢視資料型別函式 type 返回資料型別 int 整型 float 浮點型 bool 布林 str 字串 list 列表 tuple 元祖 dict 字典 set 集合 整型 int 整型int a 18 print type a 結果 浮點型 float 浮點型float a 18.888 pri...
第三課 key的操作
在redis中，除了 n 和空格，不能作為名字的組成內容，其他任何內容都可以成為key的名字部分。名字長度不做要求。values strings lists sets sorted sets hash key不要太長。佔記憶體，查詢慢 key不要太短，像u 1000 pwd不如user 1000 p...
我的csdn第三課
今天是csdn第三課，真的學到很多東西。本來考完英語四級心情很不好的，不過因為csdn的課，我很快忘掉了傷心，呵呵。1.插入路徑 src 檔案全名 相對路徑 子級目錄 子資料夾名稱 與html同級 檔案全名 2.插入中的其他屬性 alt 表示無法顯示時給出的提示 title 表示當滑鼠移動到位置時顯...