Python & 数据分析学习笔记[第2篇]

资料：Python for Data Analysis.pdf [英文版]

Chapter1 Preliminaries 热身章节

使用Python 做数据分析需要的软件包：NumPy, IPython, matplotlib, and pandas （其中，IPython 是开发工具，NumPy, pandas 是数据结构和算法部分，matplotlib 顾名思义是可视化工具）。

[darkni] 这一套软件，包括Python 语言，IPython开发工具，以及NumPy 等各种支持库构成了 Python Ecosystem， 可以用于解决数据分析领域各种问题。

这一章介绍了这些软件包，还有安装方法。

Chapter2 Introductory Examples 热身章节

介绍了三个例子：1.usa.gov data, MovieLens 1M Data Set , 和 US Baby Names 1880-2010 ，通过实例的方式分享如何使用Python Ecosystem 解决现实的数据分析问题。

[darkni] 学习方法：随着例子，一个一个地练习。

思路：



第一步：理解现实世界中的数据

—— 获取数据，理解数据格式、涵义。也可能需要和数据库打交道。

第二步：准备数据

—— ETL 的过程，工作量大、繁、碎

第三步：转换数据

—— 通过统计、分组等方法，将原始数据转换为用于数据分析的新的数据集。依旧是 ETL 的过程。

第四步：建模和计算

—— 开始真正的数据分析之旅。

第五步：可视化

—— 以图表、结论等形式展示数据分析的结果。

[darkni] 全部练习后，再补充一个介绍博客。

Chapter3 IPython: An Interactive Computing and Development Environment

—— 鸡肋章节，介绍 IPython 的一些用法。内容通用，与数据分析的本质没什么关联。

Chapter4 NumPy Basics: Arrays and Vectorized Computation

—— 介绍 NumPy 软件包的用法，继续鸡肋。

NumPy 最关键的是 ndarray 即多维数组。数据分析的基础是数据，那么数据在Python 里从计算机的视角（数据结构）以 ndarray 进行操作。

这一章就是介绍如何操作 ndarray 和普通的数组（list）。

对 Matlab 熟悉的童鞋，ndarray 和矩阵概念上是一致的，操作上需要注意的 ndarray 从 0 开始索引，还有范围访问是： [ ) 的方式，左闭区间，右开区间。

[待续...]