利用Python进行数据分析笔记(一

一 利用Python进行数据分析

这是一本2013年出的书，所以已经落后了三年，在阅读时我需要注意这一点。Python拥有一个巨大的活跃的科学计算社区，拥有Pandas等一些不断改良的。而且Python可以作为粘合剂，如Cython项目可以对接C/C++代码。但是Python是一种解释型编程语言，因此大部分Python代码都要比编译型语言（比如C++和Java）编写的代码运行的慢得多。对于低延迟、高并发、多线程的应用程序，Python都不是最好的选择。

需要重点掌握的Python库。NumPy（Numerical Python）是Python科学计算的基础包，包含数组运算、线性代数运算、傅里叶变换，并可将C、C++、Fortran代码集成到Python的工具。Pandas（panel data）提供了处理结构化数据的数据结构和函数，包含大量高性能的时间序列处理功能。Matpolotlib是最流行的用户绘制数据图表的Python库，和IPython结合的很好，可以提供交互式的绘图环境。Ipython是Python科学计算标准工具集的组成部分，是一个增强的Python
Shell，可以提高编写、测试、调试Python代码的速度。SciPy是专门解决科学计算中各种标注问题域的包的集合。

二 安装环境

EPDFree包含NumPy、SciPy、matplotlib和IPython，可以免去很多麻烦，下载地址：https://www.enthought.com/。还要安装Pandas，下载地址：http://pypi.python.org/pypi/pandas。

为了测试环境的有效性，可以前往https://github.com/pydata/pydata-book，下载测试和后续使用的代码。

三 NumPy的数组操作

以前有所掌握，不再深究。

四 Pandas的操作

pandas具有处理时间序列数据的能力，这一点十分值得了解。

Series类似一种字典，也是一种数组，可以使用（K,V）进行设置，支持查询和修改，可以直接将字典转换为Series格式，使用Series（dict）。支持按index对齐的运算。DataFrame可以自动将多个表进行对应上，每行是一个对象，列是字段，里面是值，整个效果已经类似一个关系型数据库了。

待续...