第一章：准备工作
参考教材为：《利用python进行数据分析》
1.1什么类型的数据
- 表格型数据
- 多维数组
- 由主键外键相关联的多张表数据（数据库）
- 均匀或非均匀的时间序列（？？？？暂时不懂）
1.2为什么使用python进行数据分析
- 各种库，例如pandas和skit-learn
- 胶水语言
- 解决双语言难题，只用python就可以了！
- 缺点：python太慢了。。
1.3重要的python库
1.3.1 numpy
- 快速高效的多维数组对象ndarray
- 数组计算，数组间数学计算
- 读写基于数组的数据集工具
- 线性代数操作，傅里叶变换，随机数生成
- c语言api
- 作为数据传递的容器高效
1.3.2pandas（python data analysis）
- 高级数据结构（dataframe，series）
- 函数（数据的重组，切块，切片，聚合，子集。。有利于数据操作，预处理，数据清洗）
1.3.3matplotlib
- 绘图
1.3.4ipython与jupyter
- 交互式python解释器
1.3.5scipy（针对科学领域对不同标准问题域的包集合）
- scipy.integrate(数值积分和微分方程)
- scipy.linalg(线性代数和基于numy.linalg？？的矩阵分解)
- scipy.optimize(函数优化器，求根算法)
- scipy.sparse(稀疏矩阵，稀疏线性系统？？求解器)
- scipy.special???
- scipy.stats(标准的连续和离散概率分布，各类统计测试，各类描述性统计)
1.3.6scikit-learn（更专注于预测）
- 分类（SVM,最近邻，随机森林，逻辑回归）
- 回归（lasso，岭回归）
- 聚类（k-means，谱聚类）
- 降维（pca，特征选择，矩阵分解）
- 模型选择（网格搜索，交叉验证，指标矩阵）
- 预处理（特征提取，正态化）
1.3.7statsmodels（更专注于推理）
- 回归模型
- 方差统计
- 时间序列分析
- 非参数方法
- 统计模型结果可视化
工作任务大体流程
- 与外部世界交互（读写各种格式的文件以及数据存储）
- 准备（对分析数据进行清洗，处理，联合，正态化，重组，切片，切块和转换）
- 转换（将数学或统计操作应用到数据集的分组上以产生新的数据集）
- 建模和计算（将数据接入到统计模型，机器学习算法和其他计算工具上）
- 演示（创建动态或静态的图像可视化或文字概述）
