第二章 python数据分析简介
2.1搭建python开发平台
(1）Windows
在Windows系统中安装python,直接到官网下载相应的msi安装包安装即可。
(2) Anaconda
安装python核心程序只是第一步，为了实现更丰富的科学计算功能，还需要安装一些第三方的扩展库，这样就有点麻烦了，尤其在Windows系统中安装还会出现各种错误。
有人专门将科学计算要用的库打包起来，以发行版（Anaconda）的形式供用户使用。
2.2 python入门
只回顾一下函数式编程
在python中，函数式编程主要由几个函数的使用构成：lambda()、map()、reduce()、filter()。
lambda()
说明：匿名函数
作用：简化代码
f = lambda x : x+2 #定义函数f(x) = x+2
map()
说明：假设有一个列表a = [1,2,3],要给列表中的每一个元素都加2得到一个新列表，除了可以用b = [i+2 for i in a],还可以用map()
作用：map()将函数逐一用到可迭代对象中的每个元素上
函数语法：map(f(x),Itera)，它有两个参数，第一个参数为某个函数，第二个为可迭代对象
b = map(lambda x: x+2, a)
b = list(b) # 在python 3.x 中需要这一步,map()函数仅仅创建一个待运行的命令容器
（list tuple dictionary set），只有其他函数调用它的时候才返回结果。
reduce()
说明：递归运算
函数语法：reduce(function, iterable[, initializer])
function – 函数，有两个参数
iterable – 可迭代对象
initializer – 可选，初始参数
>>>def add(x, y) : # 两数相加
return x + y
>>> reduce(add, [1,2,3,4,5]) # 计算列表和：1+2+3+4+5
15
filter()
说明：过滤器
函数用法：filter(function, iterable)
function – 判断函数。
iterable – 可迭代对象。
b = filter(lambda x: x > 5 and x < 8, range(10))
b = list(b) #在python 3.x 中需要这一步
注意:我们使用map()、reduce()、filter(),最终目的是兼顾简洁和效率，因为map()、reduce()、filter()的循环速度比Python内置的for或while循环要快的多。
2.3 python数据分析工具
上面表中扩展库的参考链接：
Numpy http://www.numpy.org/
Scipy http://www.scipy.org/
Matplotlib http://www.matplotlib.org/
Pandas 官方文档： http://pandas.pydata.org/pandas-docs/stable
中文API文档：https://www.jianshu.com/p/a77b0bc736f2
StatsModels http://statsmodels.sourceforge.net/stable/index.html
Scikit-Learn http://scikit-learn.org/
Keras http://radimrehurek.com/gensim/
Gensim http://radimrehurek.com/gensim/
