《python数据分析》心得体会

       首先，本书围绕三个库进行讨论——numpy，pandas和matplotlib。Numpy是个模仿R的库，对python的独特的数组进行向量操作——将数组作为矩阵进行切片，换行，变换，转置，计算等一系列操作。Numpy的强大之处建立在python的天生优势——一切皆对象的基础之上，这也正是numpy的强大——一切皆数组（矩阵）。所以numpy是未来python做SVD，SVM等机械学习的基础——变量矩阵化。

       第二大库——pandas，pandas是基于numpy的一个超级库，这个库不仅完成了numpy的所有基本功能，并且更进一步，矩阵数据框化（DataFrame）。相信熟悉R语言和SAS的朋友对这个概念并不陌生，因为我们几乎所有的数据都是经过数据框进行处理的。数据框的最大特点就是——index（索引）和columns（字段）。也就是pandas所有的操作都是围绕这两个东西进行的。包括增删改，补充，添加等等。也就是利用pandas你能干所有excel可以干的事情，真正意义上的数据管理和数据处理。

       第三大库——matplotlib，python的标志性画图库，然而这个库并没有什么真正意义上的价值，笔者发现，通过python处理过的数据直接经过R作出图像反而更快，更有可视感。另外，真正画图的库使seaborn（因为可变化多）。

       第二，是python做数据分析的环境和编辑器。我知道很多python开发的朋友喜欢用pycharm，但是不好意思，笔者实际操作和阅读，以及真实案例来看，anaconda才是真正意义上的python数据分析和挖掘的操作器