python数据分析简介

pyhton以最短的代码完成任务，因此运行效率并不高，又称“胶水语言”，因为它允许我们把耗时的核心部分用C/C++等更高效率的语言编写，然后由它来“黏合”，来解决了运行效率的问题。

数据结构

python有四个内建的数据结构——List（列表），Tuple（元组），Dictionary（字典），Set（集合），它们统称为“容器（container）”。
列表和元组都是序列结构，列表用方括号标记[]，元组用圆括号()标记，二者的区别是，列表可以被修改，元组不能被修改。
“列表解析”这一功能能够简化我们队列表内元素逐一进行操作的代码：b=[i+2 for i in a]代替
for i in a:b.append(i+2).
字典实际是一个映射，有自己定义的键。
集合中的元素不重复且无序。

函数式编程（泛函编程）

函数式编程主要由几个函数的使用构成：lambda()，map()，reduce()，filter()。
**lambda()**用来自定义“行内函数”深入理解lambda()函数
**map()**函数用于逐一遍历，代替了类似列表解析的功能，map()函数
**reduce()**函数用于递归计算，reduce()函数
**filter()**函数式一个过滤器，用来筛选出列表中符合条件的元素，使用此函数需要一个返回值为bool型的函数filter()函数

python数据挖掘相关扩展库

Numpy

python并没有提供数组支持，Numpy提供数组支持，以及相应的高效的处理函数。后续的scipy,matplotlib,pandas等库都依赖于它。
Numpy库入门
Numpy库常用函数大全

Scipy

提供矩阵支持，以及矩阵相关的数值计算模块，包含的功能有最优化，线性代数，积分，插值，拟合，特殊函数，快速傅里叶变换，信号处理，图像处理，常微分方程求解等。
科学计算库Scipy

Matplotlib

强大的数据可视化工具，作图库，主要用于二维绘图，也可以进行简单的三维绘图。
Matplotlib官方中文文档
绘图库入门

Pandas

强大灵活的数据分析和探索工具，它的基本数据结构是Series和DataFrame,Series就是序列，类似一维数组，而DataFrame相当于二维表格，类似二维数组。
基础详解
Series类型与基本操作详解

StatsModels

统计建模和计量经济学，包括描述统计，统计模型估计和推断。

Scikit-Learn

支持回归，分类，聚类等的强大的机器学习库

Keras

深度学习库，用于建立神经网络及深度学习网络

Gensim

用来做文本主题模型的库，文本挖掘可能用到