回顾《利用python进行数据分析》

前言：以前把这本书当工具书差不多都看了一遍，现在回顾一下。

第四章NumPy基础：数组和矢量计算；第12章NumPy高级应用    

用的不多，没什么好总结的。工具书看一遍就行了，工作遇到不会的查资料就行了。

切片       array[：，：]      array[][]    数组切片是原始数组的视图，视图上的任何修改都会直接反映到源数据。

花式索引       array[[]，[]]      

花式索引和切片混合使用             

Numpy高级应用就算了，没怎用过

第五章pandas入门；第七章数据规整化：清理、转化、合并、重塑；第九章数据聚合与分组运算  

DataFrame分开来就是索引对象和数值

修改行(列)索引：reindex()，set_index()，reset_index()

选取：obj.loc[]，obj.iloc[]，obj.ix[]

函数应用：obj.apply()         x对应的是列（行）    f = lambda x:x.max()-xmin()

                  obj.applymap()         x对应的是每个元素        f = lambda x: '%.2f'%x

处理缺失数据：obj.dropna()，obj.fillna()，obj.isnull()，obj.notnull()

层次化索引：stack()，unstack()  

合并数据集：merge()，join()，concat()

移除重复数据：drop_duplicates()

替换值：replace()

离散化和面元划分：cut()，qcut()

GroupBy技术      分组键可以有多种形式：列表或数组，其长度与待分组的轴一样

                                                                   表示DataFrame某个列名的值

                                                                   字典或Series，给出待分组轴上的值与分组名之间的对应关系

                                                                    函数，用于处理轴索引或索引中的各个标签

面向列的多函数应用：agg()

面向片段的函数应用：apply()

第六章数据加载、存储与文件格式

        总的来说，用的较多的就几个函数，具体用法在IDE中也能查到。pd.real_csv()，pd.DataFrame.to_csv()，pd.read_sql()，pd.DataFrame.to_sql()。还有就是一些简单的SQL语句。

第八章绘图和可视化

       matplotlib.use(arg, warn=False, force=True)                #设置matplotlib的后端

目前的标准后端有两种：

interactive backends(interface backend): GTK3Agg, GTK3Cairo, MacOSX, nbAgg, Qt4Agg, Qt4Cairo, Qt5Agg, Qt5Cairo, TkAgg, TkCairo, WebAgg, WX, WXAgg, WXCairo。跟显示到屏幕有关

non-interactive backends(hardcopy backend): agg, cairo, pdf, pgf, ps, svg, template。跟写入到文件有关
最后弄懂下面这张图就够了。一些具体的绘图技巧参考官网https://matplotlib.org/tutorials/index.html

第十章时间序列

有些平常用的不多，但感觉以后会用到

时间戳（timestamp），特定的时刻

固定时期（period），如2010年全年

时间间隔（interval），由起始和结束时间戳表示

模块                 time

                         datetime                                               date                                             (年、月、日）

                                                                                      time                                           （时、分、秒、毫秒）

                                                                                      datetime                                     （时间和日期）

                                                                                      timedelta                （表示两个datetime值之间的差。日、秒、毫秒）

索引、选取、子集构造                               比较特殊的是：ts[x]，x可以是字符串日期、datetime或Timestamp

带有重复索引的时间序列                                              is_unique()                   

生成日期范围；频率和日期偏移量                                date_range()

移动数据                                                                        shift()       

 按季度计算的时期频率                                                  period_range()

将Timestamp转换为Period（及其反向过程）                to_period()；to_timestamp()

重采样及频率转换，包括降采样和升采样                                                           resample()

时间序列绘图                                                                   ts.ix['2009'].plot()            便捷的选定时期

用户自定义的移动窗口函数                                              rolling_apply()