python数据分析收获与心得体会_初次数据分析--我的心得体会

现在十分流行做个斜杠青年，也就是跨界，但是这一课，猴子老师首先提醒我们，跨界想成功就要先在某个领域里做成一件事情，用专业水平去做，才能去想跨界。

是要去跨界？还是要聚焦？首先需要判断自己是否具有不可替代的核心竞争优势。使自己具有不可替代性，就可以增加自己的收入。

数据分析常用模块有三个：numpy：矩阵计算等数学计算，pandas：基于numpy的数据分析工具，使用数据框对表结构的数据进行分析，matplotlib：数据可视化，本次课程主要学习前两者。

numpy一维数组与列表的区别：一维数组提供了很多统计功能，一维数组可以向量化运算，一维数组全是相同的数据类型。

pandas的Series有index，我们可以在使用的时候指定这些index。iloc根据位置获取元素的值，loc方法根据index索引值获取元素的值。

querySer筛选这里要仔细理解，涉及到行和列的变化。要理解【行，列】这里的控制变量的问题，前面是对于行的筛选，后面是对于列的筛选。

这一关，我觉得是承上启下的重要一关，前面学了很多统计学和Python的基础知识，到了这一关可以简单打一些代码了，但是使用上还很不熟练，做不到如臂使指。这就要求我们结合这一关的学习努力去夯实基础，将自己的基础打牢，尤其是列表和字典的使用，更是重中之重，实际上，列表和numpy中的Array很像，字典和pandas中的Series很像，但是前后者的使用是有很大区别的，例如列表中可以使用 .append这个方法，但是array就不可以使用这些列表中的方法，这个一定要注意，列表和array很像，很容易就会出现这种混用的错误。

跟着课程敲了一遍代码，我发现，Python这种需要面向对象以及带有复杂的模块的语言相对于C语言比较复杂，所以一定要很有耐心得去把代码练的非常熟练，我在计蒜客的编程题库中看见了不少题可以练习语法和思维->题库 - 计蒜客​nanti.jisuanke.com

简简单单的一道题，做了整整一个小时，非常辛苦，但是这种苦功的值得的，不去疯狂练习，永远也不知道列表等用法在实际操作中是怎么使用的，大学的时候我学C语言也是做了100道语法题才能做到融汇贯通的，Python只有努力练习，才能掌握它的使用方法。这种苦功，一百个小时过后，换来的就是Python的熟练掌握！

猴子老师这次的课程，一是学习numpy要注意数组的使用，二是pandas要注意怎么使用数据框。但是在我学习的过程中，深深感觉到了自己对于相关的模块、方法、函数使用太不熟练了，为了强化自己的Python技能，我准备花费一段时间刷刷题，锻炼一下自己的语法实力，这其实是一切的基础。使用Python，需要记住的模块和方法还有类等知识非常多，一方面需要多联系加强记忆，另一方面,需要仔细阅读文档并且善用搜索引擎，仔细研究这次猴子老师给的两个简明教程。Quickstart tutorial​docs.scipy.org10 Minutes to pandas​pandas.pydata.org

下面我讲讲数据分析的常规步骤和注意事项：提出问题。

理解数据：1采集数据，2导入数据，3查看数据集的信息。

数据清洗：对数据进行整容，弄成我们希望的样子。

构建模型：对清洗后的数据进行分析，复杂的分析可能会用到机器学习。

数据可视化：图表，合理使用图表。

我们要解决的问题是月均消费次数，月均消费金额，客单价，消费趋势。

数据清洗的步骤：1选择子集，2列名重命名，3处理缺失的数据，4数据类型的转化，5对数字排序，6异常值处理。

我觉得上面的所有知识和技能要想全面掌握的话，还是得多练一练才可以，重点就是Python语法、numpy还有pandas的相关方法的使用方法。

这次课的主要内容如下，在课程和课外教程的强化下，感觉我对于Python语法、numpy、pandas还有列表，类方法，类变量等知识使用得更加熟练了，希望自己可以在不断得加强学习中掌握相关的技能。继续加油！