数据分析介绍及环境介绍

1：学习前介绍

• 主要介绍学习数据分析之前的一些准备工作

1.1：学习方法

• 1：重视python的基础知识
• 2：多归纳总结，构建自己的知识体系
• 3：多练习、多应用、多思考

1.2：数据分析的发展方向

• 业务型数据分析师：以某一个业务，来开发或完成数据分析
• 技术型数据分析师：相对于业务性数据分析师来说，技术性数据分析师不是以一个业务来分析数据，而是以一个技术来完成一个技术

2：数据分析的介绍

• 主要是介绍数据分析的一些基础知识

2.1：无处不在的数据

• 在日常生活中处处存在着数据，有很多的地方都可以产生数据
• 1：社交类的数据：微博、微信、知乎、豆瓣这些软件都可以产生非常多的数据
• 2：交通类的数据：出租车、公交车、高德地图等等每天都会产生交通类型的数据
• 3：金融类的数据：股票、基金这些也会产生一些数据
• 4：医疗类的数据：比如在一个医院的医疗卡中可以通过这个医疗卡，知道你之前生过什么病，对那些药物过敏，要是每一个都有一个这个的医疗卡，那么对于病人来说，就没有必要去做一些检查了

2.2：数据的应用

• 1：竞选预测：可以通过现在已经有的数据来分析，来预测M国的下一任总统是哪一个候选人
• 2：拥堵预测：可以通过以前这个路段的堵车数据来分析，预测什么时候出行更好，这个功能多用在地图上
• 3：信誉评估：通过之前的信誉来评估现在的信誉
• 4：辅助诊断：通过数据分析可以预测未来会发生什么样的事情

2.3：数据分析的定义

• 第一步：需要收集来大量的数据
• 第二步：使用合适的统计分析方法
• 第三步：提取有用的信息
• 第四步：形成结论
• 第五步：加以详细的研究
• 注意：数据分析是一个过程而不是一个结果，所以这五步是每一个数据分析都必须要做的

2.4：数据分析的目的

• 有三类分别为：现状分析、原因分析和预测分析

现状分析

• 分析过去发生了什么，得出结论。是一种探索性分析

原因分析

• 分析为什么会发生这样的事情，这一现象为什么会发生。是一种验证性数据分析

预测分析

• 通过分析现有的数据，预测未来会发生什么。是一种预测性的数据分析

2.5：数据分析的流程

2.6：学习数据分析的目的

• 岗位需求
• 机器人学习的基础
• 数据科学的基础

3：学习数据分析需要的工具

3.1：需要学习的软件

• python
• jupyter

3.2：jupyter介绍

• Jupyter Notebooks 是一款开源的网络应用，我们可以将其用于创建和共享代码与文档。
• 其提供了一个环境，你无需离开这个环境，就可以在其中编写你的代码、运行代码、查看输出、可视化数据并查看结果。
• 因此，这是一款可执行端到端的数据科学工作流程的便捷工具，其中包括数据清理、统计建模、构建和训练机器学习模型、可视化数据等等。

3.3：jupyter notebook软件的特点

基于web的在线编辑器

• 这样就可以使我们编写代码的时候不用在去下载专门的软件了，直接使用这个在线编辑器就可以编写代码了

可交互式

• 这个特点就像是在Windows中的终端执行pyhon一样，是交互式的

.ipynb文件分享

• 可以共享文件

支持markdown

• 支持markdown语法，可以做到边编写代码，边记笔记

可以直接输出变量名

• 在一个代码块中指向代码的时候，只要输入变量按一下shift + 回车键就会输出这个变量所代表的值了，不用在输入print()函数了，但是一个代码块只能输出一个变量，要想多个输出可以使用元组，或者使用print()函数

分块执行代码

• 代码执行的时候，只看代码前面的数字，不看代码的先后顺序

产看函数的参数

• 在一个函数的后面加一个？就可以知道这个函数的参数了

智能提示

• 可以按tab键来获取智能提示的帮助，相当于pycharm中方法或函数的智能

3.4：jupyter notebook的安装

• 需要咋Windows的中端中运行代码pip install jupyter就可以安装了
• jupyter notebook的快捷键只要按H就可以知道了