Robin Hu的专栏

峰度是反映曲线尖峭程度的指标。峰度一般可表现为三种形态: 标准峰度（正态峰度）、尖顶峰度、 平顶峰度。

离散程度是通过随机地观测变量各个取值之间的差异程度，用来衡量风险大小的指标。

数据集中趋势是统计学中的其中一种指标之一，集中趋势又称 “数据的中心位置”，它代表了一组数据在一定时间、空间条件下的共同性质和一般水平。其表示方式通常有三种：平均数、众数和中位数

pandas的DataFrame极大地简化了数据分析过程中一些烦琐操作，它是一个表格型的数据结构, 每一列代表一个变量，而每一行则是一条记录。简答地说，DataFrame是共享同一个index 的Series的集合。

一、缺失值的判断在通过Pandas做数据分析时，数据中往往会因为一些原因而出现缺失值NaN (Nota number)o比如前文中的例子，当两个DataFrame对象进行简单运算时，无法匹配的位置会出现缺失值NaN或者None.isnull ( )和notnull ( )方法都可以用于判断数据是否为缺失值( NaN或者None).如果是缺失值，则isnull()返回值为True, notnull()返回值为False.df2Out[170]: A B C D

pandas的DataFrame极大地简化了数据分析过程中一些烦琐操作，它是一个表格型的数据结构, 每一列代表一个变量，而每一行则是一条记录。简答地说，DataFrame是共享同一个index的Series的集合。一、简单运算在分析数据时:不可避免地要对数据进行运算。当对两个数据集进行算术运算时，遇到的核心问题有两个：一是两个数据集之间如何进行匹配进而运算；二是如何处理不匹配的数据。Pandas的Series与DataFrame这两种数据类型比较有特色的部分是index （ DataFrame 还多

pandas的DataFrame极大地简化了数据分析过程中一些烦琐操作，它是一个表格型的数据结构, 每一列代表一个变量，而每一行则是一条记录。简答地说，DataFrame是共享同一个index 的Series的集合。DataFrame数据的排序分为三类：1、对索引排序sort_index()；2、对值进行排序sort_values()；3、是对值进行排名rank()。（1）、索引排名  对于索引排序，涉及到对行的索引和对列的索引进行升序或者降序排序函数df.sort_index(axis= , asc

在Python内置环境 中，直接存储数值的数组(array)对象只存在一维结构，无法支持多维结构，也没有相关数组运算函数，这些使得Python在数值运算上有诸多不便之处。为了弥补这些不足，第三 方函数库NumPy被整合开发出来。NumPy的核心功能是高维数组，NumPy 库中的ndarray (N-dimensional array object) 对象支持多维数组，数组类型的对象本身具备大小固定、数组内元素的数据类型相同等特性。NumPy也提供了大量数值运算函数，能够直接有效地进行向量、矩阵运算。

集合（set）是一个无序的不重复元素序列。创建集合的语法是以大括号包住集合元素，或将集合元素以列表的形式传入内置函数set()。In [33]: Winners = {'Company A','Company B'}In [34]: type(Winners)Out [34]: setIn [35]: Losers = set(['Company C ' , ' Company D '])In [36]: type(Losers)Out [36]: set集合中的元素没有顺序关系，故以W

Python中的字典(dict)类似于JAVA的Map,是一种“映射(Mapping)”的数据结构,。字典(dict)与序列是截然不同的概念，其没有从左到右这种顺序关系，所以也不使用位置偏移量来当 作索引。字典储存是“键:值”配对("Key: Value" Pair)这样的映射关系，或者说是键 (Key)与值(Value)的对照表；透过键便可以查找相对应的值。 创建字典使用大括号{},大括号中包含一对一对的“键：值”，存取时在方括号[]中 填入键，便可关联到对应的值。In [31]: dl = {'S

Python3中的元组(Tuple)也是一种序列类型的数据，元组跟列表都能存储任何类型的数据，但是列表中的元素是可以变的，可以增加、删除和更改列表中的元素，而一个元组一旦创建，就 无法增加、删除和更改元组内的元素。在元素不可变这一特性上，元组跟字符串很像，然而字符串中的元素类型都只能是字符型，字符串不能存储字符型以外的数据。概括起来，元组具有可以存储不同类型的数据和元组内的元素是不可变的这两大特点。 元组的创建通过圆括号()来实现。M = ('Market', 3.0, [10, 20, 30])