大学之道，在明明德

numpy提供了ndarray和matrix两种类型的数据，为我们进行科学运算提供了非常便捷的运算工具。相对来说，我觉得其实还是MATLAB对于矩阵运算的支持更加直观易操作，但是作为Python使用者，怎能不把numpy用熟用透呢。在numpy中，同样一种操作可能提供了很多种不同的方式，具体怎么来实现完全是使用者个人习惯。对于和我一样的菜鸟，我觉得最好是从一开始就养成较好的操作习惯。numpy的二维

最近在使用jupyter notebook,感觉非常舒爽。特别是在本地的浏览器上就可以利用jupyter实现在服务器上编程，更是爽歪歪了。关于如何实现本地浏览器上进行服务器上编程参照了这篇文章：Ubuntu环境下Anaconda安装TensorFlow并配置Jupyter远程访问.另外，亲测发现ipython运行速度比使用pycharm快（这是为什么呢？）***

@creat_data: 2017-05-01 @author: huangyongye前言： 相信有不少人和我一样，最开始学习 python 就是为了写个爬虫脚本从网上抓数据。第一次从网页上抓取信息的感觉很爽。那时候用得最多的莫过于正则表达式，但是很久没用，基本也都忘光了。后来学习了 xpath 神器，简直所向披靡，比正则方便多了。对于文本数据，抓取下来后存在 mongodb 中是个很不错的选择

本文来探索一下python中提供的各种数据保存格式的性能如何。主要以一个 ndarray 格式的数据进行处理分析。包括下面几种方式：.bin格式, tofile() 和 fromfile().npy格式，save() 和 load().txt 或者 .csv格式，savetxt() 和 loadtxt().h5 文件.pkl 文件import numpy as npfrom __fut

1.如何在linux下通过import来导入自定义的模块2.关于os.path的使用

@creat_data: 2017-05-08 @author: huangyongye 前言: 在进行数据处理的时候，我们经常会用到 pandas 。但是 pandas 本身好像并没有提供多进程的机制。本文将介绍如何来自己实现 pandas (apply 函数)的多进程执行。其中，我们主要借助 joblib 库，这个库为python 提供了一个非常简洁方便的多进程方法。所以，本文将按照下面的