Mark_Coder的博客

时间序列数据在很多领域都是重要的结构化数据形式，比如：金融，神经科学，生态学，物理学。在多个时间点观测的数据形成了时间序列。时间序列可以是固定频率的，也可以是不规则的。常见使用时间戳固定的时间区间时间间隔Pandas中的基础时间序列种类是由时间戳索引的Series，在Pandas外部通常表示为Python字符串或datetime对象。注意datetime对象可作为索引，时间序列DatetimeIndex<M8[ns]类型为纳秒级时间戳时间序列里面每个元素为Timestamp对象。

是数据清洗的重要过程，可以按索引对齐进行运算，如果没对齐的位置则补NaN，最后也可以填充NaN。ix是以上二者的综合，既可以使用索引编号，又可以使用自定义索引，要视情况不同来使用，如果索引既有数字又有英文，那么这种方式是不建议使用的，容易导致定位的混乱。DataFrame索引操作，可将其看作ndarray的索引操作。loc是基于标签名的索引，也就是我们自定义的索引名。注意，按索引名切片操作时，是包含终止索引的。作用和loc一样，不过是基于索引编号来索引。标签的切片索引是包含末尾位置的。

Pandas介绍为什么要学习pandas?那么问题来了：numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？numpy能够帮我们处理处理数值型数据，但是这还不够， 很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等比如：我们通过爬虫获取到了存储在数据库中的数据所以，pandas出现了。什么是Pandas?Pandas的名称来自于面板数据（panel data）

np.random为我们提供了许多获取随机数的函数。这里统一来学习一下。

NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词--Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。总而言之，他是一个非常高效的用于处理数值型运算的包。

Jupyter Notebook 是什么？Jupyter Notebook 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。Jupyter Notebook特点基于web的在线编辑器可交互式.ipynb文件分享支持markdown。

是一个捆绑了Pythonconda、其他相关依赖包的一个软件。包含了180多个可学计算包及其依赖。Anaconda3是集成了Python3的环境，Anaconda2是集成了Python2的环境。Anaconda默认集成的包，是属于内置的Python的包。并且支持绝大部分操作系统（比如：Windows、Mac、Linux等）。根据自己的操作系统，下载相应的版本，因为Anaconda内置了许多的包，所以安装过程需要耗费相当长的时间，大家在安装的时候需要耐心等待。Spyder，以下分别做一些介绍。

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。现状分析:告诉你过去发生了什么。描述型数据分析原因分析:告诉你某一现状为什么发生。验证型数据分析预测分析:预测未来会发生什么。预测型数据分析。

结构化，就是将分析思维结构化建一座分析的金字塔，建一张问题分析的思维导图将论点归纳和整理；将论点递进和拆解；将论点完善和补充。公式化是在结构化的基础上，将思维导图上的节点数据化，转化成公式。比如：如何预估上海地区的共享单车投放量？根据对业务的了解，从四个维度来拆解问题。从城市流动人口，人口密度，城市交通数据，保有自行车四个维度来计算。找到公式。同时，因为单车是有损耗的，因公式要加入损耗。分析的业务化，目的在于将分析结果落地，使之有用并且可验证。