《利用Python進(jìn)行數(shù)據(jù)分析·第3版》學(xué)習(xí)筆記1·準(zhǔn)備環(huán)境

《利用Python進(jìn)行數(shù)據(jù)分析·第3版》中文新版上市橙依，Pandas更新為1.4朵逝，更新了許多內(nèi)容腐螟。時(shí)隔5年栏豺，《利用Python進(jìn)行數(shù)據(jù)分析》在2022年9月20日推出了最新的第3版翔怎。在新版“Python數(shù)分”中窃诉，Wes親自講解了最新的1.4版的Pandas。這次姓惑，很高興能受邀翻譯第3版《利用Python進(jìn)行數(shù)據(jù)分析》褐奴，圓夢(mèng)了。

勘誤
第1章 準(zhǔn)備環(huán)境
第2章 Python語法基礎(chǔ)

這5年中于毙，數(shù)據(jù)分析又發(fā)生了很大的變化敦冬。尤其是眼見著OpenAI的GPT橫掃技術(shù)領(lǐng)域，讓以往一切模型方法看起來都像“小孩子的游戲”一樣唯沮。大模型成為了海量信息和有效信息之間的新橋梁脖旱，而上一座橋梁是以谷歌的PageRank為代表的搜索算法。幸好介蛉，因?yàn)閿?shù)據(jù)分析是直接跟數(shù)據(jù)打交道萌庆，并且要根據(jù)數(shù)據(jù)生成決策，這方面是人的強(qiáng)項(xiàng)币旧，暫時(shí)不會(huì)受到影響践险。

相比GPT，pandas本身也在快速進(jìn)步著吹菱。實(shí)際上巍虫，就在二月中旬，pandas發(fā)布了2.0大版本鳍刷，引入了PyArrow占遥、優(yōu)化了內(nèi)存計(jì)算方法、優(yōu)化了索引結(jié)構(gòu)输瓜，以后用Pandas進(jìn)行機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析工作就更加便捷了瓦胎。

第三版多了41頁內(nèi)容，pandas升級(jí)為1.4.0尤揣、Python升級(jí)為3.10搔啊。第三版最大的變化是緊貼pandas升級(jí)，主要是新增了方法和特性的內(nèi)容芹缔。另外坯癣，第三版有作者的在線開源電子版了，可以從GitHub地址和Gitee地址下載本書代碼最欠。

第三版目錄略有調(diào)整示罗，不如第二版和第一版的變化大：

  • 第4章NumPy基礎(chǔ)新增了生成偽隨機(jī)數(shù)；
  • 第7章數(shù)據(jù)清洗新增了擴(kuò)展數(shù)據(jù)類型和分類數(shù)據(jù)芝硬，實(shí)際是把第二版中第12章的內(nèi)容放到新版第7章里了蚜点；
  • 第11章時(shí)間序列新增了分組時(shí)間重采樣。

曾經(jīng)不止一次聽別人抱怨拌阴，pandas的知識(shí)點(diǎn)分散绍绘、零碎、不便于記憶迟赃。在細(xì)節(jié)上陪拘，作者這次在新版中摒棄了許多容易造成記憶混亂的用法。比如纤壁，用axis = "columns"替代axis = 1左刽，簡(jiǎn)寫方式破壞了代碼的可讀性，作者修改了許多類似的編程細(xì)節(jié)酌媒。新版對(duì)初學(xué)者更為友好了欠痴！

《利用Python進(jìn)行數(shù)據(jù)分析》的第1版是2012年11月出版的，第2版出版于2017年11月秒咨，第3版出版于2022年9月喇辽。正好是每五年更新一個(gè)版本。

左至右：《利用Python進(jìn)行數(shù)據(jù)分析》第1版雨席、第2版菩咨、第3版

回想起來，喬布斯在2007年推出了iPhone陡厘，重新發(fā)明了手機(jī)抽米，正式開啟了移動(dòng)互聯(lián)網(wǎng)時(shí)代。不同于傳統(tǒng)互聯(lián)網(wǎng)雏亚，移動(dòng)互聯(lián)網(wǎng)進(jìn)而催生了更大的數(shù)據(jù)量缨硝。2010年至2020年是移動(dòng)互聯(lián)網(wǎng)高速發(fā)展的十年，數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng)罢低。

移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)的特點(diǎn)在于真實(shí)性查辩。傳統(tǒng)數(shù)據(jù)不涉及人和地點(diǎn)，而當(dāng)拿著手機(jī)的用戶行走在街道上网持，在各種商店中進(jìn)行支付宜岛，瀏覽App中的應(yīng)用，手機(jī)制造并收集了大量的數(shù)據(jù)功舀。而這些數(shù)據(jù)不斷地被互聯(lián)網(wǎng)公司傳輸萍倡、存儲(chǔ)起來，基于這些用戶數(shù)據(jù)辟汰，各大公司又推出了新的業(yè)務(wù)列敲，進(jìn)而又能收集更多的數(shù)據(jù)阱佛。這是一個(gè)滾雪球的過程。

國(guó)際數(shù)據(jù)公司（IDC）的數(shù)據(jù)量預(yù)測(cè)

Python的崛起和數(shù)據(jù)量爆發(fā)密不可分戴而。作為一門解釋性高級(jí)語言凑术，雖然Python的計(jì)算速度慢，但非常擅長(zhǎng)網(wǎng)絡(luò)IO處理所意，尤其擅長(zhǎng)編寫網(wǎng)絡(luò)爬蟲淮逊。再加Python入門非常容易，隨著移動(dòng)互聯(lián)網(wǎng)用戶逐漸增多扶踊，從事不同崗位的人都能輕松為Python編寫各種應(yīng)用庫(kù)泄鹏，Python的生態(tài)變得非常強(qiáng)大。如此一來秧耗，不僅用Python能解決數(shù)據(jù)源的問題备籽，還能用于數(shù)據(jù)處理和人工智能。從2018年開始绣版，Python的TIOBE指數(shù)不斷提升胶台，現(xiàn)在已成為排名最高的編程語言。

《利用Python進(jìn)行數(shù)據(jù)分析》這本書的成功絕非偶然杂抽≌┗＃《利用Python進(jìn)行數(shù)據(jù)分析》一書的主角是pandas。從技術(shù)上講缩麸，Pandas承接了原始數(shù)據(jù)铸磅，將其規(guī)整、清洗后成為高質(zhì)量的結(jié)構(gòu)化數(shù)據(jù)杭朱，再將高質(zhì)量的數(shù)據(jù)進(jìn)行可視化或訓(xùn)練模型阅仔。從業(yè)務(wù)上講，Pandas上承爬蟲弧械，下啟機(jī)器學(xué)習(xí)八酒，Pandas的兩個(gè)重要的數(shù)據(jù)結(jié)構(gòu)Series和DataFrame已成為機(jī)器學(xué)習(xí)中重要的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)。

《利用Python進(jìn)行數(shù)據(jù)分析》這本書的寫作質(zhì)量也是很高的刃唐。得益于本書作者也是Pandas庫(kù)的創(chuàng)作者羞迷，知識(shí)點(diǎn)的組織很清晰。本書在講解知識(shí)點(diǎn)時(shí)画饥，總是用一段接一段并不是太長(zhǎng)的文字進(jìn)行講解衔瓮，文字中間穿插代碼、注意事項(xiàng)抖甘、圖片和表格热鞍，所以讀起來一點(diǎn)也不枯燥。不僅如此，書的字里行間還能感受到作者對(duì)技術(shù)和開源的熱愛薇宠。

掌握Pandas偷办，能為許多工作奠定基礎(chǔ)，比如商業(yè)分析昼接、金融量化爽篷、機(jī)器學(xué)習(xí)悴晰。另外慢睡，Pandas對(duì)學(xué)校和科研單位的研究者也非常有幫助。

本書第一章主要是進(jìn)行一些準(zhǔn)備工作铡溪，講解為什么選擇Python進(jìn)行數(shù)據(jù)分析（理由）漂辐、分析的是什么數(shù)據(jù)（素材）、數(shù)據(jù)分析中重要的庫(kù)（工具一）棕硫、如何配置開發(fā)環(huán)境（工具二）髓涯。閱讀第一章，相信就算是剛剛接觸Python的讀者也肯定能順利入門哈扮。

Python數(shù)分三·第1章

結(jié)構(gòu)化數(shù)據(jù)

我們?cè)谶M(jìn)行數(shù)據(jù)分析時(shí)纬纪，用到的最主要的是結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)通常是如下數(shù)據(jù)：

  • 表格型或電子表格型數(shù)據(jù)滑肉，其中各列可能是不同的類型（字符串包各、數(shù)值、日期等）靶庙。比如保存在關(guān)系型數(shù)據(jù)庫(kù)中或以制表符/逗號(hào)為分隔符的文本文件中的那些數(shù)據(jù)问畅。
  • 多維數(shù)組（矩陣）。
  • 通過關(guān)鍵列（對(duì)于SQL用戶而言六荒，就是主鍵和外鍵）相互聯(lián)系的多張表护姆。
  • 平均或不平均間隔的時(shí)間序列。

大部分?jǐn)?shù)據(jù)集都能被轉(zhuǎn)化為更加適合分析和建模的結(jié)構(gòu)化形式掏击，也可以將數(shù)據(jù)集的特征提取為某種結(jié)構(gòu)化形式卵皂。例如，一組新聞文章可以被處理為一張?jiān)~頻表砚亭，而這張?jiān)~頻表就可以用于情感分析灯变。

使用Python進(jìn)行數(shù)據(jù)分析的理由

  • Python有非常活躍而強(qiáng)大的社區(qū)：Python誕生于1991年钠惩，時(shí)至今日柒凉，Python孕育了一個(gè)龐大而活躍的科學(xué)計(jì)算和數(shù)據(jù)分析社區(qū)，成長(zhǎng)為學(xué)界和工業(yè)界中數(shù)據(jù)科學(xué)篓跛、機(jī)器學(xué)習(xí)膝捞、軟件開發(fā)最重要的語言之一。

  • Python非常適合作為膠水語言：Python能夠輕松集成C、C++以及Fortran代碼蔬咬，除此之外鲤遥，將Python與Go、Rust結(jié)合也很不錯(cuò)林艘，現(xiàn)在有許多人使用Rust為Python編寫插件盖奈。

  • Python“贏者通吃”：Python不僅適用于研究和構(gòu)建原型，同樣也適用于構(gòu)建生產(chǎn)系統(tǒng)钢坦。所以，用不著再維護(hù)兩套開發(fā)環(huán)境了啥酱，可以大大提高企業(yè)效率镶殷。

Python的劣勢(shì)

  • Python是解釋型編程語言绘趋，因此比編譯型語言（比如Java和C++）慢得多滓走。

  • Python不適合高并發(fā)项秉、多線程绣溜，因?yàn)榇嬖谌纸忉屍麈i（Global Interpreter Lock岁诉，GIL）锚沸。

Python數(shù)據(jù)分析中重要的庫(kù)

NumPy

NumPy，是Numerical Python（數(shù)值Python）的簡(jiǎn)稱涕癣，它提供了多種數(shù)據(jù)結(jié)構(gòu)哗蜈、算法以及大部分涉及Python數(shù)值計(jì)算所需的接口。NumPy提供了以下功能：

  • 快速、高效的多維數(shù)組對(duì)象ndarray距潘。
  • 用于對(duì)數(shù)組執(zhí)行元素級(jí)計(jì)算以及直接對(duì)數(shù)組執(zhí)行數(shù)學(xué)運(yùn)算的函數(shù)炼列。
  • 用于讀寫硬盤上基于數(shù)組的數(shù)據(jù)集的工具。
  • 線性代數(shù)運(yùn)算音比、傅里葉變換俭尖，以及隨機(jī)數(shù)生成。
  • 成熟的C API洞翩， 用于Python插件和原生C稽犁、C++、Fortran代碼存取NumPy的數(shù)據(jù)結(jié)構(gòu)和計(jì)算工具菱农。

NumPy非常適合作為數(shù)據(jù)容器缭付。對(duì)于數(shù)值型數(shù)據(jù)，NumPy數(shù)組在存儲(chǔ)和處理數(shù)據(jù)時(shí)要比內(nèi)置的Python數(shù)據(jù)結(jié)構(gòu)高效得多循未。此外，由底層語言（比如C和Fortran）編寫的庫(kù)可以直接操作NumPy數(shù)組中的數(shù)據(jù)秫舌，無需將數(shù)據(jù)復(fù)制到其他內(nèi)存中后再操作的妖。因此，許多Python的數(shù)值計(jì)算工具要么使用NumPy數(shù)組作為主要的數(shù)據(jù)結(jié)構(gòu)足陨，要么可以與NumPy進(jìn)行無縫交互操作嫂粟。

pandas

pandas的作者就是本書作者Wes McKinney。

pandas兼具NumPy的高性能數(shù)組計(jì)算能力以及表格和關(guān)系型數(shù)據(jù)庫(kù)（例如SQL）的靈活數(shù)據(jù)操作功能墨缘，提供了便捷的索引功能星虹，可以完成重塑、切片镊讼、切塊宽涌、連接和選取數(shù)據(jù)子集等操作。pandas具有如下功能：

  • 帶有標(biāo)簽軸的數(shù)據(jù)結(jié)構(gòu)蝶棋，支持自動(dòng)或清晰的數(shù)據(jù)對(duì)齊卸亮。以防止由于數(shù)據(jù)未對(duì)齊，以及處理不同數(shù)據(jù)源且不同索引的數(shù)據(jù)玩裙，造成的常見錯(cuò)誤兼贸。
  • 集成時(shí)間序列功能。
  • 用于同時(shí)處理時(shí)間序列數(shù)據(jù)和非時(shí)間序列數(shù)據(jù)的統(tǒng)一數(shù)據(jù)結(jié)構(gòu)吃溅。
  • 算術(shù)運(yùn)算和規(guī)約[ 譯者注：規(guī)約是計(jì)算機(jī)科學(xué)中降低計(jì)算復(fù)雜度的方法統(tǒng)稱溶诞。]可以保存元數(shù)據(jù)。
  • 靈活處理缺失數(shù)據(jù)决侈。
  • 合并和其他流行數(shù)據(jù)庫(kù)（例如基于SQL的數(shù)據(jù)庫(kù)）的關(guān)系型操作螺垢。

matplotlib

Matplotlib是最流行的用于繪制圖表和其他二維數(shù)據(jù)可視化的Python庫(kù)。

IPython和Jupyter

IPython是交互性的Python編程終端。IPython可以方便地訪問系統(tǒng)的shell和文件系統(tǒng)甩苛，在許多場(chǎng)景中就無需在終端窗口和Python會(huì)話中來回切換蹂楣。

Jupyter是一個(gè)更多語言交互計(jì)算工具，支持40多種編程語言讯蒲。IPython現(xiàn)在可以作為Jupyter使用Python的內(nèi)核（一種編程語言模式）痊土。Jupyter notebook還可以編寫Markdown和HTML文檔。

SciPy

SciPy是專門解決科學(xué)計(jì)算中多種基本問題的包的集合墨林。以下是其中的一些模塊：
scipy.integrate：數(shù)值積分例程和微分方程求解器赁酝。
scipy.linalg：擴(kuò)展了由numpy.linalg提供的線性代數(shù)例程和矩陣分解功能。
scipy.optimize：函數(shù)優(yōu)化器（最小化器）以及求根算法旭等。
scipy.signal：信號(hào)處理工具酌呆。
scipy.sparse：稀疏矩陣和稀疏線性系統(tǒng)求解器。
scipy.special：SPECFUN的封裝器搔耕，SPECFUN是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（例如gamma函數(shù)）的FORTRAN庫(kù)隙袁。
scipy.stats：標(biāo)準(zhǔn)連續(xù)和離散概率分布（密度函數(shù)、采樣器弃榨、連續(xù)分布函數(shù)）菩收、各種統(tǒng)計(jì)檢驗(yàn)方法，以及各類描述性統(tǒng)計(jì)鲸睛。

scikit-learn

scikit-learn是一個(gè)通用的機(jī)器學(xué)習(xí)工具包娜饵，它包括以下子模塊：

  • 分類：SVM、最近鄰官辈、隨機(jī)森林箱舞、邏輯回歸等。
  • 回歸：Lasso拳亿、嶺回歸等晴股。
  • 聚類：k-means、譜聚類等风瘦。
  • 降維：PCA队魏、特征選擇、矩陣分解等万搔。
  • 模型選擇：網(wǎng)格搜索胡桨、交叉驗(yàn)證、指標(biāo)矩陣瞬雹。
  • 預(yù)處理：特征提取昧谊、正態(tài)化。

statsmodels

statsmodels是一個(gè)統(tǒng)計(jì)分析包酗捌，起源于斯坦福大學(xué)統(tǒng)計(jì)學(xué)教授Jonathan Taylor呢诬，他設(shè)計(jì)了多種流行于R語言的回歸分析模型涌哲。Skipper Seabold和Josef Perktold在2010年正式創(chuàng)建了新的statsmodels項(xiàng)目，隨后匯聚了大量的使用者和貢獻(xiàn)者尚镰。受到R語言公式系統(tǒng)的啟發(fā)阀圾，Nathaniel Smith開發(fā)了Patsy項(xiàng)目，提供了statsmodels的公式或模型的規(guī)范框架狗唉。

與scikit-learn相比初烘，statsmodels包含經(jīng)典統(tǒng)計(jì)學(xué)（主要是頻度）和計(jì)量經(jīng)濟(jì)學(xué)的算法。它包括如下子模塊：

  • 回歸模型：線性回歸分俯，廣義線性模型肾筐，魯棒線性模型，線性混合效應(yīng)模型等缸剪。
  • 方差分析（Analysis of variance吗铐，ANOVA）。
  • 時(shí)間序列分析：AR杏节，ARMA唬渗，ARIMA，VAR等模型拢锹。
  • 非參數(shù)方法： 核密度估計(jì)谣妻，核回歸。
  • 統(tǒng)計(jì)模型結(jié)果可視化卒稳。

statsmodels更關(guān)注于統(tǒng)計(jì)推斷，提供不確定性估計(jì)和參數(shù)p值參數(shù)檢驗(yàn)他巨。相反的充坑，scikit-learn更注重預(yù)測(cè)。

準(zhǔn)備開發(fā)環(huán)境

在Windows上安裝Miniconda

從Conda網(wǎng)站下載Python最新版本的Miniconda安裝包染突。根據(jù)提示安裝即可捻爷。

安裝好之后，在終端輸入python命令份企，可以看到如下相似的輸出也榄，就說明安裝正確了：

(base) C:\Users\Wes>python
Python 3.9 [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>

要退出Python命令行，輸入命令exit()后按下回車鍵司志。

GNU/Linux

還是從Miniconda的下載頁找到下載鏈接：

Linux上的安裝文件是sh腳本甜紫，在Linux上下載腳本的命令是：

wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.1.0-1-Linux-x86_64.sh

下載下來之后，再使用如下命令進(jìn)行安裝：

sh Miniconda3-py310_23.1.0-1-Linux-x86_64.sh

之后骂远，系統(tǒng)會(huì)詢問用戶在哪里放置Miniconda的文件囚霸。推薦將文件安裝到默認(rèn)的主目錄，例如/home/$USER/miniconda（$USER是用戶名）激才。

Miniconda安裝包會(huì)詢問用戶是否愿意修改命令行腳本拓型，以自動(dòng)激活Miniconda额嘿。為了以后方便使用，推薦用戶這么做（選擇yes）劣挫。

完成這些安裝步驟后册养，打開一個(gè)新的終端窗口，輸入python命令压固，確認(rèn)安裝的是最新的Miniconda：

(base) $ python
Python 3.9 | (main) [GCC 10.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

要退出Python命令行球拦，輸入exit()后按下回車鍵，或按快捷鍵Ctrl-D邓夕。

在macOS上安裝Miniconda

在蘋果電腦上安裝Miniconda也比較類似刘莹，就是需要注意根據(jù)處理器芯片選擇不同的安裝包：

我的電腦是因特爾芯片，下載如下腳本：

wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.1.0-1-MacOSX-x86_64.sh

執(zhí)行腳本焚刚，進(jìn)行安裝：

sh Miniconda3-py310_23.1.0-1-MacOSX-x86_64.sh

安裝科學(xué)計(jì)算的工具包

將conda-forge配置為默認(rèn)的包安裝方式：

(base) $ conda config --add channels conda-forge
(base) $ conda config --set channel_priority strict

為了使操作環(huán)境更為純凈点弯，使用虛擬環(huán)境，虛擬環(huán)境的名字是pydata-book矿咕，命令如下：

(base) $ conda create -y -n pydata-book python=3.10

解釋一下這條命令抢肛，conda create的意思是用conda創(chuàng)建虛擬環(huán)境，-y的意思是使所有確認(rèn)的結(jié)果都為yes碳柱，-n pydata-book的意思是虛擬環(huán)境的名字是pydata-book捡絮，python=3.10的意思是Python的版本是3.10。

安裝完畢后莲镣，使用conda activate激活環(huán)境：

(base) $ conda activate pydata-book
(pydata-book) $

看到$前出現(xiàn)了(pydata-book)福稳，就說明處于虛擬環(huán)境pydata-book了。

用命令conda info可以查看當(dāng)前系統(tǒng)都有什么虛擬環(huán)境瑞侮。

然后的圆，用conda install安裝包（優(yōu)先使用conda安裝包，如果conda安裝不上半火，則使用pip命令）：

(pydata-book) $ conda install -y pandas jupyter matplotlib

使用如下命令升級(jí)包：

conda update package_name

或越妈，

pip install --upgrade package_name

使用集成開發(fā)環(huán)境（IDE）

推薦使用Pycharm或VS Code。

勘誤
第1章 準(zhǔn)備環(huán)境
第2章 Python語法基礎(chǔ)

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 人面猴
    序言：七十年代末钮糖，一起剝皮案震驚了整個(gè)濱河市梅掠，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌店归，老刑警劉巖阎抒，帶你破解...
    沈念sama閱讀 206,013評(píng)論 6贊 481
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場(chǎng)離奇詭異娱节，居然都是意外死亡挠蛉，警方通過查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評(píng)論 2贊 382
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進(jìn)店門肄满，熙熙樓的掌柜王于貴愁眉苦臉地迎上來谴古，“玉大人质涛，你說我怎么就攤上這事￡＃” “怎么了汇陆？”我有些...
    開封第一講書人閱讀 152,370評(píng)論 0贊 342
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵，是天一觀的道長(zhǎng)带饱。 經(jīng)常有香客問我毡代，道長(zhǎng)，這世上最難降的妖魔是什么勺疼？ 我笑而不...
    開封第一講書人閱讀 55,168評(píng)論 1贊 278
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任教寂，我火速辦了婚禮，結(jié)果婚禮上执庐，老公的妹妹穿的比我還像新娘酪耕。我一直安慰自己，他們只是感情好轨淌，可當(dāng)我...
    茶點(diǎn)故事閱讀 64,153評(píng)論 5贊 371
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布迂烁。 她就那樣靜靜地躺著，像睡著了一般递鹉。 火紅的嫁衣襯著肌膚如雪盟步。 梳的紋絲不亂的頭發(fā)上，一...
    開封第一講書人閱讀 48,954評(píng)論 1贊 283
  • 城市分裂傳說
    那天躏结，我揣著相機(jī)與錄音却盘，去河邊找鬼。 笑死媳拴，一個(gè)胖子當(dāng)著我的面吹牛谷炸，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播禀挫，決...
    沈念sama閱讀 38,271評(píng)論 3贊 399
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼，長(zhǎng)吁一口氣：“原來是場(chǎng)噩夢(mèng)啊……” “哼拓颓！你這毒婦竟也來了语婴？” 一聲冷哼從身側(cè)響起，我...
    開封第一講書人閱讀 36,916評(píng)論 0贊 259
  • 萬榮殺人案實(shí)錄
    序言：老撾萬榮一對(duì)情侶失蹤驶睦，失蹤者是張志新（化名）和其女友劉穎砰左，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體场航，經(jīng)...
    沈念sama閱讀 43,382評(píng)論 1贊 300
  • ?護(hù)林員之死
    正文 獨(dú)居荒郊野嶺守林人離奇死亡缠导，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,877評(píng)論 2贊 323
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了溉痢。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片僻造。...
    茶點(diǎn)故事閱讀 37,989評(píng)論 1贊 333
  • 活死人
    序言：一個(gè)原本活蹦亂跳的男人離奇死亡憋他，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出髓削，到底是詐尸還是另有隱情竹挡，我是刑警寧澤，帶...
    沈念sama閱讀 33,624評(píng)論 4贊 322
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布立膛，位于F島的核電站揪罕，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏宝泵。R本人自食惡果不足惜好啰，卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,209評(píng)論 3贊 307
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望儿奶。 院中可真熱鬧框往，春花似錦、人聲如沸廓握。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評(píng)論 0贊 19
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽隙券。三九已至男应，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間娱仔，已是汗流浹背沐飘。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評(píng)論 1贊 260
  • 情欲美人皮
    我被黑心中介騙來泰國(guó)打工， 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留牲迫，地道東北人耐朴。 一個(gè)月前我還...
    沈念sama閱讀 45,401評(píng)論 2贊 352
  • 代替公主和親
    正文 我出身青樓，卻偏偏與公主長(zhǎng)得像盹憎，于是被迫代替她去往敵國(guó)和親筛峭。 傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,700評(píng)論 2贊 345

推薦閱讀更多精彩內(nèi)容