先來(lái)給上一個(gè)階段定下的任務(wù)做一個(gè)小總結(jié)
1.在Mysql方面，對(duì)變量賦值更加熟悉了李破，常見(jiàn)的排名問(wèn)題也擁有了解題的能力蒲讯；
2.把Mysq經(jīng)典45道題也復(fù)刷了一遍，對(duì)題目的思路和解法已經(jīng)比較熟練了呵哨。
但也發(fā)現(xiàn)了新的問(wèn)題：對(duì)于時(shí)間函數(shù)的還是不太熟悉。
3.第三階段的知識(shí)已經(jīng)學(xué)習(xí)完了轨奄。在練習(xí)題中孟害，1-5題都沒(méi)有問(wèn)題，6-10題在題目的理解和解法的理解上有點(diǎn)模糊挪拟。
第三階段知識(shí)總結(jié)
在這個(gè)階段中挨务，我把知識(shí)分成三大部分：anaconda&jupyter notebook、pands玉组、numpy
anaconda&jupyter notebook
anaconda
理解：anaconda是開(kāi)源的python版本谎柄，用于搭建虛擬環(huán)境
jupyter notebook
理解：jupyter notebook是anaconda自帶的一個(gè)編寫(xiě)筆記本，本質(zhì)上是一個(gè)文檔惯雳。
操作:：功能：Cell（代碼）朝巫、Markdown（編寫(xiě)文本）、Raw NBConvert(文本和代碼都不會(huì)被執(zhí)行）
? ? ? ? ? ? ? ? ? ? ?? heading（標(biāo)題）
?知識(shí)點(diǎn)：命令模式與編輯模式快捷鍵掌握石景、Markdown語(yǔ)法
pandas
理解：用于進(jìn)行數(shù)據(jù)分析的模塊捍歪，擁有對(duì)數(shù)據(jù)可視化的功能。
操作分為兩個(gè)部分：pandas操作鸵钝、DataFrame&Series操作
pandas操作：
1.文件讀炔诰省：read_文件格式（文件路徑）
2.數(shù)據(jù)查詢：查詢行：
? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 函數(shù)：loc[索引] 、iloc[位置] ? ? ? ? ? #loc函數(shù)索引范圍左閉右閉恩商，iloc ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 函數(shù)索引范圍左閉右開(kāi)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 方法：行索引变逃、切片、bool類型怠堪，指定列查詢行
知識(shí)點(diǎn)：loc函數(shù)以索引查詢揽乱，iloc以位置查詢
? ? ? ? ? ? ? ? ? ? 查詢列：語(yǔ)法：dataframe['列']
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 方法：列索引、切片粟矿、bool類型
? ? ? ? ? ? ? ? ? ?? 查詢每列數(shù)據(jù)類型：列.info
注：切片查詢凰棉、bool類型查詢中，行陌粹、列呈現(xiàn)的效果一樣
? ? ? ? ? ? ? ? ? ? 查詢行列：函數(shù)：loc[行索引撒犀，列索引]
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 方法：索引、切片、條件查詢
3.數(shù)據(jù)拼接：concat([表或舞，表])
4.數(shù)據(jù)關(guān)聯(lián)：merge（表荆姆，表）
5.數(shù)據(jù)分組：groupby（'列'）
6.聚合函數(shù)的使用：max（）、min（）映凳、mean（）胆筒、std（）等等
7.與數(shù)據(jù)庫(kù)的連接
知識(shí)點(diǎn)：函數(shù)里常用的參數(shù)！ ? ? ??
DataFrame操作
1.表創(chuàng)建：函數(shù)： pandas.DataFrame（表）
? ? ? ? ? ? ? ? ? 用法：多維列表創(chuàng)建诈豌、數(shù)組字典創(chuàng)建（）
2.常用操作：查詢行索引：index
? ? ? ? ? ? ? ? ? ?? 查詢列索引：columns
? ? ? ? ? ? ? ? ? ?? 修改列索引：columns=（）仆救、rename（columns=｛｝）
? ? ? ? ? ? ? ? ? ?? 修改行索引：set_index（‘列’）
3.數(shù)據(jù)預(yù)覽：預(yù)覽數(shù)據(jù)屬性：info（）
? ? ? ? ? ? ? ? ? ?? 預(yù)覽數(shù)據(jù)內(nèi)數(shù)值的屬性：describe（）
4.查詢：從頭開(kāi)始查詢：head（） ? #默認(rèn)只輸出五行
? ? ? ? ? ? ? 從尾開(kāi)始查詢：tail（） ? ?? #默認(rèn)輸出五行 ? ??
? ? ? ? ? ? ? 數(shù)據(jù)總量：size
? ? ? ? ? ? ?? 字段類型：dtypes
? ? ? ? ? ? ?? 行數(shù)量：shape[1] ? ? ? ? #0為列，1為行 ? ? ? ? ? ?
? ? ? ? ? ? ? ? 修改數(shù)據(jù)：replace（）矫渔、map（）?
? ? ? ? ? ? ? ? 查詢某列的值：unique（） ?
? ? ? ? ? ? ? ? 查詢某列值的數(shù)量：nunique（）
? ? ? ? ? ? ? ? 查詢某列某值出現(xiàn)次數(shù)：value_counts（）
? ? ? ? ? ? ? ? 排序：索引排序：sort_index(索引列) ? ? ? ? ?? #參數(shù)ascending決定排序方向彤蔽，True為升序，False為 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 倒序
? ? ? ? ? ? ? ? ? ? ? ? ?? 數(shù)據(jù)排序：sort_values（列）
5.聚合函數(shù)使用：max（）蚌斩、min（）、mean（）范嘱、sum（）送膳、comsum（）等等
6.增加&刪除：增加一列：DataFrame['名字']=數(shù)據(jù)
? ? ? ? ? ? ? ? ? ? ? ? 刪除一列 del 、drop（labels=行）
知識(shí)點(diǎn)：魔法函數(shù)丑蛤、函數(shù)的參數(shù)叠聋！
Series操作
1.創(chuàng)建：pandas.Series（[數(shù)據(jù)]）
2.自定義索引：pandas.Series([數(shù)據(jù)],index=[])
2.轉(zhuǎn)換至DataFrame：to_frame（）
3.轉(zhuǎn)置 ?? .T
numpy操作
理解：用于矩陣的創(chuàng)建
操作：
1.矩陣創(chuàng)建：array([數(shù)據(jù)}) ? ? ? ? #矩陣內(nèi)數(shù)據(jù)類型是統(tǒng)一的
?? 快速創(chuàng)建：填充指定值：full（[矩陣大小],填充值）
? ? ? ? ? ? ? ? ? ?? 填充0值：zeros（）
? ? ? ? ? ? ? ? ? ?? 填充1值：ones（）
? ? 序列矩陣創(chuàng)建：arange（beigin，end受裹，步長(zhǎng)） ? ? ? #范圍左閉右開(kāi)
? ? 創(chuàng)建以隨機(jī)數(shù)為數(shù)據(jù)的矩陣：random.random（矩陣大新挡埂） ?? #數(shù)據(jù)默認(rèn)默認(rèn)范圍為-1，1
? ? 平均劃分矩陣：linspace（beigin棉饶，end厦章，劃分?jǐn)?shù)）
? 2.查詢：索引查詢：矩陣名[行索引，列索引] ? ? ? ? ?? #索引范圍左閉右開(kāi)
? ? ? ? ? ? ? ? 切片查詢：矩陣名[行索引或切片照藻，列索引]
? ? ? ? ? ? ? ? 知識(shí)點(diǎn)：data[[0:1],[0:1]] ? ? ? ?? 輸出：第一行第一列與第二行第二列的值
? ? ? ? ? ? ? ? bool查詢
3.查看矩陣屬性：數(shù)據(jù)類型：dtypes
? ? ? ? ? ? ? ? ? ? ? ? ? ? 數(shù)據(jù)類型轉(zhuǎn)換：astype（類型）
4.聚合函數(shù)：求和：sum（axis=） ? ? ?? #axis=0為行袜啃，axis=1為列
? ? ? ? ? ? ? ? ? ?? 求指數(shù)：exp（矩陣名）
? ? ? ? ? ? ? ? ? ?? 求開(kāi)方：sqrt（矩陣名）
5.矩陣轉(zhuǎn)換：多維轉(zhuǎn)一維：矩陣名.ravel（）
6.擴(kuò)展：tile（矩陣，（擴(kuò)展大行衣啤））
7.拼接與分割：拼接：
? ? ? ? ? ? ? ? ? ? ? ? 水平拼接：hstack（（矩陣群发，矩陣））
? ? ? ? ? ? ? ? ? ? ? ?? 豎直拼接：vstack（（矩陣，矩陣））
? ? ? ? ? ? ? ? ? ? ? ?? 分割：
? ? ? ? ? ? ? ? ? ? ? ?? 豎直分割：hsplit（矩陣发乔，分割數(shù)量）
? ? ? ? ? ? ? ? ? ? ? ? ? 水平分割：vsplit（矩陣熟妓，分割數(shù)量）
?本階段總結(jié)
本階段的學(xué)習(xí)主要還是熟悉好語(yǔ)法以及對(duì)參數(shù)的理解與熟悉
下階段計(jì)劃
1.Mysql方面復(fù)刷leetcode簡(jiǎn)單、中等題目栏尚，復(fù)習(xí)時(shí)間函數(shù)起愈；
2.視內(nèi)容量，每天復(fù)習(xí)一到兩篇第三階段知識(shí)的筆記；
3.完成并熟悉理解第三階段的6-10題作業(yè)
4.完成學(xué)習(xí)第四階段知識(shí)告材。
