資料分析首先要載入資料，一般使用numpy中的陣列或者pandas中的dataframe等資料結構來存放資料，示例**：
import numpy as np
x = np.random.random((10,5))
y = np.array(['m','m','f','f','m','f','m','m','f','f','f'])
x[x < 0.7] = 0
array([[ 0. , 0. , 0.99279061, 0. , 0. ],
[ 0. , 0. , 0. , 0. , 0. ],
[ 0. , 0.75228332, 0. , 0. , 0. ],
[ 0. , 0. , 0. , 0. , 0. ],
[ 0. , 0.96809177, 0. , 0. , 0. ],
[ 0.73956947, 0. , 0.83682458, 0.82550419, 0.7967034 ],
[ 0.94029749, 0. , 0. , 0. , 0. ],
[ 0. , 0.86847999, 0.84031636, 0.88293549, 0.75715913],
[ 0. , 0. , 0. , 0. , 0. ],
[ 0. , 0.7748339 , 0. , 0. , 0.80939893]])
array(['m', 'm', 'f', 'f', 'm', 'f', 'm', 'm', 'f', 'f'], dtype='7.2.2 資料切分
利用numpy庫生成示例資料集後，我們通過sklearn庫提供的cross_validation模組劃分訓練資料與測試資料，示例**：
from sklearn.cross_validation import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=0)
MySQL 資料切分
通過某種特定的條件，將存放在同乙個資料庫中的資料分散存放到多個資料庫上面，以達到分散單台裝置負載的效果 資料切分可以提高系統的總體可用性，單台裝置宕機之後，只有總體資料的某部分不可用，而不是所有的資料 按照不同的表 或者 schema 來切分到不同的資料庫 主機 之上 具體就是 需要架構設計良好，功...
資料庫切分之垂直切分
資料庫切分的垂直切分是根據業務而定的，就是把乙個系統所涉及到的表根據業務拆分成多個類，然後沒類放到乙個server上去，就會出現t1,t2,t3這三個表分表放在不同的伺服器上，這個叫水平拆分，根據是t1,t2,t3幾乎沒有關聯查詢。垂直切分的優點 資料庫的拆分簡單明瞭，拆分規則明確 應用程式模組清晰...
資料庫切分之水平切分
資料庫切分之水平切分 水平切分的目的是為了控制單錶記錄數，從而保證同一型別的資料雜湊到不同的表或者不同的庫中。資料庫水平切分就是對某個表按照路由規則儲存在多個表中，如表t會拆分成t1,t2,t3這些表也有可能儲存在不同的庫中，也有可能儲存在同乙個庫中，如t表分別存在server1.t,server2...