總結day1
今天是參加datawhale——21期資料分析組隊學習的第一天，在參加這個組隊學習之前我心裡是很猶豫的，因為我的python基礎不是很好，雖然我自學了python基礎，但是我還沒有真正用到案例上的經歷，並且很多東西因為用的少，學習的時間長了有點淡忘了，如果我以後要從事資料分析類的工作的話幾乎就沒有機會了，雖然我一直有好好學習資料探勘和資料分析的打算，那麼參加這個組隊學習就是乙個開始吧。不管怎麼樣，15天的學習我一定會堅持下來的。
雖然每天的學習計畫大概是3-5個小時，可能我基礎還是有點太差了，又或者我把事情想的簡單了，晚上從7點多開始學習，目前為止，我大概了解了一下這次學習會用到的庫，這次會用到的庫還是挺多的，下面會介紹，除了requests、json、matplotlib之前有用到，其他的都沒有用過，因此我了解了一下其他的模組。最後我想嘗試一下從網頁爬取資料，但是沒有成功，這個任務留給明天吧。
**如下（示例）：
import seaborn as sns #用於畫圖
from bs4 import beautifulsoup #用於爬取arxiv的資料
import re #用於正規表示式，匹配字串的模式
import requests #用於網連線，傳送網路請求，使用網域名稱獲取對應資訊
import json #讀取資料，我們的資料為json格式的
import pandas as pd #資料處理，資料分析
import matplotlib.pyplot as plt #畫圖工具
url =
'' #資料****
req = requests.
get(url) #用requests獲取資料
filename =
"arxiv-metadata-oai-snapshot.json"
with open (filename,
'w') as f_obj:
json.
dump
(req,f_obj) #將資料寫成json格式
# 讀入據
data =
#初始化
#使用with語句優勢：1.自動關閉檔案控制代碼；2.自動顯示（處理）檔案讀取資料異常
with open
(filename,
'r') as f:
for line in f:
data.
(json.
loads
(line)
)data = pd.
dataframe
(data) #將list變為dataframe格式，方便使用pandas進行分析
data.shape #顯示資料大小
明天一定要改好資料讀取部分！繼續加油！
Datawhale 第20期 資料視覺化Task1
matplotlib的影象是畫在figure 如windows，jupyter窗體 上的，每乙個figure又包含了乙個或多個axes 乙個可以指定座標系的子區域 最簡單的建立figure以及axes的方式是通過pyplot.subplots命令，建立axes以後，可以使用axes.plot繪製最簡...
第 39 期 資料分段討論
現代計算機一般都有多 cpu 核，而日益廣泛應用的固態硬碟也有較強的併發能力，這些硬體資源都為平行計算提供了有力的保證。不過，要實現平行計算還需要有較好的資料分段技術，也就是能方便地把待計算的資料拆分成若干部分，讓每個執行緒 或程序，這裡以多執行緒為例討論，多程序情況是類似的 分別處理。設計資料分段...
日期資料操作第1期 datetime庫
日期資料操作挺重要的，之前分享過 python中處理日期時間庫的使用方法 arrow日期時間處理庫 現在覺得日期資料的操作挺重要的，準備分割成小知識點，連續更新幾天。今天更新第一期 datetime庫 日期時間類，常用的引數包含year month day hour minute second mi...