對於資料分析人員來說，為什麼要學習python已經是老生常談了，但是鑑於很多小夥伴還是不太清楚，那我們今天再來好好講一講~
為什麼python是資料分析之王
python已經成為應用機器學習中的**標準。當前，對於了解python的資料分析師和機器學習工程師而言，職位空缺要多於所有其他語言的總和。此時的邏輯問題可能是，為什麼在應用機器學習中如此頻繁地使用python？儘管有很多原因使它在這個領域無處不在，但通常有三個原因是最重要的。
python廣泛採用的主要原因之一是它的簡單性。儘管這不是乙個硬性規定，但進入程式語言的障礙越少，通常會被更多地使用。python很簡單，python可能是目前最簡易的語言。這意味著幾乎任何人都可以學習。開發人員不必擔心**本身，可以將更多的精力和精力放在尋找解決方案上。資料分析
庫之所以成為python受歡迎的第二個原因，可能也是出自第乙個原因。python中的庫是一組預**的**，我們可以將其匯入相關環境中以擴充套件語言的功能。
關於應用機器學習的幾乎每個方面都有庫。例如，pandas是用於處理資料的庫，scikit-learn是用於構建傳統模型的通用庫，scikit-learn還擁有在整個機器學習管道中使用的許多任務具，其中有用於視覺化的matplotlib和用於構建深度學習模型的keras，還有許多滿足特定需求的庫，例如用於自然語言處理的ntlk和乙個用於web抓取的名為beautifulsoup的庫。
python流行的第三個原因是jupyter notebook 的使用。jupyter notebook是使用python編寫**的強大工具。jupyter notebook是基於web的介面，可用於快速原型開發和共享與資料相關的專案。無需編寫和重新編寫整個程式，而是可以編寫**行並一次或小批量執行它們，這使編碼更易於除錯和理解。
jupyter notebook的成功取決於一種稱為文學程式設計的程式設計形式。文字程式設計是由史丹福大學計算機科學家donald knuth建立的一種軟體開發風格。這種型別的程式設計強調散文優先的方法，即在對人類友好的文字中插入**塊。它擅長於示範，研究和教學目標，尤其是在資料分析方面。
綜上所述，簡單性、可讀性、庫和整合開發環境使python成為資料分析領域最常用的語言之一。
python 時間操作 資料分析
記錄python 對時間的操作整理，資料分析使用 pd.to datatime 可以將str型別的直接轉換成datatime 型別的資料，便於資料分析，format根據str的格式自己調整就好了 action action time pd.to datetime action action time...
python資料分析
以網路爬蟲為例，網路爬蟲是乙個自動提取網頁的程式，爬蟲是搜尋引擎的第一步，也是最容易的一部。網頁搜尋，建立索引，查詢排序 用c c 效率高，速度塊，適合通用搜尋引擎做往往爬取。但是它的缺點也特別明顯 開發慢，寫起來又臭又長的。而python無論在資料分析還是在指令碼自動化編寫尚都是簡單，易學的。良好...
python資料分析
陣列間的算術運算 npwhere pandas的使用 np.random.rand 3,4 產生乙個3行4列的矩陣 0 1之間的 in 32 data1 1,2,3,4.0 in 34 arr1 np.array data1 in 35 arr1 out 35 array 1.2.3.4.in 37...