概述
这里对利用pandas进行数据分析进行了归纳总结，以便日后忘掉。
为什么使用Python
最为重要的一点是胶水语言特性。python代码可以解决双语言问题，取长补短，科学计算底层可以采用速度快的C，而python代码本身又十分简洁，所以才如此快的被大众接受。
数据流向图
数据获取：通过数据源获取数据，典型的有爬虫。除此之外，这部分还涉及到了数据的读取和存储的问题，例如与各种数据文件，数据库交互。虽然直接利用
python进行数据读取不失为一件优雅的做法（python对文件读取处理使用起来非常简单），但是我们一般采用pandas库中封装好的针对特定数据文件进行读取的方案。具体函数参见官网。数据预处理：对获取到的数据进行清洗和预处理。如处理缺失值和数据规整。
数据可视化：对处理后的数据进行绘图操作。
整个流程全部通过python代码实现。每一步都需要借助于不同的python工具。
最基本的工具
基础：
numpy：语言基础, 是python这门语言针对数值计算的再封装。pandas库：数据处理基础。matplotlib：绘图基础。
其他：
SciPy：各种科学数据计算的编程解决方案。scikit-learn：跑机器学习的工具。
环境
candas：包管理工具，用来取代pip，pip对于依赖安装及其麻烦，candas更加方便。candas自带了一个python，所以电脑中不必安装python；对于已经有python的电脑，注意安装的时候不要勾选添加至环境变量。- 绝大部分环境在安装好
candas后就已经解决了，后续需要用到的库可以在candas中安装。
jupyter：编写代码的编辑器（官方用语：一个适用于多种语言的交互式计算工具）。candas软件中下载即可。默认自带ipython内核。（内核：一种语言编程模式。）
环境使用常见技巧
毋庸置疑，使用键盘进行操作的效率是比鼠标快N倍的。但对于初学者以及不常用jupyter和数据分析的人来说（比如我），记下这些快捷键基本上没有任何意义。下面记录了一些最最基本的命令。
- 自动补全键
Tab ?提示%run指令运行python文件（详见python魔术命令）
参考
学习数据分析很大程度上就是在记忆各种函数。总结性的东西很大程度不会包含太多参数，也绝不会详细，很多地方必须要结合文档。
实体书籍
《利用pandas进行数据分析》，机械工业出版社
《Python学习手册》，机械工业出版社