【第001篇-开篇：参考书目录】
环境统计学的入门学习参考书，以及阅读顺序建议。
数据科学家VS大数据专家VS数据分析师：有什么不同？
经常听到数据科学家、大数据专家、数据分析师，这3个职业乍一听，感觉是一个意思，但实际上，它们是不同的岗位，需要不同的技术，应用到不同的领域。
pandas使用isna函数和any函数判断dataframe中的每一个数据列中是否包含缺失值
pandas使用isna函数和any函数判断dataframe中的每一个数据列中是否包含缺失值（check if column contains any missing values in dataframe）
时间序列预测-ARMA实战
ARMA中文全称为自回归移动平均模型，广泛用于时间时间序列分析中。本文以statsmodels 模块中自带数据集co2为例，实战研究ARMA模型。一、探索性数据分析。首先导入必要的package与数据集from statsmodels.datasets import co2data=co2.load
如何在工作中提高pandas运行速率？【超实用方法整理】
几种提升pandas运行速率的实用方法。
数据分析 -- Pandas①
目录Pandas简介Pandas中的两个主要数据结构Series创建访问DataFrame创建列的查改增删查看列修改列新增列删除列导入/导出 表格文件以及常规操作head()方法tail()方法info()方法describe()方法sort_values()方法继承自Series的方法重要：到底如
Matplotlib数据可视化从入门到进阶
在数据分析与机器学习中，我们经常要用到大量的可视化操作。一张制作精美的数据图片，可以展示大量的信息，一图顶千言。而在可视化中，Matplotlib算得上是最常用的工具。Matplotlib 是 python 最著名的绘图库，它提供了一整套 API，十分适合绘制图表，或修改图表的一些属性，如字体、标签
大数据分析那点事
写在前文，首先声明博主对数据分析领域也在不断学习当中，文章中难免可能会出现一些错误，欢迎大家及时指正，博主在此之前也曾对不同量级、不同领域的数据进行过分析，但是在过程中总是感觉有许多困惑，即自己也会问自己？自己分析的是否全面，是否有价值，从哪些方面出发？对于这些问题博主做了思考。归根到底还是在理论上
Pandas数据分析教程(1)-Series和DataFrame
Pandas数据分析(1)-Series和DataFram前言最近自己也在进行Python数据分析的学习，故在此写下本文作为笔记使用，本文是笔记系列的的第一篇，不定期更新。写的博客如有错误或者疏忽的地方，还望各位大佬指点，在此表示感激不尽。Pandas是建立在Numpy模组和matplotlib模组
Matplotlib数据可视化入门
本文其实属于：Python的进阶之道【AIoT阶段一】的一部分内容，本篇把这部分内容单独截取出来，方便大家的观看，本文介绍 Matplotlib数据可视化，后续还会单独发一篇Matplotlib数据可视化高级以及Matplotlib数据可视化进阶内容供读者学习。在数据分析与机器学习中，我们经常要用到
大数据分析-零基础学Tableau+超详细讲解+示例练习（四）
前文回顾：零基础学Tableau（一）：条形图、直方图绘制：传送门零基础学Tableau（二）：折线图、饼图、环形图绘制：传送门零基础学Tableau（三）：树形图、气泡图、词云图绘制：传送门
大数据分析-零基础学Tableau+超详细讲解+示例练习（三）
零基础学Tableau+超详细讲解+示例练习（三）：凸显表、树形图、气泡图、词云图绘制
Python大数据-对淘宝用户的行为数据分析
数据获取本次数据是在网上获取的来源于： 数据集-阿里云天池 ，不在进行抓取或收集，大家可以看这篇文章Python爬虫-抓取数据到可视化全流程的实现，详细的写了数据抓取的过程数据清洗首先该数据是在多个文件下的CSV文件，通过递归对文件夹内所有文件进行查询，并合并了所有的指定文件，具体的操作步骤大家可以
大数据分析-零基础学Tableau+超详细讲解+示例练习（二）
零基础学Tableau+超详细讲解+示例练习（二）：折线图饼图环形图
Numpy 高级
本文其实属于：Python的进阶之道【AIoT阶段一】的一部分内容，本篇把这部分内容单独截取出来，方便大家的观看，本文介绍 NumPy 高级，学习之前需要学习：NumPy入门，关于NumPy和jupyter的安装在 NumPy入门一文中也有想详细的介绍
利用seaborn画带数值分布的箱型图
多类别箱型图，分类数据可视化、利用python的seaborn
什么是大数据？
本文从七个部分阐述大数据分析，包括：背景、定义、意义、挑战及未来趋势以及市场等部分。
R语言ggplot2可视化彩色水平条形图并基于条形长度和数值标签长度、自定义最优化配置标签在条形内部或者条形外部
R语言ggplot2可视化彩色水平条形图并基于条形长度和数值标签长度、自定义最佳配置标签在条形内部或者条形外部
数据变异性的度量 - 极差、IQR、方差和标准偏差
variability被称作变异性或者可变性，它描述了数据点彼此之间以及距分布中心的距离。它告诉你点是倾向于聚集在中心周围还是更广泛地分散。
pandas这么多实用又常用的技能，还不快快收藏起来
自从我整理完这两篇关于pandas的博文之后，我从博文的阅读以及收藏的数据中不难得知，大家对于这类实用性的博文的认可，同时我自己在工作中有时也会发现，即使我整理了这么多有关于pandas的内容，但或多或少还是会遗漏一些知识点，毕竟pandas实在是太多实用的功能了。那么今天这篇博文呢，我进一步整理了
