本书讲的是利用python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。
书中的“数据”主要指的是 结构化数据（structured data），例如
- 多维数据（矩阵）
- 表格型数据，其中各列可能是不同的类型（字符串、数值、日期等）
- 通过关键列（对于SQL来说就是主键和外键）相互联系的多个表
- 间隔平均或不平均的时间序列
重要的python库
numpy
numpy(numberical python)，是python的科学计算基础包。提供的功能（不限于此）：
- 快速高效的多维数组对象ndarray
- 读写硬盘上基于数组的数据集的工具
- 线性代数运算、傅里叶变换、以及随机数的生产
pandas
pandas这个名字源于panel data（面板数据）以及python data analysis（python数据分析）
pandas提供了能够快速便捷的处理结构化数据的大量数据结构和函数。
matplotlib
matplotlib是流行的数据图表的python库。
Ipython
一个增强的python shell，目的是体改编写、测试、调试python代码的速度。主要用于交互式数据 的处理和利用matplotlib对数据进行可视化处理。
scipy
scipy是一组专门解决科学计算中各种标准问题域的集合，主要包括：
- scipy.integrate 数值积分例程和微分方程求解器
- scipy.linalg 扩展了由scipy.linalg提供的线性代数例程和矩阵分解功能
安装和设置
这里我们下载Anaconda2-4.3.0.1安装包。如果你之前安装过python的解释器，需要手动将其删除。
（注：Anaconda一个开源的 Python 发行版本）
此时，打开命令提示符。输入python。与之对应的安装消息是：
此时查看环境变量：
先删除之前与python有关的所有环境变量。
添加在path环境中应该如下：
H:\python;H:\python\Scripts
（其中安装Anaconda2-4.3.0.1包时候，上面的环境变量会自动添加）
Anaconda（注：Anaconda一个开源的 Python 发行版本，里面已经内置了numpy、pandas、matplotlib等200多个包）
我们来引入pandas，绘制一个简单的matplotlib图形
生成这样一个图形
我们再检查IPython HTML notebook是否安装成功：
集成开发环境（IDE）
标准开发环境？Ipython外加一个文本编辑器（pycharm）
行话
数据规整：指的是将非结构化或散乱数据处理为结构化或整洁形式的整个过程。
伪码：算法或过程的“代码式”描述，而这些代码本身并不是实际有效的源代码。
语法糖：这是一种编程语法，并不会带来新的特性，但是能使代码更易读、更易写。
