Python

本文介绍如果使用python汇总常用的图表，与Excel的点选操作相比，用python绘制图表显得比较比较繁琐，尤其提现在对原始数据的处理上。

这篇文章的目的就是给那些用python进行数据分析的新人提供一种深度学习路径。

10天100小时的学习时间里应该分配给尽量多样化的知识。这也算是一大笔投资，所以应当严肃对待，根据学出来的结果可以把拿到实习 offer 之类的当做目标。

爬取豆瓣电影top250，然后提取电影分类，并进行数据分析

今天我们会介绍一下10个适用于多个学科的Python数据可视化库，其中有名气很大的也有鲜为人知的。

机器学习中最乏味的部分就是调整超参数（简称调参）。

PCA（principle component analysis） ，主成分分析，主要是用来降低数据集的维度，然后挑选出主要的特征。

在 Python 中，将数据可视化有多种选择，正是因为这种多样性，何时选用何种方案才变得极具挑战性。

没什么是永恒的——包括编程语言。很多看起来可能是将来的佼佼者，到头来可能被人们遗忘。无论是因为不可抗拒的原因，还是因为自身发展的原因。

用机器学习的方式来判定红楼梦后40回到底是不是曹雪芹写的。

Python 在数据科学领域越来越流行了。

大数据，无论是从产业上，还是从技术上来看，都是目前的发展热点。在中国，政府控制着80%的数据，剩下的多由“BAT”这样的大公司拥有，中小企业如何构建自己的大数据系统？其他企业如何建设自己的大数据系统？

Python性能优化的20条建议

使用sklearn进行数据挖掘。

大数据的浪潮仍在继续。它渗透到了几乎所有的行业，信息像洪水一样地席卷企业，使得软件越发庞然大物，比如Excel看上去就变得越来越笨拙。数据处理不再无足轻重，并且对精密分析和强大又实时处理的需要变得前所未有的巨大。