README

最近参加的一个Python培训，PPT是.ipynb，所以放到这里，便于查看。

.ipynb在Github中可以直接浏览，不过加载较慢，可以打开http://nbviewer.jupyter.org 后填入Wayho，选择PythonStudy进行浏览，快捷方式为http://nbviewer.jupyter.org/github/wayho/PythonStudy/tree/master/ipynb/

目录

Python_3.ipynb

• while循环

  1. break
  2. continue

• 列表

  1. append
  2. extend
  3. insert
  4. remove
  5. 二级索引
  6. 切片
  7. 连接两个列表

• for循环

Python_4.ipynb

• 元组

• 字符串比较、分割

• 字典

Python_5.ipynb

• 文件读写

• try except finally

• 文件目录操作

• 删除文件

calendar.ipynb

1. 开发一个万年历
2. 最初版本：只会打印
3. 第二阶段：确定打印天数
4. 第三阶段：确定星期关系
5. 第四阶段：完成“年历”
6. 第五阶段：完成万年历

test.ipynb

• 培训考核题

  1. 恺撒密码
  2. 统计词频
  3. 进制换算

numpy.ipynb

• NumPy实例

• ndarray数组的创建

  1. 使用Python数据类型创建
  2. 使用NumPy中函数创建ndarray数组

• ndarray数组的变换

  1. 铺平一个矩阵
  2. 改变矩阵的shape/size

• ndarray数组的操作

  1. 一维数组的索引和切片：与Python的列表类似
  2. 多维数组的索引：每个维度一个索引值，逗号分隔

• ndarray数组的运算

  1. 数组与标量之间的运算：数组与标量之间的运算作用于数组的每一个元素
  2. NumPy一元函数：对ndarray中的数据执行元素级运算的函数
  3. NumPy二元函数

• NumPy与Python计算比较

爬虫技术.ipynb

• 0.1 简单爬虫

• 0.2 爬下数据后进行正则表达式获取数据

• 0.3 利用request爬取网页

• 0.4 利用request模拟浏览器头信息

• 0.5 错误处理

• 0.6 利用beautifulsoup处理网页

• 0.7 利用lxml结合xpath爬取数据

• 0.8 获取多字段信息

• 0.9 爬取javascript

• 0.10 利用xpath和lxml爬取51job网站信息并存到文件

• 0.11 请编程爬取智联招聘一页招聘信息

pandas.ipynb

• 数据分析之pandas

• Pandas库的Series类型

  1. Series类型的创建

• Pandas库的DataFrame类型

  1. pandas实例1：排序，计算
  2. pandas实例2：使用pandas的read_csv方法读取csv文件，计算

爬虫和数据分析.ipynb

• 爬虫和数据整理分析输出的示例

  1. 爬虫示例，不能在cell直接运行，传递到爬虫服务器运行，爬虫服务器运行完后，会把数据传递到用户账户下
  2. 数据整理分析示例，把上面爬虫服务器传递回来的数据文件进行清洗整理，然后分析 2.1. 制作雷达分析图 2.1. 制作工作岗位需求分析图 2.1. 制作城市岗位需求分析图 2.1. 制作岗位薪酬分析图 2.1. 制作城市薪酬分析图

线性回归到神经网络.ipynb

贝叶斯.ipynb

• 1 机器学习

  1.1 基本概念
  1.2 样本集、训练集、测试集 1.2.1 欠拟合 过拟合 1.2.2 样本集 测试集 的 选取方法 1.2.2.1 留出法 1.2.2.2 交叉验证法

• 2 贝叶斯分类器

  2.1 贝叶斯概念 2.2 Native Bayes 2.2.1 实践 2.2.2 第一步 Bayes公式的分析 2.2.3 第二步 数据集与贝叶斯公式的关系 2.2.3.1 0值处理 2.2.3.2 第三步 实际数据分析示例 2.2.4 用scikit-learn实现

tensorflow基础.ipynb

• 0.1 Tensorflow基础

• 0.2 Tensorflow 常量

• 0.3 Tensorflow变量

• 0.4 Fetches 取回

• 0.5 Feeds供给

• 0.6 Tensorboard可视化

• 0.7 Tensorflow拟合平面

• 0.8 tensorflow实现手写数字识别

  1. 0.8.1 mnist数据
  2. 0.8.2 SoftMax介绍
  3. 0.8.3 实现回归模型

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

本页面使用Prose编辑

入口地址：http://prose.io/#Wayho/PythonStudy

页面地址http://prose.io/#Wayho/PythonStudy/edit/master/README.md

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

通过GitKraken上传文件

GitKraken的使用方法，参考 git图形化工具GitKraken的使用——工作区、暂存区、本地仓库

下图是工作区、暂存区、本地仓库的关系图