PythonStudy/README.md at master · Wayho/PythonStudy · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
## 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](https://github.com/Wayho/PythonStudy/blob/master/ipynb/Python_3.ipynb)

- #### while循环
	1. break
	1. continue

- #### 列表
	1. append
	1. extend
	1. insert
	1. remove
	1. 二级索引
	1. 切片
	1. 连接两个列表

- #### for循环

[Python_4.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/Python_4.ipynb)
- #### 元组
- #### 字符串比较、分割
- #### 字典


[Python_5.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/Python_5.ipynb)
- #### 文件读写
- #### try  except  finally
- #### 文件目录操作
- #### 删除文件


[calendar.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/calendar.ipynb)

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


[test.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/test.ipynb)

- #### 培训考核题
	1. 恺撒密码
	1. 统计词频
	1. 进制换算


[numpy.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/numpy.ipynb)

- #### NumPy实例
- #### ndarray数组的创建
	1. 使用Python数据类型创建
	1. 使用NumPy中函数创建ndarray数组

- #### ndarray数组的变换
	1. 铺平一个矩阵
	1. 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
	1. 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
	1. NumPy一元函数：对ndarray中的数据执行元素级运算的函数
	1. NumPy二元函数

- #### NumPy与Python计算比较


[爬虫技术.ipynb](https://github.com/Wayho/PythonStudy/blob/master/ipynb/%E7%88%AC%E8%99%AB%E6%8A%80%E6%9C%AF.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](https://github.com/Wayho/PythonStudy/blob/master/ipynb/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
	1. 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](https://github.com/Wayho/PythonStudy/blob/master/ipynb/%E7%88%AC%E8%99%AB%E5%92%8C%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90.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](https://github.com/Wayho/PythonStudy/blob/master/ipynb/%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.ipynb)

[贝叶斯.ipynb](线性回归到神经网络.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](https://github.com/Wayho/PythonStudy/blob/master/ipynb/tensorflow%E5%9F%BA%E7%A1%80.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
	1. 0.8.2  SoftMax介绍
	1. 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](http://blog.csdn.net/mr_wuch/article/details/73385702)

下图是工作区、暂存区、本地仓库的关系图
![GitKraken](http://img.blog.csdn.net/20170617223822237?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbXJfd3VjaA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)