1.读取数据（pandas)
读取csv、xls文件等
2.数据预处理、分析（pandas）
- 预处理工作：
缺少列头、分割字段、索引号处理、删除行列、处理空值、处理重复行、日期处理、文件保存等。
- 分析：
条件过滤、排序、分类汇总等。
3.数据分析
特征工程（sklearn.preprocessing）：
- 使用Sklearn预处理模块：
preprocessing- 数据归一化正则化（preprocessing.normalize()：
作用：把数据收敛到[0,1]之间- 数据标准化（preprocessing.scale()）
作用：缩放处理 均值为0，方差为1
4.挖掘（sklearn（机器学习）、numpy（数组矩阵）、metrics（模型效果验证））：
- 设置一个数据集X 【不能是一维数组】，和一个标签集y，
- 选取模型（选择算法：回归、分类、聚合、降维）：
model=模型() - 模型拟合：
model.fit(x,y) - 根据x值，预测y值：
print“y_predicted=”,model.predict(x)
后记：
有需要的朋友可以搜索微信公众号：【知音库】
同时也是为了鼓励自己，坚持写笔记，希望可以共同进步。
