本周内容总结
本周主要的重点内容是数据可视化的部分：
· Matplotlib
子图subplots
中文显示
重温了 基本的折线图、条形图（堆积条形图）、直方图、散点图、箱线图（boxplot)的绘制
· 图形注释 annotate
xy= 箭头的指向；xytext,箭头的其实位置和注释的位置，arrowprops可以设置箭头的形状，颜色等等
· Seaborn的连续和不连续数据可选图形
连续数据绘图：jointplot 组合图、pairplot描述多个数据两两之间关系的图
离散数据绘图：barplot 条形图，stripplot/ swampplot 散点图（观察点集中的位置），lmplot线性回归图
· pyechart 图形
pyechart是基于百度Echart实现的可交互图形。官网有很多不同的图形例子可以参照。上手相对来说比较快
主要的设置方式是.add_, set_global_opts,set_series_opts以及X轴和Y轴的设置
使用Pyechart制作了简单的疫情地图。之前用Tableau也做过国内疫情地图，不过Tableau的时间轴不太好设置，变化比较慢，好处是简单拖动即可，pyechart可以设置play_interval，从而更改切换速度。
pyechart地图 ： https://mp.weixin.qq.com/s/YezQm0g77jfmWkO-SHlRWQ
· 重温数据化管理chapter1、2、3
chapter1 主要数据化对管理的意义、以及数据分析的整体流程
chapter2 主角是权重指数；权重指数需要就近一整年的数据，去掉特殊节假日和促销日，分成周一/周二……周日，取出平均值最小的星期N使之权重为一，从而计算周权重，月权重和确定月指标、周指标甚至日指标。将指标追踪细化到日。初步了解 黄氏曲线和平均权重销售额，可以用来分析突发事件对于销售额的营销程度；
chapter3 人货场 营运分析的一部分；杜邦分析图和促销前分析、常用的促销形式、促销后总结分析
人：围绕员工（新老员工，定边满足率、业务能力、平均接待时长、平均成交时长、投诉等）和顾客的相应指标（主要是会员指标）
货的部分单独成章（进销存）
场的部分涉及店铺的销售额指标、追踪指标、分析指标、效率指标、竞争情况、促销指标等等，还包括渠道的分析和占比；非常细化
短板：
业务知识
统计学知识
PowerBi（之前练过Tableau）
SQL和其他工具的联用以及SQL 本身关联子查询、设置变量计算排名需要多看多练！
Python的自定义函数/对类的认识/If的多重嵌套/apply的使用 以上这些的联用！
下周重点：
SQL的不断强化刷题、统计学知识补课、业务知识——数据化管理和多看分析报告 以及数据蛙业务知识、powerBi入门
