看懂Python数据分析师，从零做起的你一样可以

野性酷女 2022-09-14 09:13 112阅读 0赞

### 文章目录 ###

*  内容介绍
 *  简单自我介绍
 *  Python的前世今生
 *  开启Python之路
 *  自学文章目录

# 内容介绍 #

本文介绍 **Python数据分析师** 总览内容，随着后续文章的增加，在文章最后整理的自学文章会不断的更新。所有文章均为原创整理，内容有很多，在陆续整理的过程中逐步分享，文章记录着作者成长学习中的点点滴滴。欢迎收藏、点赞、转发。

虽然作为一名数据分析师来说编程不是必备技能，对于不管任何编程语言Python、R、MATLAB、GO等等这些都是工具，不管使用哪一种语言我们的目标是一致的，就是做数据分析，得到想要的结果，然后进行解读，所以对于编程来说没有好坏之分，因此选择一个适合自己的就可以了。

本系列文章介绍的是对于Python复杂的编程语言中提取了数据分析常用的数据处理以及数据可视化等数据分析师常用的内容，区别与其他的Python编程教程，如果是纯开发的小伙伴，看完本系列的文章仅仅只能掌握数据相关处理的内容，并不能完全掌握开发方面的技能，请有选择阅读。

**未来更新的内容会包括**：机器学习、深度学习、Python算法、神经网络引用等等内容会分布在我的各个专栏中，有兴趣的小伙伴欢迎收藏。

# 简单自我介绍 #

估计打死各位读者都想不到作为日语系毕业的我，在清华大学的研究院做技术顾问，曾经由于学日语的男性找工作受歧视，毕业到现在这十几年一直就没有从事过和日语相关的岗位，反而在超市打过工、当过库管和采购、卖过保险和POS机、做个金融管理等等，这些过去不堪回首。

入行搞IT这个纯属机缘巧合，和歪打正着。有兴趣的小伙伴可以点击下面的文章做一个简单的了解。我是32岁迷茫的时候才决定入行。

[大龄零基础的文科生的我靠学Python逆袭，不到2年入职清华大学研究院][Python_2]

如果你也是天涯沦落人的话，帮忙点一个赞，让更多的人看到吧。

# Python的前世今生 #

**Python的诞生**

Python的创始人为GuidovanRossum。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，做为ABC语言的一种继承。之所以选中Python（大蟒蛇的意思）作为该编程语言的名字，是因为他是一个叫MontyPython的喜剧团体的爱好者。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70]

**Python数据分析应用**

*  数据采集：以Scrapy为代表的各类方式的爬虫。  
    ![在这里插入图片描述][20210608195450594.png]
 *  数据库连接：Python有大量各类数据库的第三方包，方便快速的实现增删改查。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 1]
 *  数据清洗：Numpy、Pandas，结构化和非结构化的数据清洗及数据规整化的利器。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 2]
 *  数据分析：Pandas、StatsModels、Scipy，统计分析，科学计算、建模等。  
    ![在这里插入图片描述][20210608195609380.png]
 *  数据可视化：Matplotlib、Seaborn等等大量各类可视化的库。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 3]
 *  机器学习和深度学习（算法应用）。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 4]

# 开启Python之路 #

**Python的安装**

对于数据分析师而言，不建议使用原生的方式安装Python。而是使用对数据分析师更加友好的 Anaconda 进行安装，更多辅助数据分析师的功能。

并且基于 Anaconda 的 Jupyter Notebook，也是集成很多使用功能的编辑器同时兼具交互式的优点。可以在同一个界面中保存展示代码，展现运行结果，实时互交式运行代码等功能，并且对新手非常友好，不需要过多的配置。

安装教程点击这里：

[在windows下安装Python，Anaconda最新版本、免费Pycharm极简教程][windows_Python_Anaconda_Pycharm]

# 自学文章目录 #

**日常开发工具使用**  
[最新版 PyCharm 免激活&免安装专业版安装指南，帮你每年省199美刀][PyCharm _199]  
[在windows下安装Python，Anaconda最新版本、免费Pycharm极简教程][windows_Python_Anaconda_Pycharm]  
[在 Jupyter Notebook 文档页面中添加目录索引及错误解决办法][Jupyter Notebook]  
[在 Centos7.x 上快速搭建 Python 环境最简流程][Centos7.x _ Python]  
[在 Centos7.x 上快速搭建 MySQL 5.7 及错误处理][Centos7.x _ MySQL 5.7]  
[在 Centos7.x 上快速搭建 MongoDB 3.4及用户设置][Centos7.x _ MongoDB 3.4]  
[在 Centos7.x 上处理 Django 3.x 中 sqlite3 安装、升级、使用、错误处理][Centos7.x _ Django 3.x _ sqlite3]  
[解决 Pycharm 输出信息中文乱码问题][Pycharm]  
[Win10+Python3.8+Tensorflow-gpu 2.4.0 环境搭建及使用最简流程][Win10_Python3.8_Tensorflow-gpu 2.4.0]  
[Tensorflow-gpu1.x版本和Tensorflow-gpu2.x版本共存之法][Tensorflow-gpu1.x_Tensorflow-gpu2.x]

**企业理论应用实践**

[没有公式推导的机器学习，懂业务的你都是算法工程师][Link 1]  
[中小型企业搭建数据团队的踩坑分析][Link 2]  
[坑多路难走，学数据分析转行前要知道培训机构不会说的事情][Link 3]  
[数据分析应用在传统运营后变身数据化运营][Link 4]  
[我们不放弃任何一个可以获得数据的机会][Link 5]

**数据分析师办公基础**

[数据分析师做文字报告要掌握的Word使用的40个必备技巧][Word_40]  
[数据分析师不会Python没关系，掌握Excel的36个技巧一样做数据分析][Python_Excel_36]  
[数据分析师干活的累死累活，最后还要会写PPT的5条原则][PPT_5]

**数据分析师的统计基础**

[想要成为一名合格的数据分析师，为什么必须要学统计？][Link 6]  
[「数据分析师的统计基础」统计学概括性度量][Link 7]  
[「数据分析师的统计基础」离散程度度量][Link 8]  
[「数据分析师的统计基础」数据的种类知多少][Link 9]  
[「数据分析师的统计基础」数值型数据的整体状态][Link 10]  
[「数据分析师的统计基础」分类型数据的整体状态][Link 11]  
[「数据分析师的统计基础」标准计分和离差][Link 12]  
[「数据分析师的统计基础」统计量和抽样分布入门][Link 13]  
[「数据分析师的统计基础」双变量的相关分析][Link 14]  
[「数据分析师的统计基础」轻松理解独立性检验&拟合优度检验][Link 15]

**数据分析师的MySQL数据仓库**

[「玩《三国志》学MySQL」带你玩游戏学MySQL][MySQL_MySQL]  
[「玩《三国志》学MySQL」1.初识MySQL数据仓库][MySQL_1._MySQL]  
[「玩《三国志》学MySQL」2.MySQL数据仓库基础知识][MySQL_2.MySQL]  
[「玩《三国志》学MySQL」3.Mysql表结构的管理][MySQL_3.Mysql]  
[「玩《三国志》学MySQL」4.表更新记录操作][MySQL_4.]  
[「玩《三国志》学MySQL」5.表记录的检索][MySQL_5.]  
[「玩《三国志》学MySQL」6.编程基础][MySQL_6.]  
[「玩《三国志》学MySQL」7.视图触发器][MySQL_7.]

**数据分析师的数据处理基础**

[「Python 数据处理基础」数据处理应考虑哪些运营业务因素][Python]  
[「Python 数据处理基础」数据样本不均衡解决方法][Python 1]  
[「Python 数据处理基础」数据冲突和样本的选取和处理][Python 2]  
[「Python 数据处理基础」图像数据预处理和OpenCV常规8种操作][Python _OpenCV_8]  
[「Python 数据处理基础」数据缺失值的可视化和处理8种常用方法][Python _8]  
[「Python 数据处理基础」数据离群值的可视化和处理5种常用方法][Python _5]  
[「Python 数据处理基础」数据重复值的统计和处理2种常用方法][Python _2]  
[「Python 数据处理基础」日期、时间数据常用处理方法][Python 3]  
[「Python 数据处理基础」数据预处理离散变量5种常用方法][Python _5 1]  
[「Python 数据处理基础」数据预处理连续变量10种常用方法][Python _10]  
[「Python 数据处理基础」英文文本数据预处理操作的9种常用方法][Python _9]  
[「Python 数据处理基础」数据特征处理标准化和归一化应用][Python 4]  
[「Python 数据处理基础」数据特征处理离散化和二值化应用][Python 5]  
[「Python 数据处理基础」中文文本数据预处理操作的8种常用方法][Python _8 1]  
[「Python 数据处理基础」数据的相关和因果的计算和可视化][Python 6]  
[「Python 数据处理基础」入坑必备的数据预处理操作][PyCharm _199]  
[「Python 数据处理基础」数据的降维以及Scikit-learn实现的18种方式][Python _Scikit-learn_18]  
[「Python 数据处理基础」数据预处理时 Mongdb 去重复数据的几种方式][Python _ Mongdb]

**数据分析师的数据化运营**

[「Python 数据化运营」数据分析的新媒体运营基础9项基本功][Python _9 1]  
[「Python 数据化运营」数据分析师不仅仅能分析业务还能写文案的9项基本功][Python _9 2]  
[「Python 数据化运营」数据分析新媒体运营微信公众号7条建议][Python _7]  
[「Python 数据化运营」通过数据有效的进行有效的运营工作4条基本原则][Python _4]  
[「Python 数据化运营」KMeans聚类分析日常总结][Python _KMeans]  
[「Python 数据化运营」回归分析线性回归日常总结][Python 7]  
[「Python 数据化运营」回归分析分类回归日常总结][Python 8]  
[「Python 数据化运营」关联规则日常总结][Python 9]  
[「Python 数据化运营」抓取中医新闻数据并制作可视化词云图][Python 10]  
[「Python 数据化运营」通过数据，来看清你的投入产出比，和你未来的销量！][Python 11]

**数据分析师的编程基础**

[「数据分析师的编程基础」数据分析师入门Python需要了解的知识][Python 12]  
[「数据分析师的编程基础」Python使用Numpy内容总结][Python_Numpy]  
[「数据分析师的编程基础」Python使用Pandas对象内容整理][Python_Pandas]  
[「数据分析师的编程基础」Python使用Pandas中DataFrame内容整理][Python_Pandas_DataFrame]  
[「数据分析师的编程基础」Python使用Pandas中读写查询内容整理][Python_Pandas 1]  
[「数据分析师的编程基础」Python使用Pandas中Index内容整理][Python_Pandas_Index]  
[「数据分析师的编程基础」Python使用Pandas数据处理技巧][Python_Pandas 2]  
[「数据分析师的编程基础」Python使用Pandas数据合并处理][Python_Pandas 3]  
[「数据分析师的编程基础」Python使用Pandas数据重塑及透视表][Python_Pandas 4]

**数据分析师的网络爬虫**

[「数据分析师的网络爬虫」Python 爬虫入门基础原理][Python 13]  
[「数据分析师的网络爬虫」使用Python快速抓取需要的数据][Python 14]  
[「数据分析师的网络爬虫」网络爬虫数据的存储MySQL和Mongodb][MySQL_Mongodb]  
[「数据分析师的网络爬虫」动态页面和Ajax渲染页面抓取][Ajax]  
[「数据分析师的网络爬虫」简单的模拟登录方法][Link 16]  
[「数据分析师的网络爬虫」Fiddler Web抓取微信公众号历史全部文章][Fiddler Web]

**Python模块 PyEchart 数据可视化**

[「Python数据可视化」Pyecharts的全局配置详解][Python_Pyecharts]  
[「Python数据可视化」Pyecharts的系列配置详解][Python_Pyecharts 1]  
[「Python数据可视化」Pyecharts设置不同的主体风格][Python_Pyecharts 2]  
[「Python数据可视化」Pyecharts中Faker数据集说明][Python_Pyecharts_Faker]  
[「Python数据可视化」使用 Pyecharts 制作 Calendar（日历热图）详解][Python_ Pyecharts _ Calendar]  
[「Python数据可视化」使用 Pyecharts 制作 Funnel（漏斗图）详解][Python_ Pyecharts _ Funnel]  
[「Python数据可视化」使用 Pyecharts 制作Gauge（仪表盘）详解][Python_ Pyecharts _Gauge]  
[「Python数据可视化」使用 Pyecharts 制作 Graph（关系图）详解][Python_ Pyecharts _ Graph]  
[「Python数据可视化」使用 Pyecharts 制作 Liquid（水球图）详解][Python_ Pyecharts _ Liquid]  
[「Python数据可视化」使用 Pyecharts 制作 Parallel（平行坐标系）详解][Python_ Pyecharts _ Parallel]  
[「Python数据可视化」使用 Pyecharts 制作 Pie（饼状图）详解][Python_ Pyecharts _ Pie]  
[「Python数据可视化」使用 Pyecharts 制作 Polar（极坐标系）详解][Python_ Pyecharts _ Polar]  
[「Python数据可视化」使用 Pyecharts 制作 Radar（雷达图）详解][Python_ Pyecharts _ Radar]  
[「Python数据可视化」使用 Pyecharts 制作 Sankey（桑基图）详解][Python_ Pyecharts _ Sankey]  
[「Python数据可视化」使用 Pyecharts 制作 Sunburst（旭日图）详解][Python_ Pyecharts _ Sunburst]  
[「Python数据可视化」使用 Pyecharts 制作 ThemeRiver（主题河流图）详解][Python_ Pyecharts _ ThemeRiver]  
[「Python数据可视化」使用 Pyecharts 制作 WordCloud（词云图）详解][Python_ Pyecharts _ WordCloud]  
[「Python数据可视化」使用 Pyecharts 制作 Bar（柱状图/条形图）详解][Python_ Pyecharts _ Bar]  
[「Python数据可视化」使用 Pyecharts 制作 Boxplot（箱线图）详解][Python_ Pyecharts _ Boxplot]  
[「Python数据可视化」使用 Pyecharts 制作 Effectscatter（涟漪特效散点图）详解][Python_ Pyecharts _ Effectscatter]  
[「Python数据可视化」使用 Pyecharts 制作 Heatmap（热力图）详解][Python_ Pyecharts _ Heatmap]  
[「Python数据可视化」使用 Pyecharts 制作 Line（折线/面积图）详解][Python_ Pyecharts _ Line]  
[「Python数据可视化」使用 Pyecharts 制作 PictorialBar（象形柱状图）详解][Python_ Pyecharts _ PictorialBar]  
[「Python数据可视化」使用 Pyecharts 制作 Scatter（散点图）详解][Python_ Pyecharts _ Scatter]  
[「Python数据可视化」使用 Pyecharts 制作 Overlap（层叠多图）详解][Python_ Pyecharts _ Overlap]  
[「Python数据可视化」使用 Pyecharts 制作 Tree（树图）详解][Python_ Pyecharts _ Tree]  
[「Python数据可视化」使用 Pyecharts 制作 Treemap（矩形树图）详解][Python_ Pyecharts _ Treemap]  
[「Python数据可视化」使用 Pyecharts 制作 GEO（地理坐标系）详解][Python_ Pyecharts _ GEO]  
[「Python数据可视化」使用 Pyecharts 制作 Map（地图）详解][Python_ Pyecharts _ Map]  
[「Python数据可视化」使用 Pyecharts 制作 Bar3D（3D柱状图）详解][Python_ Pyecharts _ Bar3D_3D]  
[「Python数据可视化」使用 Pyecharts 制作 Line3D（3D折线图）详解][Python_ Pyecharts _ Line3D_3D]  
[「Python数据可视化」使用 Pyecharts 制作 Scatter3D（3D散点图）详解][Python_ Pyecharts _ Scatter3D_3D]  
[「Python数据可视化」使用 Pyecharts 制作 Surface3D（3D曲面图）详解][Python_ Pyecharts _ Surface3D_3D]  
[「Python数据可视化」使用 Pyecharts 制作 Map3D（三维地图）详解][Python_ Pyecharts _ Map3D]  
[「Python数据可视化」使用 Pyecharts 制作 Grid（组合组件）详解][Python_ Pyecharts _ Grid]  
[「Python数据可视化」使用 Pyecharts 制作 Page（顺序多图）详解][Python_ Pyecharts _ Page]  
[「Python数据可视化」使用 Pyecharts 制作 Tab（选项卡多图）详解][Python_ Pyecharts _ Tab]  
[「Python数据可视化」使用 Pyecharts 制作 Timeline（时间轴组件）详解][Python_ Pyecharts _ Timeline]  
[「Python数据可视化」使用 Pyecharts 进行图表的渲染][Python_ Pyecharts]

**数据分析案例**

[让机器看了近40万部的爱情电影，发现苍老师不是那个最努力的][40]

[Python_2]: https://zhuanlan.zhihu.com/p/352917892
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70]: /images/20220828/0db8a816555c436ab585daa2df4f0557.png
[20210608195450594.png]: /images/20220828/54f3692ef63d441ba0d6f821a36ec65b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 1]: /images/20220828/efe08691dee34fe3b1a5c1f219e1cc50.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 2]: /images/20220828/5d32ca3359ca4242bf7ec547d749e5cc.png
[20210608195609380.png]: /images/20220828/4d22bb7dca1540759353b2f790d84d01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 3]: /images/20220828/29c7e054245344098e1748ef4dd3ba78.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIwMjg4MzI3_size_16_color_FFFFFF_t_70 4]: /images/20220828/db6f8dd279e0481f9c7f0d89a86bf086.png
[windows_Python_Anaconda_Pycharm]: https://blog.csdn.net/qq_20288327/article/details/108256262
[PyCharm _199]: https://blog.csdn.net/qq_20288327/article/details/120321810
[Jupyter Notebook]: https://blog.csdn.net/qq_20288327/article/details/115602774
[Centos7.x _ Python]: https://blog.csdn.net/qq_20288327/article/details/104710857
[Centos7.x _ MySQL 5.7]: https://blog.csdn.net/qq_20288327/article/details/104711233
[Centos7.x _ MongoDB 3.4]: https://blog.csdn.net/qq_20288327/article/details/104711360
[Centos7.x _ Django 3.x _ sqlite3]: https://blog.csdn.net/qq_20288327/article/details/104731065
[Pycharm]: https://blog.csdn.net/qq_20288327/article/details/115502613
[Win10_Python3.8_Tensorflow-gpu 2.4.0]: https://blog.csdn.net/qq_20288327/article/details/115503516
[Tensorflow-gpu1.x_Tensorflow-gpu2.x]: https://blog.csdn.net/qq_20288327/article/details/117135776
[Link 1]: https://blog.csdn.net/qq_20288327/article/details/117998402
[Link 2]: https://blog.csdn.net/qq_20288327/article/details/108254798
[Link 3]: https://blog.csdn.net/qq_20288327/article/details/113769179
[Link 4]: https://blog.csdn.net/qq_20288327/article/details/108141191
[Link 5]: https://blog.csdn.net/qq_20288327/article/details/108141763
[Word_40]: https://blog.csdn.net/qq_20288327/article/details/117965600
[Python_Excel_36]: https://blog.csdn.net/qq_20288327/article/details/117968159
[PPT_5]: https://blog.csdn.net/qq_20288327/article/details/117964262
[Link 6]: https://blog.csdn.net/qq_20288327/article/details/117660881
[Link 7]: https://blog.csdn.net/qq_20288327/article/details/117424397
[Link 8]: https://blog.csdn.net/qq_20288327/article/details/117534846
[Link 9]: https://blog.csdn.net/qq_20288327/article/details/117589412
[Link 10]: https://blog.csdn.net/qq_20288327/article/details/117590910
[Link 11]: https://blog.csdn.net/qq_20288327/article/details/117594628
[Link 12]: https://blog.csdn.net/qq_20288327/article/details/117595070
[Link 13]: https://blog.csdn.net/qq_20288327/article/details/117600478
[Link 14]: https://blog.csdn.net/qq_20288327/article/details/117626939
[Link 15]: https://blog.csdn.net/qq_20288327/article/details/117629708
[MySQL_MySQL]: https://blog.csdn.net/qq_20288327/article/details/116432124
[MySQL_1._MySQL]: https://blog.csdn.net/qq_20288327/article/details/114837738
[MySQL_2.MySQL]: https://blog.csdn.net/qq_20288327/article/details/114648625
[MySQL_3.Mysql]: https://blog.csdn.net/qq_20288327/article/details/114665297
[MySQL_4.]: https://blog.csdn.net/qq_20288327/article/details/114670786
[MySQL_5.]: https://blog.csdn.net/qq_20288327/article/details/114671769
[MySQL_6.]: https://blog.csdn.net/qq_20288327/article/details/114695535
[MySQL_7.]: https://blog.csdn.net/qq_20288327/article/details/114699338
[Python]: https://blog.csdn.net/qq_20288327/article/details/108194095
[Python 1]: https://blog.csdn.net/qq_20288327/article/details/108193616
[Python 2]: https://blog.csdn.net/qq_20288327/article/details/118464382
[Python _OpenCV_8]: https://blog.csdn.net/qq_20288327/article/details/118059346
[Python _8]: https://blog.csdn.net/qq_20288327/article/details/118481646
[Python _5]: https://blog.csdn.net/qq_20288327/article/details/118528226
[Python _2]: https://blog.csdn.net/qq_20288327/article/details/118463674
[Python 3]: https://blog.csdn.net/qq_20288327/article/details/113772469
[Python _5 1]: https://blog.csdn.net/qq_20288327/article/details/118463931
[Python _10]: https://blog.csdn.net/qq_20288327/article/details/118056663
[Python _9]: https://blog.csdn.net/qq_20288327/article/details/118065714
[Python 4]: https://blog.csdn.net/qq_20288327/article/details/118065841
[Python 5]: https://blog.csdn.net/qq_20288327/article/details/118802121
[Python _8 1]: https://blog.csdn.net/qq_20288327/article/details/118465804
[Python 6]: https://blog.csdn.net/qq_20288327/article/details/108193893
[Python _Scikit-learn_18]: https://blog.csdn.net/qq_20288327/article/details/118464045
[Python _ Mongdb]: https://blog.csdn.net/qq_20288327/article/details/116115900
[Python _9 1]: https://blog.csdn.net/qq_20288327/article/details/119110353
[Python _9 2]: https://blog.csdn.net/qq_20288327/article/details/119238755
[Python _7]: https://blog.csdn.net/qq_20288327/article/details/119235577
[Python _4]: https://blog.csdn.net/qq_20288327/article/details/119242906
[Python _KMeans]: https://blog.csdn.net/qq_20288327/article/details/119853847
[Python 7]: https://blog.csdn.net/qq_20288327/article/details/119862345
[Python 8]: https://blog.csdn.net/qq_20288327/article/details/119864201
[Python 9]: https://blog.csdn.net/qq_20288327/article/details/119866198
[Python 10]: https://blog.csdn.net/qq_20288327/article/details/119867793
[Python 11]: https://blog.csdn.net/qq_20288327/article/details/119838846
[Python 12]: https://blog.csdn.net/qq_20288327/article/details/117714754
[Python_Numpy]: https://blog.csdn.net/qq_20288327/article/details/117715448
[Python_Pandas]: https://blog.csdn.net/qq_20288327/article/details/117768392
[Python_Pandas_DataFrame]: https://blog.csdn.net/qq_20288327/article/details/117769204
[Python_Pandas 1]: https://blog.csdn.net/qq_20288327/article/details/117771083
[Python_Pandas_Index]: https://blog.csdn.net/qq_20288327/article/details/117772537
[Python_Pandas 2]: https://blog.csdn.net/qq_20288327/article/details/117773810
[Python_Pandas 3]: https://blog.csdn.net/qq_20288327/article/details/117788941
[Python_Pandas 4]: https://blog.csdn.net/qq_20288327/article/details/117789213
[Python 13]: https://blog.csdn.net/qq_20288327/article/details/117389936
[Python 14]: https://blog.csdn.net/qq_20288327/article/details/117390427
[MySQL_Mongodb]: https://blog.csdn.net/qq_20288327/article/details/117390874
[Ajax]: https://blog.csdn.net/qq_20288327/article/details/117391015
[Link 16]: https://blog.csdn.net/qq_20288327/article/details/117391255
[Fiddler Web]: https://blog.csdn.net/qq_20288327/article/details/117392335
[Python_Pyecharts]: https://blog.csdn.net/qq_20288327/article/details/117881790
[Python_Pyecharts 1]: https://blog.csdn.net/qq_20288327/article/details/117886362
[Python_Pyecharts 2]: https://blog.csdn.net/qq_20288327/article/details/117895733
[Python_Pyecharts_Faker]: https://blog.csdn.net/qq_20288327/article/details/115608789
[Python_ Pyecharts _ Calendar]: https://blog.csdn.net/qq_20288327/article/details/114584752
[Python_ Pyecharts _ Funnel]: https://blog.csdn.net/qq_20288327/article/details/114818165
[Python_ Pyecharts _Gauge]: https://blog.csdn.net/qq_20288327/article/details/114818172
[Python_ Pyecharts _ Graph]: https://blog.csdn.net/qq_20288327/article/details/115017245
[Python_ Pyecharts _ Liquid]: https://blog.csdn.net/qq_20288327/article/details/115681252
[Python_ Pyecharts _ Parallel]: https://blog.csdn.net/qq_20288327/article/details/115696150
[Python_ Pyecharts _ Pie]: https://blog.csdn.net/qq_20288327/article/details/115696231
[Python_ Pyecharts _ Polar]: https://blog.csdn.net/qq_20288327/article/details/115696310
[Python_ Pyecharts _ Radar]: https://blog.csdn.net/qq_20288327/article/details/115696393
[Python_ Pyecharts _ Sankey]: https://blog.csdn.net/qq_20288327/article/details/115696467
[Python_ Pyecharts _ Sunburst]: https://blog.csdn.net/qq_20288327/article/details/115696637
[Python_ Pyecharts _ ThemeRiver]: https://blog.csdn.net/qq_20288327/article/details/115696743
[Python_ Pyecharts _ WordCloud]: https://blog.csdn.net/qq_20288327/article/details/115697739
[Python_ Pyecharts _ Bar]: https://blog.csdn.net/qq_20288327/article/details/113929224
[Python_ Pyecharts _ Boxplot]: https://blog.csdn.net/qq_20288327/article/details/114583060
[Python_ Pyecharts _ Effectscatter]: https://blog.csdn.net/qq_20288327/article/details/114818182
[Python_ Pyecharts _ Heatmap]: https://blog.csdn.net/qq_20288327/article/details/117921204
[Python_ Pyecharts _ Line]: https://blog.csdn.net/qq_20288327/article/details/115337305
[Python_ Pyecharts _ PictorialBar]: https://blog.csdn.net/qq_20288327/article/details/115696188
[Python_ Pyecharts _ Scatter]: https://blog.csdn.net/qq_20288327/article/details/115696542
[Python_ Pyecharts _ Overlap]: https://blog.csdn.net/qq_20288327/article/details/117921519
[Python_ Pyecharts _ Tree]: https://blog.csdn.net/qq_20288327/article/details/115696866
[Python_ Pyecharts _ Treemap]: https://blog.csdn.net/qq_20288327/article/details/115852798
[Python_ Pyecharts _ GEO]: https://blog.csdn.net/qq_20288327/article/details/115017228
[Python_ Pyecharts _ Map]: https://blog.csdn.net/qq_20288327/article/details/115681471
[Python_ Pyecharts _ Bar3D_3D]: https://blog.csdn.net/qq_20288327/article/details/117925605
[Python_ Pyecharts _ Line3D_3D]: https://blog.csdn.net/qq_20288327/article/details/117925751
[Python_ Pyecharts _ Scatter3D_3D]: https://blog.csdn.net/qq_20288327/article/details/117925926
[Python_ Pyecharts _ Surface3D_3D]: https://blog.csdn.net/qq_20288327/article/details/115696711
[Python_ Pyecharts _ Map3D]: https://blog.csdn.net/qq_20288327/article/details/117926185
[Python_ Pyecharts _ Grid]: https://blog.csdn.net/qq_20288327/article/details/115017258
[Python_ Pyecharts _ Page]: https://blog.csdn.net/qq_20288327/article/details/117935001
[Python_ Pyecharts _ Tab]: https://blog.csdn.net/qq_20288327/article/details/117935012
[Python_ Pyecharts _ Timeline]: https://blog.csdn.net/qq_20288327/article/details/115696769
[Python_ Pyecharts]: https://blog.csdn.net/qq_20288327/article/details/114661508
[40]: https://blog.csdn.net/qq_20288327/article/details/115771193