学好大数据，需要多读书。为自己建立一份书单，好好学习天天向上。我们根据大数据学习内容的特点，对相关内容进行整理和排序，从基础统计学到基础机器学习，再到内容更深入的专著，从具体的话题讨论，到整个行业的分析。这些书中既有数据科学经典读本，也有最近出版的新书，希望能帮助大家从中找到感兴趣的阅读内容。

1. 《深入理解机器学习：从原理到算法》Understanding Machine Learning: From Theoryto AlgorithmsBy Shai Shalev-Shwartz and Shai Ben-David

本书为剑桥大学机器学习教材。机器学习是计算机科学领域发展最快的分支之一，其应用具有深远的意义。本教科书的目的是有条理地介绍机器学习及为读者提供算法范例。本书介绍了机器学习基础知识，并详细解释了将这些原理转化为实际算法的数学推导理论论述。2.《统计思维：程序员的概率与统计学》

ThinkStats: Probability and Statistics for Programmers

作者：Allen B. Downey

《统计思维》是针对Python程序员编写的概率和统计学专著。本书强调利用简单的技术处理实际数据集（real dataset）、回答一些有趣的问题。书中还介绍了对美国国立卫生研究院的案例分析。作者鼓励读者在实际数据集项目中通过实践来学习。

3. 《统计学习基础：数据挖掘、统计与预测》

The Elements of Statistical Learning

作者：Trevor Hastie, Robert Tibshirani and Jerome Friedman

这本书在普遍概念框架中描述了数据学领域的重要思想。虽然这种方法属于统计学范畴，但本书的重点在于概念而不是数学。这本书的内容涵盖范围广泛，从监督式学习（预测）到无监督式学习。讨论的话题包括神经网络，支持向量机，分类树，其对boosting算法的讨论更是首创。

4. 《数据学基础》

Foundations of Data Science

作者：Avrim Blum, John Hopcroft, and Ravindran Kannan

虽然计算机科学的传统领域仍然非常重要，但越来越多的研究人员将使用计算机来了解和提取应用程序中出现的大量数据的可用信息，而不仅仅是利用计算机解决特定的问题。

5. 《大数据：互联网大规模数据挖掘与分布式处理》

Mining of Massive Datasets

作者：Jure Leskovec, Anand Rajaraman and Jeff Ullman

本书的编写基于斯坦福大学计算机科学课程“CS246: Mining Massive Datasets”。这本书和斯坦福的课程一样，是为没有计算机基础的本科学生设计的。为了支持读者进行更深入的探索，大部分章节最后都补充了深度阅读参考资料。

因为Python拥有像海一样丰富的第三方库，所以Python在数据分析方面能够处理的问题非常之广，从Excel比较擅长的公式计算，数据透视分析，到MATLAB比较擅长的科学计算，再到R语言中那些零散的机器学习库所能做的事情，Python都能优雅从容的面对。而这些工具不擅长的网络爬虫，大数据分析(结合spark)，Python更是能够出色的完成。

今天我们就来说说Python在数据分析方面有哪些优势？

① 相比Excel，Python能够处理更大的数据集;能够更容易实现自动化分析;能够比较容易的建立复杂的机器学习模型;

② 相比spss，spss是个统计软件，只适合在科学研究领域做实验数据的分析，并不适合做偏向实际应用场景的数据的分析;而Python能够处理复杂的数据逻辑，适合这些场景;

③ 相比R语言，Python的机器学习库只有一个—sklearn，所有的机器学习方法都集中在这一个库中，而R语言，我不清楚它到底有多少个用来做机器学习的库，R语言中的机器学习方法是如此的分散，以至于很难掌握。而且Python的使用人数在不断上升，有一些曾经只使用R的人在转向Python，我自己开始学的也是R，最后也学了Python。投入到一个呈现上升趋势的技术中，未来才会更加宽广。

④ 相比上述的几个工具，Python在做机器学习，网络爬虫，大数据分析时更加的得心应手。

小编这有一份《利用Python进行数据分析》PDF版，免费分享想要的小伙伴可以私信我~

中国的金融科技概念已经火了超过10年了。从2007年“拍拍贷”诞生，2013年“余额宝”上线，2016年底招商银行上线“摩羯智投”，直到2017年，众安在线、趣店、和信贷、拍拍贷、简普科技等集体上市。大部分人提到金融科技还是第一时间想到“P2P”、“网贷”和“智能投顾”，中国的金融科技一直在消费金融环节发力，而忽略了金融行业企业级服务的科技创新。

如何能够真正的提高金融行业效率，用科技真正的重构金融行业，而不是仅仅将传统线下的模式搬到线上去执行。根据 IOSCO（国际证监会组织）在2017年2月发布的《金融科技研究报告》，美国从2015年前后已经开始通过大数据、云计算、人工智能、区块链这些新的IT技术来改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色等，金融科技已经进入到3.0时代。

在国外，金融科技的风口已经从面向个人的消费金融环节转向了企业级服务的环节，如面向前台业务的智能研究、智能投资领域，以及面向中后台业务的文档智能化领域等。

2017年3月，摩根大通开发了一款金融合同解析软件COIN。这款软件上线半年多，经测试，原先律师和贷款人员每年需要360000小时才能完成的工作，COIN只需几秒就能完成。而且，不仅错误率大大降低，它还不用放假。

2017年4月获标普国际领投的B轮5000万美元融资，估值达5亿美元的智能投研机构Kensho，被誉为“华尔街之狼”。公司产品Warren试图通过构建事件数据库及知识图谱的综合图表模型，解决投资分析中“速度、规模、自动化”三大挑战。公司客户包括金融机构和商业媒体，未来有望拓展至美国政府部门。

这其中应用到的核心AI技术包括机器学习、深度学习、智能语言处理、计算机视觉等。同时，各类披露的金融文档已呈现为富格式文本（Richly Formatted Data）的形式，包含篇章结构、文字段落、数据表格等各类形式；并且金融是一个文档、数据密集型的行业，信息需要从各个渠道被收集、整合、关联；故自然语言处理（NLP, Natural Language Processing）与计算机视觉深度（CV, Computer Vision）的融合则成为金融科技3.0时代最重要的技术。而笔者认为，现在能够真正将NLP+CV技术实现应用场景化的金融科技公司，才是下一步真正颠覆中国金融行业业务模式及运营规则的独角兽。

本文就来盘点一下目前中国市场上所有核心技术为NLP+CV的提供企业级服务的金融科技创业公司，关注重点不是公司的宣传概念，而是实实在在落地的产品。

以下公司信息均来自公司官网和公开媒体报道，下文中体验的产品均为公司免费公开试用的2C版产品。虽然2C产品的体验并不能完全等同于2B产品，但不可否认的是，2C免费产品的高质量足以支撑2B付费产品的高质量（以下公司排名按名称首字母顺序）。

在以上14家公司中，笔者对每家的可试用的产品均进行了实操体验，同时结合公司的创始背景、融资情况，将这些公司划分为三类。第一类型的公司优势明显，要么已经深耕所在的细分领域，要么是空白细分领域的先锋；第二类型的公司产品偏向智能数据和分析工具服务商；第三类型的公司产品功能尚不明确或者公开信息不全。

第一类型：未来的独角兽

在第一类型的公司中，阡寻科技较其他几家公司成立时间早，其智能投研产品的应用已经较为成熟；庖丁科技专注于提供金融语义理解智能化解决方案，是金融文档实时、精确、全自动结构化领域的先入者；VC SaaS致力于创投企业办公云平台的开发；鼎复数据和文因互联都强调其知识图谱的构建。

1. 阡寻科技

阡寻科技是由东吴证券与中国证券市场及自然语言领域泰斗级人物白硕先生所率领的团队共同发起设立，成立之时就备受业界关注。公司官网上对自己的的描述是是一家专注于金融科技领域的高科技金融科技集团，致力于通过包括人工智能在内的信息科技手段重构中国金融业态。2015年成立至今，公司目前的产品有股票对话机器人——阡宝、可定制自动化研究报告、能自动捕获事件，沿产业链图谱传导量化其影响，实时预警的智能投研系统以及实时监测市场的智能资讯。

2. 庖丁科技

庖丁科技是一家将金融市场知识多维度深层次结构化的人工智能高科技公司，致力于让计算机能够真正读懂金融语义，理解业务知识，切实帮助资本市场全产业链各参与机构提升尽调，审计，研究，投资等工作效率或最终增加业务收入的实际问题。公司的三位创始人分别是来自AI领域的科学家、成功的互联网行业连续创业者和金融行业资深从业人士，这种跨界组合也并不多。

庖丁科技推出了两个可供使用和测试的产品：AutoDoc和PDFlux。

其一期核心产品是全球首款金融文档智能产品——AutoDoc，产品能够对金融文档中的勾稽关系进行检查、核对财务数据和指标、数据的变动和比例以及错别字。该产品在官网注册登录后即可试用。

笔者通过公开渠道下载了pdf的《中国中冶：2017年公开发行可续期公司债券（第二期）募集说明书》上传，试用之后的结果非常令人吃惊。产品在15分钟之后，找出了293页的公开文件中的15个冲突，并自动生成了附带标注的word文档，将pdf中表格和图表也进行了完美的转换。以下是试用截图：

以下是转换后的带标注的word文档：

第二个可试用的产品是PDFlux，产品的功能是将pdf文档中有线框和无线框表格转化为Excel。进入pdflux网站登录后免费试用。

笔者通过公开渠道下载了pdf的《南京银行：2016年年度报告》上传，该工具将pdf文档中的表格进行了完美的转换，没有出现任何常见的格式错乱、无框表格无法识别的情况。虽然功能看似简单，但是笔者还真没有在市面上试用过体验效果这么好的产品，试用截图如下：

3. VC SaaS

VC SaaS致力于开发创投业办公工具，根据媒体报道公司已经开发出平台2.0版本，是贯穿投前、投中、投后全流程的云办公平台。同时公司在也开始涉及行研报告领域，自建数据爬虫并有众多的数据采集源，通过公开渠道进行数据采集并进行自然语义处理（NLP），最终通过这些数据产出不同的行业报告和数据报告。但目前的行业和数据报告公开信息能找到的非常少。

办公平台的页面及收费标准：

4. 鼎复数据

公司的官网简介是为金融机构的资产端业务提供研究数据、数据处理工具以及智能投研平台的科技公司。公司的产品比较明确，是股票二级市场的投资研究平台。其中包含了个股信息查询、鼎复金融搜索引擎、PDF解析工具、公司/产品/人物图谱。

笔者试用了鼎复金融搜索引擎和其PDF解析工具。金融搜索引擎和其他创业公司的金融信息搜索选股试用差别不大；值得一提的是PDFree工具，能够智能抽取PDF中的表格, 转换为Excel。这就需要用到AI技术。笔者通过公开渠道下载了一份《私募基金管理人登记及私募基金产品备案月报（2018年第1期）》上传，工具能够将明显有边框的表格完美的转换成Excel，但是无边框的表格和图形目前还不能够识别和转换。

公司官网上自行公布的准确率如下：

5. 文因互联

文因互联是一家智能金融技术与服务提供商，主要提供自动化公告摘要、自动化研报摘要、自动化报告写作、金融查询机器人、金融搜索等智能金融核心工具。

目前文因互联的产品有文因助手——自动报告+金融问答，以及文因搜索。但是文因助手的自动化报告撰写无法进行试用，所以此处不表。文因搜索的功能也是公司及行业公开信息的汇总及分析，使用截图如下：

第二类型：Wind +

下面要说大部分创业公司的2C产品较为简单，仍是深度数据挖掘，未见数据间明显的关联性和预测，产品功能类似智能版Wind。Wind是金融人士最常用的金融数据和分析工具服务商，只是背后数据的来源更多的依靠大量人工进行采集，以下的金融科技公司或是将这些采集工作交给了更多的人工智能，或仅是在现有数据上进行了可视化分析，产品较为同质化，市场竞争激烈。

这类公司中有AlphaFA知著、IBDATA、企名片、数库科技、通联数据、因果树。公司产品的区别主要在于所搜集的公司数据是一级市场还是二级市场，产业链的深度和广度。同时针对查询公司或者行业的基本面的结论依赖背后金融模型，这些智能分析的结果是好是坏，最后还需人脑来鉴别。

1. AlphaFA 知著

公司的核心产品是企业及行业信息整合的搜索引擎，笔者从官网上注册试用后情况和体验如下：

画面简洁流畅，可以搜索上市公司相关基本面信息和行业信息，包括企业基本情况、财务数据分析、企业发展趋势分析和企业综合分析。主要的核心技术还是数据挖掘、整合和常见的金融模型的组合。

比如笔者查询金融科技行业相关信息，AlphaFA知著就可以显示有9家主板上市公司，7家中小板上市公司，14家创业板上市公司，0家新三板公司，其中基础层38家，创新层15家。行业净利润平均数在2016年为6091.48万元等历史信息。2C端的产品未看出与其他金融数据服务商有很大差别。

2. IBDATA

公司官方网站上介绍公司产品为信批搜索、深度搜索、项目尽调、投研应用。除了投研应用之外，其它产品开放试用。但深度搜索和项目尽调注册程序较为繁琐，需要微信后台客服人工验证申请信息。笔者试用了信批工具，仅能够查询到上市公司公开披露的信息。

3. 企名片

企名片的FinOS系统，官网号称能够提供更加丰富的一级市场企业数据、二级市场公告和财报结构化数据、国内外企业基本面数据，满足金融机构和专业人士个性化的数据导出服务和行业研究需求。

笔者登录后的体验为产品非常简单，仅是将创业公司的基本信息、融资历史、公司团队、相关竞品、工商信息进行汇总。核心的技术还是在数据挖掘，并未见到更多的智能语义理解，信息之间的关联。

4. 通联数据

通联数据背靠大企业万向集团，百度百科中显示中国企业500强第127位，是不差钱的创业公司。公司的产品有基本面研究平台——萝卜投研；量化投资平台——优矿；对接资金方和管理人的FOF/MOM管理平台——通联魔方；以及金融科技最常见的智能投顾。

萝卜投研本质上使用体验与上述AlphaFA知著以及IBDATA没有差别，都是公司基本面数据汇总，信息很全面，或许差别主要面向企业用户能体验到的金融模型算法后的一些结论。优矿更类似于一个量化投资平台的讨论社区。通联魔方比较像是基金经理和买基金的人的一个交易平台以及基金实时信息的一个汇总，还是偏向传统的金融销售。

萝卜投研（红框中功能不开放试用）：

优矿：

通联魔方：

5. 数库科技

数库科技是一家基于机器学习算法的大数据量化分析公司，致力于为用户提供智能化的数据服务。公司成立于2009年，公司的核心技术是通过数库独家的挖掘以及分析工具，可以使非结构化、半结构化的数据结构化；使原本无序没有关联的数据产生关联性，进而实现数据智能化，为个人投资、金融机构投研提供精准而又全面的技术服务。

数库科技专注的数据是行业和产业链的，爬虫得到的数据需要被结构化之后再次整合。目前公司的产品有SAM行业分析工具，和基于SAM而衍生的产业链的分析工具。但产品并不开放试用，故笔者无法给出试用体验，暂且只能将它排在第二类的公司中。

6. 因果树

因果树的官方网站上对产品的介绍是创投信息数据库、产业链数据洞察系统、数据智能定制解决方案。他们的主打核心技术是自有智能标签体系和企业关联图谱，能将企业准确的分门别类，有助有投资者分析。产品可快速搜索出创投公司的相关信息：

第三类公司产品功能尚不明确或者公开信息不全。

1. 阿博茨

阿博茨公司的名字来源于ABC的中文拼音，A代表AI、B代表Block chain区块链、C代表Cloud云技术。所以公司的发展方向有些分散让人摸不着头脑。2016年公司开发了区块链的应用产品——同心互助，却在2017年关闭区块链相关的业务转向人工智能，2018年3月杨永智在接受媒体报道时谈及此事时，解释为“第一还没有找到时间点，Timing，第二还没有找到那个除了数字货币之外的Application是什么。”除此之外，关于公司的两款金融科技产品，为提升金融专业人士投资研究效率的“Modeling.ai”，以及数据预测产品“Eversight.ai”，相关信息都来源于媒体报道，官网无关于该产品的信息和试用入口。

2. 青椒科技

在青椒科技的相关媒体公开报道中，公司是一家金融科技公司，三个主要业务是：金融信息智能处理、人机交互交易系统和智能投顾+资管。核心产品是针对二手材料开发了智能研报处理系统，每天抓取研报，按照算法模型处理后，生成各种综合简报和图谱。但在笔者调研过程中，发现相关信息都来源于媒体报道和创投信息网站，却无法找到官方网站和产品试用入口。

3. 香侬科技

香侬科技是一家面向金融领域的人工智能公司，旨在用人工智能算法分析、提取、整合海量金融信息。公司刚刚在2018年1月获得天使轮融资，目前没有...

我们之前学习过将各种数据导入R的方法。但有时候可能要做相反的事情——把R中的数据导出去——以实现数据的保存或者是在外部程序中使用。

符号分隔文本文件

可以用write.table()函数将R对象输出到符号分隔文件中。函数使用方法：

write.table(x, outfile, seq=delimiter, quote=TRUE, na="NA")

其中x是输出的对象，outfile是目标文件，比如：

write.table(mydata, "mydata.txt", seq=",")

会将mydata数据集输出到当前目录下逗号分隔的mydata.txt文件中，用路径可以将输出文件保存到任何地方。用seq="\"替换seq=","，数据就会保存到制表符分隔的文件中。默认情况下，字符床是放在双引号中，缺失值用NA表示。

Excel电子表格

xlsx包中的write.xlsx()函数可以将R数据框写入到Excel 2007文件中。使用方法是：

library(xlsx)

write.xlsx(x, outfile, col.Names=TRUE, row.names=TRUE, sheetName="Sheet 1", append=FALSE)

例如这条语句：

write.xlsx(mydata, "mydata.xlsx")

会将mydata数据框保存到当前目录下的Excel文件mydata.xlsx的工作表（默认是Sheet 1）中。默认情况下，数据集中的变量名称会被作为电子表格头部，行名称会放在电子表格的第一列。函数会覆盖已经存在的mydata.xlsx文件。更多详情，请参考xlsx扩展包文档。

统计学程序

foreign包中的write.foreign()可以将数据框导出到外部统计软件中。这里会创建两个文件，一个是保存数据的文本文件，另一个是指导外部统计软件导入数据的编码文件。使用格式如下：

write.foreign(dataframe, datafille, codefile, package=package)

例如，下面这段代码：

library(foreign)

write.foreign(mydata, "mydata.txt","mycode,sps", package="SPSS")

会将mydata数据框导出到当前目录的纯文本文件mydata.txt中，同时还会生成一个用于读取该文本文件的SPSS程序mycode.sps。package参数的其他值还有“SAS”和“Stata”。

相关阅读网站：https://cran.r-project.org/doc/manuals/R-data.pdf

在最新一期的话题中，80%读者认为Python是最好的编程语言，知乎上类似的问题也很多，例如如何入门Python?如何3个月内入门Python？虽然现在可以学习的Python途径很多，但是想要打好牢固的基础知识，系统的学习Python的知识体系，还需要靠阅读专业的书籍来不断积累。

谁会成为AI 和大数据时代的第一开发语言？

这本已是一个不需要争论的问题。如果说三年前，Matlab、Scala、R、Java 和 Python还各有机会，局面尚且不清楚，那么三年之后，趋势已经非常明确了，特别是前两天 Facebook 开源PyTorch 之后，Python 作为 AI 时代头牌语言的位置基本确立，未来的悬念仅仅是谁能坐稳第二把交椅。

学习Python之路其修远兮，能否跨进时下最热的人工智能领域，无疑学好Python是通往高薪的捷径之路。

《Python核心编程 第3版》

畅销经典的Python基础教程学习手册进阶图书

兼顾Python2和Python3

机器学习 数据处理 网络爬虫热门编程语言

Python开发人员的案头常备

编辑推荐

全面涵盖当今应用开发中的众多领域为中级Python开发人员提供杰出实践方法涵盖大量实用的代码案例每章末尾的习题有助于巩固所学知识

想进一步提升Python编程水平？请深入分析真实应用程序中使用的大量相关主题涵盖了正则表达式、Internet/网络编程、GUI、SQL/数据库/ORM、多线程、Web开发了解当前的开发区域，比如Google 、Twitter、MongoDB、OAuth、Python 3迁移、Java/Jython囊括有关Django、Google App Engine、CSV/JSON/XML和Microsoft Office的全新内容。包含Python 2和Python 3代码，以便立即可以使用提供了代码片段、互动案例和实用练习，旨在巩固Python技能

《Python编程快速上手让繁琐工作自动化》

美亚畅销Python编程入门图书

Python3实战指南

带你快速实现Python高效编程

编辑推荐

美亚畅销Python编程图书，帮助你通过编程快速实现工作自动化在本书中，你将学习利用Python编程，在几分钟内完成手工需要几小时的工作，而事先却无需具备编程经验。一旦掌握了编程的基础知识，你就可以毫不费力地创建Python 程序，完成高效的自动化工作，包括：

● 在一个文件或多个文件中搜索文本；

● 创建、更新、移动和重命名文件和文件夹；

● 搜索网页和下载的在线内容；

● 在任意大小的Excel电子表格中更新和格式化数据；

● 拆分、合并PDF文件，以及如何加水印和加密；

● 发送提醒邮件和文本通知；

● 填写在线表格。本书的作者Al Sweigart是一位杰出Python程序员,他还是《Python 密码学编程》、《Python游戏编程快速上手》和《Python 和Pygame 游戏开发指南》的作者。

《“笨办法”学Python(第3版)》

尽享5小时的完整视频教程

跟着数十万人的Python导师学Python编程入门基础教程

为Web开发实战 数据分析打下坚实基础

编辑推荐

Zed Shaw完善了这个堪称世上*好的Python学习系统。只要跟着学习，你就会和迄今为止数十万Zed教过的初学者一样获得成功。

在这本书中，你将通过完成52个精心设计的习题来学会Python。阅读这些习题，把习题的代码精确地写出来（禁止复制和粘贴！），修正你的错误，观察程序的运行。在这个过程中，你将了解软件是如何工作的，好的程序看起来是什么样子，怎样阅读、编写、思考代码，以及如何用专业程序员的技巧来找出并修正错误。*重要的是，你将学到下面这些编写优秀的Python软件必需的初始技能。

这本书会让你的每一分钟投入都有回报。Python是世界上*强大、*受欢迎的编程语言之一，很快你就会成为一名Python程序员。

你还可以看Zed的视频！随书附赠的DVD中包含5个多小时激情挥洒的教学内容：一部完整的Python视频教程！

《像计算机科学家一样思考Python 第2版》

学会像计算机科学家一样思考 轻松学Python

编辑推荐

· 如果想要学习如何编程，从Python语言入手是一个很好的开端。本书从基本的编程概念开始，一步步引导读者了解Python语言，再逐渐掌握函数、递归、数据结构和面向对象设计等高阶概念。本书第2版及其辅助代码均已升级，支持Python 3。每章后的练习可以帮助读者加深对刚学的编程概念的理解。本书是高中和大学阶段的学生、自学者，以及需要了解编程基础的专业人士的理想读物。初学者可以在浏览器中学习如何开始Python编程。

· 从基础开始，包括语言的语法和语义。

· 掌握每一个编程概念的清晰定义。

· 循序渐进地学习值、变量、语句、函数和数据结构。

· 了解如何操作文件和数据库。

· 理解对象、方法和面向对象编程。

· 使用各种调试技巧来修复语法错误、运行时错误和语义错误。

· 通过一系列案例研究来探索函数、数据结构和算法。本书的示例代码均在GitHub仓库中维护，读者很容易下载和修改。

《Python高级编程 第2版》

Python进阶教程 机器学习人工智能深度学习开发热门编程语言 web开发与后端工程师参考指南 基于Python3.5撰写

编辑推荐

Python是一门动态编程语言，它简单而又强大，适用于众多领域。尽管编写Python代码比较容易，但是编写高效且易于维护和复用的代码是一个挑战。

本书的重点是让你熟悉zui佳实践、有用的工具以及标准，这都是Python专业人士每天使用的。

首先，你将了解Python 3.5中新增加的功能以及可以提高生产力的快速技巧。接下来，你将学习使用这个新版本中的高-级且有用的Python语法元素，以及实现元编程的不同方法。本书讲解了代码管理工具、编写清晰文档的方法和测试驱动开发，这些都是编写代码的重要因素。通过学习优化的一般原则、查找瓶颈的策略以及应用优化的选定工具，你可以对如何编写高效的代码有更深入的理解。读完本书后，你会成为一名可以编写高效且可维护代码的专家。 通过阅读本书，你将能够： 了解在Python社区中广泛采用的约定和zui佳实践； 高效打包Python代码，以便将其应用于社区和生产； 应用在远程系统上自动化部署代码的简单且轻量的方法；提高代码的质量、可靠性及性能； 在Python中编写并发代码； 使用其他语言编写的代码来扩展Python。

《精通Python自然语言处理》

用Python开发令人惊讶的NLP项目自然语言处理任务

掌握利用Python设计和构建给予NLP的应用的实践

编辑推荐

自然语言处理（NLP）是有关计算语言学与人工智能的研究领域之一。NLP主要关注人机交互，它提供了计算机和人类之间的无缝交互，使得计算机在机器学习的帮助下理解人类语言。本书详细介绍如何使用Python执行各种自然语言处理（NLP）任务，并帮助读者掌握利用Python设计和构建基于NLP的应用的zui佳实践。本书引导读者应用机器学习工具来开发各种各样的模型。对于训练数据的创建和主要NLP应用的实现，例如命名实体识别、问答系统、语篇分析、词义消歧、信息检索、情感分析、文本摘要以及指代消解等，本书都进行了清晰的介绍。本书有助于读者使用NLTK创建NLP项目并成为相关领域的专家。 通过阅读本书，你将能够:

● 实现字符串匹配算法以及标准化技术；

● 实现统计语言建模技术；

● 深刻理解词干提取器、词形还原器、形态分析器以及形态生成器的开发；

● 开发搜索引擎并实现词性标注和统计建模（包含n-gram方法）等相关概念；

● 熟悉诸如树型库建设、CFG建设、CYK以及Earley线图解析算法等相关概念；

● 开发基于NER的系统并理解和应用情感分析的相关概念；

● 理解并实现信息检索和文本摘要等相关概念；

● 开发语篇分析系统以及基于指代消解的系统。

《Python机器学习实践指南》

直接上手的教学内容

身临其境的写作风格

轻松掌握机器学习实战知识

应用高级机器学习方法解决日常问题

编辑推荐

机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。 Python机器学习实践指南以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓。

Python机器学习实践指南

适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。 通过阅读Python机器学习实践指南 ，你将能：

·了解Python机器学习的生态系统；

·了解如何执行线性回归；

·机器视觉概念的介绍； ·高级数据可视化技术；

·如何使用第三方API，部署机器学习模型； ·时间序列的建模技术； ·如何构建无监督模型。

《用Python写网络爬虫》

用Python进行数据处理和数据挖掘的代表著作

剖析网络爬虫技术的实现原理

精通Python网络爬虫实战

编辑推荐

作为一种便捷地收集网上信息并从中抽取出可用信息的方式，网络爬虫技术变得越来越有用。使用Python这样的简单编程语言，你可以使用少量编程技能就可以爬取复杂的网站。

《用Python写网络爬虫》作为使用Python来爬取网络数据的杰出指南，讲解了从静态页面爬取数据的方法以及使用缓存来管理服务器负载的方法。此外，本书还介绍了如何使用AJAX URL和Firebug扩展来爬取数据，以及有关爬取技术的更多真相，比如使用浏览器渲染、管理cookie、通过提交表单从受验证码保护的复杂网站中抽取数据等。本书使用Scrapy创建了一个高级网络爬虫，并对一些真实的网站进行了爬取。

《用Python写网络爬虫》介绍了如下内容：

通过跟踪链接来爬取网站；

使用lxml从页面中抽取数据；

构建线程爬虫来并行爬取页面；

将下载的内容进行缓存，以降低带宽消耗；

解析依赖于JavaScript的网站；

与表单和会话进行交互；

解决受保护页面的验证码问题；

对AJAX调用进行逆向工程；

使用Scrapy创建高级爬虫。

本书读者对象 本书是为想要构建可靠的数据爬取解决方案的开发人员写作的，本书假定读者具有一定的Python编程经验。当然，具备其他编程语言开发经验的读者也可以阅读本书，并理解书中涉及的概念和原理。

《Python面向对象编程指南》

掌握Python面向对象编程的精髓

构建强大的实际应用程序

编辑推荐

本书致力于深入讲解Python语言的高级特性，通过丰富、强大的代码示例为读者循序渐进地讲解如何编写高质量的Python代码。本书可谓是成就Python编程高手的必读之选。本书通过实际的例子对Python中面向对象编程的理念进行介绍。针对所有可用于和Python内置功能进行无缝结合的特殊方法，本书都提供了详细示例，并且介绍了如何使用JSON、YAML、Pickle、CSV、XML、Shelve和SQL来创建持久化对象以及在进程间传输对象。本书还介绍了Logging和Warning模块、单元测试、配置文件以及如何使用命令行。

本书主要分为3个部分：

用特殊方法实现Python风格的类；持久化和序列化；测试、调试、部署和维护。

特殊方法部分又分为：

初始化方法、基本特殊方法、属性访问、可调用对象、上下文、容器、集合、数值，以及装饰器和mixin类等高级技术。本书示例丰富，通过诸多实际的例子对Python中面向对象编程的理念进行介绍，有利于读者更好地掌握Python的高级特性，编写成更好的实际应用程序。

《NLTK基础教程 用NLTK和Python库构建机器学习应用》

NLTK和Python库构建机器学习应用

编辑推荐

自然语言处理（NLP）属于人工智能与计算机语言学的交叉领域，处理的是计算机与人类语言之间的交互问题。随着人机交互需求的日益增长，计算机具备处理当前主要自然语言的能力已经成为了一个必然趋势。NLTK正是这一领域中一个强大而稳健的工具包。 在这本书中，我们首先会介绍一些与NLP相关的知识。然后，我们会探讨一些与数据科学相关的任务，通过这些任务来学习如何从零开始构建自定义的标识器和解析器。在此过程中，我们将会深度探索NLP领域的基本概念，为这一领域各种开源的Python工具和库提供具有实践意义的见解。接下来，我们将会介绍如何分析社交媒体网站，发现热门话题，进行舆情分析。zui后，我们还会介绍一些用于处理大规模文本的工具。 在阅读完本书之后，您将会对NLP与数据科学领域中的概念有一个充分的了解，并能将这些知识应用到日常工作中。如果您是NLP或机器学习相关领域的爱好者，并有一些文本处理的经验，那么本书就是为你量身定做的。此外，这本书也是专业Python程序员快速学习NLTK库的理想选择。

通过本书，你将学会：

■ 了解自然语言的复杂性以及机器对它们的处理方式。

■ 如何利用标识化处理手段清理文本歧义，并利用分块操作更...

最近新零售一词掀起了热潮，新零售一词是在2016年马云提出“五新”战略，认为未来30年社会将会出现新零售、新制造、新金融、新科技、新能源五个趋势。

新零售不仅仅是将传统的消费场景发生变化从而给消费者带来良好的体验，而是如何让消费者通过线上线下门店服务，体验到产品从而进行消费。无论是“新零售”还是“传统零售”，究其本质来看，所有的目的都是在围绕消费者，如何让消费者在消费的过程中体验到服务？首先你的门店要做到数字化服务。

您知道顾客来到门店什么商品会吸引顾客驻足？您知道顾客的活动线是怎么样的吗？您知道哪款产品的提袋率最高吗？解决这三个问题，对于您的门店来说不仅吸引顾客刺激消费，而且可以通过客流分析进行店铺人员平均分配。“ 让天下没有难开的店，专为开店人民服务”这是我们雅量文化的使命。为了服务千万中小门店，中国店铺用品商城推出可精准掌握店铺客流数据统计的一大神器——雅量数客宝。

雅量数客宝三大功能

1、精准掌握店铺客流数据统计，统计进出门店的人流量进行分析客流数据，帮助管理者有针对性的对企业进行管理、调整。

2、一目了然，旗下各大门店业绩排行。通过多样图表向您提供实时、直观、准确的门店业绩，助您针对性的做出经营分析、商业决策。

3、实时生成，数据报表。轻松诊断管理店铺，通过数据看管理。

雅量数客宝支持多用户及用户权限管理；支持多种终端查询方式（web、PC、APP等）；可根据用户需求定制报表呈现页面，重要数据一览无余 ；有完善多样的统计和打印功能，可查询实时数据，方便的将客流数据导出到PDF、EXCEL表格中，具有日、月、季、年等的对比功能；对于突发情形（故障/事件）系统可通过短信、邮件等方式通知，并可指定通知策略（定时/实时）；系统支持多种维度数据分析包含时间（日、周、月、年、时段、同比、环比等）、空间（全国、地域、店铺等)、综合数据（节假日、天气、活动、周边事件等）；可进行深入的数据分析挖掘，提供多样数据分析指标（进出客流量、滞留量、平均滞留时间、集客力、客流密度、转化率、平均客单价等）。

新零售的到来，你如果不能提高和增强企业的业务流程或服务体系，不能为用户创造出新的价值，那么对于时代的发展变化，你只能越来越看不到新的商机。如今生产力发展趋于饱和，商品过多且廉价，传统电子商务的发展使用户购物渠道变多，购买商品更加方便。因此打造数字化门店，通过以门店为中心，将前来购物和交流的顾客记录下来，利用媒体了解顾客对门店的评价，将这些记录全部捕捉，进行精准分析，才能让用户体验到更好的服务。

用户从当初对于产品只有通过功能规格那种冷冰冰的介绍，到现在趋向于参与产品的发展提出建议和整改，用户在服务体验上，从平台上了解到现在，更趋向于不同场景的服务、方便快捷的支付、以及更多的折扣方式来满足个人的需求。因此用户需求的改变，提供门店服务的你也应该转变了。 如今时代的变换，如果您的门店还在依靠传统的销售方式，那么就OUT啦！中国店铺用品商城为店主提供一站式新零售基础设施服务，致力帮助您的门店成为中国消费者心目中最好的门店。请联系中国店铺用品商城（dp218），中国店铺用品商城将给您提供超好的服务，超高质量的产品，让你得到不一样的零售体验。

摘要：近日，帆软官方正式发布了FineBI 4.0.2版本，新版本在速度、性能、交互、视觉上都有了大幅度的提升和美化，包括零时差实时分析，全行业案例模版更新，新增10+新图表等等总计26个功能。

自5月FineDirect直连引擎版本的发布，FineBI完善了和企业的数据平台对接以及处理方案覆盖性，如今，FineBI已有FineIndex引擎（原cube）和新的FineDirect直连引擎，可以搭配使用满足不同的场景。而本次新优化版本4.0.2的发布，无论是对FineIndex（cube连）还是FineDirect直连，性能上都有大幅度提升。明细表、交叉表、指标过滤、联动、钻取等无论是计算展示速度还是并发性能都位于同行第一，百万行明细表基本秒出。除此之外，本次的更新更加注重产品的稳定性以及用户体验，登录新版FineBI的demo，可直接体验。（demo.finebi）

全新的实时分析应用案例，获取零时差数据

全新的行业分类模版，更全面更美观

新增矩形树图、多层饼图、漏斗图、复杂表、多类过滤组件，满足用户更多应用场景

支持组件最大化，便于更清晰的查看

提供散点图、气泡图新方案

支持一键将模板全部导出，支持图片与数据双格式

功能举例1：新增图表种类&新增图表堆积属性

功能举例2：支持分析图表的全局导出，一键将模板全部导出excel/pdf，支持图片和数据双重格式。

功能举例3：新增分级权限管理

功能举例4：关联生成性能优化

采用连续写文件的新方案，进一步加快关联主键ID不连续情况下关联生成的速度，从而提升FineIndex生成的总体性能。

技术优化细节

功能更新

1.1小数点精度优化

可根据实际需求设置小数点精度，满足不同用户对数据精度的不同需求。

1.2明细表添加总页数总条数

明细表添加总页数和总条数，让用户直观了解数据量大小情况。

1.3 BI编辑查看用户界面优化

可批量添加或删除BI编辑用户和查看用户，使其在用户多情况下，更高效完成BI编辑和查看用户添加。

1.4新增业务人员更新Excel数据集功能

业务人员在分析页面也可以对Excel数据集进行更新，无须管理员后台更新，减少业务部门和信息部门的沟通成本

1.5优化FineIndex更新(原Cube更新)进度界面

提供更完善的可视化界面，以便更清晰的了解当前更新进程同时能及时排查更新过程中出现的问题。

1.6增加图表系列堆积属性

增加堆积类图表、组合图系列堆积属性，更直观的分析总体、比较比例。

1.7增加完善图表种类

提供散点图、气泡图新方案，新增矩形树图、多层饼图、漏斗图，满足用户更多应用场景

1.8新增组件最大化显示功能

支持组件最大化，便于更清晰的查看分类比较多，系列比较密集的图表和表格

1.9新增复杂表组件

可以通过纵向的连接（维度的钻取、层级展开等）和横向的组合（即二维表中的一个大的维度对应多个指标）来实现多维度（指标）分析

1.10快速获取模板URL

支持在“我创建的”“所有模板”目录下快速获取模板URL，用户可通过URL直接访问模板

1.11全局导出

支持一键将模板全部导出excel/pdf，支持图片和数据双重格式。

1.12新增多类过滤组件

新增文本标签、文本列表控件、树标签、列表树、数值滑块控件、日期面板6种过滤组件

1.13新增分级权限管理

多部门共用系统、各个部门均可设立分级管理员，并给其部门员工分配权限，即实现多级管理员层层分配，分级管理员只能管理自己职责范围内的数据和模板权限分配。

1.14集成跳转接口优化

集成跳转时，可以先判断是否有fs平台，如果有fs，就在fs里打开tab；如果没有就在浏览器中开新tab。

交互更新

2.1优化图表初始配色

提供多种对应配色方案，适用于浅色主题和深色主题；改善初始单色系配色问题，完善颜色间隔区分太小的问题。

2.2图表、表格默认样式属性优化

优化数据点提示、数据点标签、图例、切换单位后的展示、图表配色等视觉问题

2.3全局样式滚动条优化

优化全局样式设置操作

性能提升

3.1并发性能

组件计算时，一段时间内相同的请求只计算一次，如：一个组件计算需要1秒，那么在这1秒内，所有同样的请求都不需要重复计算，等这次计算结束后一起返回结果。以此来提高并发。

3.2集群问题

在低上传网速前提下，进一步提高平台加载速度。

集群环境下，将检查关联放到BICubeTableAdapter里面进行，提高FineIndex存储读取，由此提升模板首次访问速度。

3.3 FineIndex存储读取

集群环境下，将检查关联放到BICubeTableAdapter里面进行，提高FineIndex存储读取，由此提升模板首次访问速度。

3.4关联生成性能优化

采用连续写文件的新方案，进一步加快关联主键ID不连续情况下关联生成的速度，从而提升FineIndex生成的总体性能。

3.5多路径关联界面加载优化

采用不完全加载所有的关联，等滚动条拉到一定程度的时候再加载的机制，解决优化关联关系上千时多路径设置界面加载慢无法使用的问题。

3.6优化文件读取性能

优化文件读取方案，大大降低联动等数据分析加载时间，提升速度。

3.7新计算引擎的内存释放

摒弃前版本中索引有些情况是部分构建，全部持有在内存中的方案；修改成持有索引时就释放，并且在计算还未构建时通过其他方式来取得索引。

3.8新计算引擎的内存释放

对于数据分析过程中涉及到的所有计算，都采用分页算法，无必要将全部计算都完成后再返回结果，提升用户体验；优化行/列表头较多、维度字段值分组较多、指标字段较多等引起的加载慢问题。

3.9不加指标的计算

优化计算方案，指数级提升组件中只有维度没有指标时的加载展示速度。

一、Wold文档（文本编辑）

1、Word 2003/2007 Word表格中“Shift+Alt+方向键”调整行序

Word表格编辑时可以使用一些快捷键提高效率,比如“Shift+Alt+方向键”组合,非常有用,用“Shift+Alt+上(或下)方向键”能够调整文档中段落的顺序,也可以调整Word表

格中的行序。方法是:将插入点置于要调整行的任意一个单元格内(或行尾段落标记前),按下“Shift+Alt”键,然后按上下方向键,按“向上箭头”键可使该行在表格内向上

移动,按“向下箭头”键可使该行向下移动。

2、Word 2003剔除试卷中的选择题答案

如果想在Word 2003中去掉选择题后括号内已有的答案,可按下面的步骤操作:按“Ctrl+H”组合键打开“替换”对话框,在“查找内容”框中输入“(^$)”,在“替换为”框

中输入“()”(括号中间有空格),单击“全部替换”按钮即可。但“$”只能表示一个任意的字母,即以上操作只能剔除单选题中的答案,若为多项选择题,可在查找时依次加

入多个“$”来进行查找并替换。

3、去除来自“记事本”的自动换动符

很多人习惯打草稿用“记事本”,然后复制到Word中进行排版编辑。但大家多将“记事本”程序设置为自动换行,而将其中的文本拷贝到Word中会出现一种奇怪的换行符号,

利用Word的“查找和替换”中的“[特殊格式]—[标记](即^P)”来查找替换这些换行符往往无效。这里你可以尝试在“查找和替换”中将“查找内容”设置为“^13”(不含

双引号),“替换为”项中不输入任何内容,然后全部替换即可去除来自“记事本”的自动换行符。

4、如何删除WORD文档所有空格空行

1)去多余空行――在“编辑”菜单中选择“替换”,在弹出对话框的“查找内容”中输入^p^p,在“替换为”中输入^p(这里^和p都必须在英文状态下输入),然后单击“全部

替换”即可(可以多次单击“全部替换”,直到出现“word已完成对文档的搜索并已完成0处替换”);

2)去多余空格――在“编辑”菜单中选择“替换”,在弹出对话框的“查找内容”中输入一个空格,在“替换为”中什么也不输入,然后单击“全部替换”即可(可以多次单击

“全部替换”,直到出现“word已完成对文档的搜索并已完成0处替换”)。

5、生僻字录入并不难:

1)利用Word中的插入符号法:比如我们要输入“朐”,先打开Word,输入“月”字并选中它,依次单击“插入—符号”,在弹出的窗口中把“字体”定为“普通文本”,“子集”

定为“CJK统一汉字”,就可以看到许多有“月”部首的汉字(如图1),从中可以找到“朐”字,双击这个汉字就可输入;

2)用“微软拼音”输入法中的手写板来输入:切换到微软拼音输入法,单击“选项”(即右下脚倒三角按钮),勾选“输入板”,那么在输入法状态中便会多出一个“开启/关闭

输入板”切换按钮,单击该按钮,弹出“手写识别”窗口,这样我们就可以将鼠标当成笔在左侧窗口中书写生僻汉字了,双击中间窗口得到的汉字“朐”即可输入。

6、在Word表格的最后添加一行

在表格最后添加一行,只需将光标移到表格的最后一个单元格中,按“Tab”键即可快速插入一行。

7、把文字替换成图片

首先把图片复制到剪贴板中,然后打开替换对话框,在“查找内容”框中输入将被替换的文字,接着在“替换为”框中输入“^c”(注意:输入的一定要是半角字符,c要小写),

单击替换即可。

8、Word中巧输星期

单击“格式→项目符号和编号”,进入“编号”选项卡,单击“自定义”按钮,在“编号样式”栏内选择“一、二、三”等样式,在“编号格式”栏内的“一”前输入“星期”

即可。

9、快速转换大写金额

在Word中输入12345,然后点击“插入→数字”命令,在弹出的“数字”对话框“数字类型”栏里选择中文数字版式“壹、贰、叁...”单击“确定”,则12345就变成中文数字

“壹万贰仟叁佰肆拾伍”。

10、自动更正错误词组:

可以通过Word2003自动更正写错的词组。比如“为虎作伥”容易写成“为虎做伥”,依次点击“工具-自动更正选项”菜单,在弹出的“自动更正”窗口中选择“自动更正”

标签项,在下面的替换文本框中输入“为虎做伥”,然后在替换为文本框中输入“为虎作伥”,点击确定。这样以后如果在文章中再次输入“为虎做伥”的时候,Word就会自动

更正为“为虎作伥”。用同样的办法我们可以把容易混淆的一些词组或是成语添加到自动更正中,让你的Word识别词组能力更强、更智能化。

11、加入水印

找到word中页面布局-水印-自定义水印，在水印窗口中可以选择图片水印，设置照片百分比大小，如果勾选冲蚀，那么照片水印就会颜色很浅，如果去掉模糊照片水印就会

很清晰。如果想删除水印，那么在页面布局中选择“水印-删除水印”就可以了。

12、怎样在word中添加需要的excel表格

在word中找到工具插入-插入对象-对象-浏览-选择要插入的excel，点击显示图标即可。

二、Excul（表格制作）

1、函数

我们使用Excel表格的时候常见的就是数据，我们对于数据的计算有很多种方法，但是数据一旦多了那就只能利用函数了！Excel函数一共有11类，分别是数据库函数、日期

与时间函数、工程函数、财务函数、信息函数、逻辑函数、查询和引用函数、数学和三角函数、统计函数、文本函数以及用户自定义函数。SUM,AVERAGE等等这些常用函数

外，我们财务可能用到的函数我来一一讲解其中意思：

财务函数可以进行一般的财务计算，如确定贷款的支付额、投资的未来值或净现值，以及债券或息票的价值。财务函数中常见的参数：

未来值 (fv)--在所有付款发生后的投资或贷款的价值。

期间数 (nper)--投资的总支付期间数。

付款 (pmt)--对于一项投资或贷款的定期支付数额。

现值 (pv)--在投资期初的投资或贷款的价值。例如，贷款的现值为所借入的本金数额。

利率 (rate)--投资或贷款的利率或贴现率。

类型 (type)--付款期间内进行支付的间隔，如在月初或月末。

2、Excel的数据分析

这也是一个小技巧，要多多掌握！

1、新建并打开excel表格。

2、首先添加数据分析插件，点击左上角文件按钮，出现菜单页面，点击选项按钮。

3、然后点击“加载项”选项，选中“分析工具库”，点击下方“转到”按钮。

4、然后出现excel加载宏界面，在”分析工具库“前方框内打勾，点击确定。

5、经过上一步已经成功添加”数据分析插件“，在”数据“-”数据分析“下可以找到。

6、然后点击”数据分析“，可以找到相关的分析方法，如 回归分析，方差分析，相关分析等。

数据分析完成之后可以将数据分析的表格打印出来，打印之前我们可以使用迅捷PDF虚拟打印机来进行文件格式的转换和打印提前预览。

3、为工作簿设置密码

这个技巧主要是设置文件安全性，如果不想其他用户打开工作薄，可设置工作薄打开密码，单击“文件”→“另存为”，单击“工具”菜单上的“常规选项”，在这里可根

据不同需要设置两种类型的密码：如果根本不想其他用户打开工作薄，则需在“打开权限密码”文本框中输入密码；如果只是不想其他用户修改工作薄，但可以打开查看，

则需要在“修改权限密码”文本框中输入密码。当然为了保险起见可以把两个密码都设置，最好是设置不同的密码内容。

4、隐藏行列

隐藏行或列共有三种方法，这里以行为例：

（1）右击要隐藏的行号，在出现的快捷菜单中选择“隐藏”命令。

（2）单击需要隐藏行中的任意单元格，然后选择“格式”菜单下的“行　隐藏”命令即可。

（3）移动鼠标要隐藏行的右侧，按住左键，通过移动向左移动的方式，将列宽调整为0，这样对应的行号会从工作表中自动消失，起到隐藏效果，要取消隐藏，需要同时选

择该行的左右相邻的两行，或者选中整个工作表，然后选择“格式”菜单下的“行　取消隐藏”命令即可。

三、CAD编辑器（图纸图片）

我们经常会用到图纸及图片的使用，比如说将图纸放入Wold文档中，更多的图文并茂描述。在一些机械、建筑、动漫设计等行业，都需要图纸的绘图、查看、编辑、任意格式批量转换等操作，一个全能的便捷的CAD编辑器可以解决对图纸、图片的各种个性化的需求。

1、查看器（可以同时打开多个CAD文件进行查看，浏览起来快速、便捷，大家都知道cad本身看图很麻烦）。

2、编辑器（同时对这个文件进行编辑的功能很全面，操作起来也很简单）。

3、转换器（批量对各种CAD格式之间进行转换，DWG、PDF、DXF、JPG等）。

4、其他高级、输出等功能，可以对图纸图片做一系列的操作。

四、PPT（幻灯片制作）

PPT的制作一般在演讲、教程等方面用到，里面其实没有什么难得。主要告诉大家几个注意事项，一定要切记，做到了，你的回报就特别的出色：

1、尽量用1种字体，最好不要超过3种

2、PPT的灵魂----“逻辑！”

3、PPT的恶心----“错别字等于苍蝇”

4、3色原则：“不要超过3种色系”

5、6字解码：“大化小，小化图”----提纲时，用逻辑树尽量将大问题分解成小问题，小问题用图表现。

6、12字真言：“能用图，不用表；能用表，不用字”

7、只要掌握如上原则，PPT肯定不会很“糙”或“土”，而且具有专业精神！

学好大数据，需要多读书。为自己建立一份书单，好好学习天天向上。我们根据大数据学习内容的特点，对相关内容进行整理和排序，从基础统计学到基础机器学习，再到内容更深入的专著，从具体的话题讨论，到整个行业的分析。这些书中既有数据科学经典读本，也有最近出版的新书，希望能帮助大家从中找到感兴趣的阅读内容。

1. 《深入理解机器学习：从原理到算法》Understanding Machine Learning: From Theoryto AlgorithmsBy Shai Shalev-Shwartz and Shai Ben-David

本书为剑桥大学机器学习教材。机器学习是计算机科学领域发展最快的分支之一，其应用具有深远的意义。本教科书的目的是有条理地介绍机器学习及为读者提供算法范例。本书介绍了机器学习基础知识，并详细解释了将这些原理转化为实际算法的数学推导理论论述。2.《统计思维：程序员的概率与统计学》

ThinkStats: Probability and Statistics for Programmers

作者：Allen B. Downey

《统计思维》是针对Python程序员编写的概率和统计学专著。本书强调利用简单的技术处理实际数据集（real dataset）、回答一些有趣的问题。书中还介绍了对美国国立卫生研究院的案例分析。作者鼓励读者在实际数据集项目中通过实践来学习。

3. 《统计学习基础：数据挖掘、统计与预测》

The Elements of Statistical Learning

作者：Trevor Hastie, Robert Tibshirani and Jerome Friedman

这本书在普遍概念框架中描述了数据学领域的重要思想。虽然这种方法属于统计学范畴，但本书的重点在于概念而不是数学。这本书的内容涵盖范围广泛，从监督式学习（预测）到无监督式学习。讨论的话题包括神经网络，支持向量机，分类树，其对boosting算法的讨论更是首创。

4. 《数据学基础》

Foundations of Data Science

作者：Avrim Blum, John Hopcroft, and Ravindran Kannan

虽然计算机科学的传统领域仍然非常重要，但越来越多的研究人员将使用计算机来了解和提取应用程序中出现的大量数据的可用信息，而不仅仅是利用计算机解决特定的问题。

5. 《大数据：互联网大规模数据挖掘与分布式处理》

Mining of Massive Datasets

作者：Jure Leskovec, Anand Rajaraman and Jeff Ullman

本书的编写基于斯坦福大学计算机科学课程“CS246: Mining Massive Datasets”。这本书和斯坦福的课程一样，是为没有计算机基础的本科学生设计的。为了支持读者进行更深入的探索，大部分章节最后都补充了深度阅读参考资料。

因为Python拥有像海一样丰富的第三方库，所以Python在数据分析方面能够处理的问题非常之广，从Excel比较擅长的公式计算，数据透视分析，到MATLAB比较擅长的科学计算，再到R语言中那些零散的机器学习库所能做的事情，Python都能优雅从容的面对。而这些工具不擅长的网络爬虫，大数据分析(结合spark)，Python更是能够出色的完成。

今天我们就来说说Python在数据分析方面有哪些优势？

① 相比Excel，Python能够处理更大的数据集;能够更容易实现自动化分析;能够比较容易的建立复杂的机器学习模型;

② 相比spss，spss是个统计软件，只适合在科学研究领域做实验数据的分析，并不适合做偏向实际应用场景的数据的分析;而Python能够处理复杂的数据逻辑，适合这些场景;

③ 相比R语言，Python的机器学习库只有一个—sklearn，所有的机器学习方法都集中在这一个库中，而R语言，我不清楚它到底有多少个用来做机器学习的库，R语言中的机器学习方法是如此的分散，以至于很难掌握。而且Python的使用人数在不断上升，有一些曾经只使用R的人在转向Python，我自己开始学的也是R，最后也学了Python。投入到一个呈现上升趋势的技术中，未来才会更加宽广。

④ 相比上述的几个工具，Python在做机器学习，网络爬虫，大数据分析时更加的得心应手。

小编这有一份《利用Python进行数据分析》PDF版，免费分享想要的小伙伴可以私信我~