非常有幸参加了七月在线的Python数据分析课，以前有了解过Python，这是第一次系统化的学习Python。
本人学习Python的现实出发点是觉得以后是人工智能大方向。之后转向人工智能方面的工作。
本课开始是老师讲了一些关于Python的基础介绍，接下来介绍了Python的安装环境及相关类库的安装以及用命令行安装和查看库一些小技巧。
数据类型：
Python数据类型不用声明，每个变量在使用前都必须赋值，变量赋值以后该变量才会被创建。
Number(数字)
String(字符串)
List(列表)
Tuple(元组)
Set(集合)
Dictionary(字典)
程序处理：
1、判断
2、循环
3、容器
4、JSON处理
5、文件读写
6、异常处理
---容器：
(1) list list是可变对象，可以修改。
(2)tuple tuple是不可变对象，一旦初始化则不能修改。
(3)dict dict是一个可变的数据类型，和hash-map很类似，里面的元素是key-value，键值对。例： d = {key1 : value1, key2 : value2 }。注意不允许同一个键出现两次。创建时如果同一个键被赋值两次，后一个值会被记住。
(4) set 是一个无序的不重复元素序列。
必须掌每个类型的索引方式，如何增、删、改、查元素。
常用库的介绍：
1、Numpy numpy是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
2、Pandas pandas 是基于numpy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些模型的标准数据，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
3、Matplotlib Matplotlib是 Python 的绘图库。 可以将数据图表化，表现更换直观。
前面都是一些抽象的概念，比较枯燥，讲到了常用库才真实的体验了Python的魅力，瞬间兴趣猛增。
知识点不足：
1、没有真正理解面向对象的意义，还要继续加强学习理解。
2、切片、列表生成式、生成器、匿名函数这些还要继续深入理解。
3、还继续多抽时间敲代码，看一百行不如敲一行。
