Question

在这一章，我们使用了一些新的 Python 库和技术，探索和分析了我们的数据集。你已经能够导入数据、联结数据、分组数据，并且基于发现创造新的数据集。

现在你可以使用统计学方法来找到离群值，衡量数据之间的相关性。你可以通过分离有趣的分组，并且深入数据探索之中，确定清晰的、可回答的问题来研究。如果你曾经使用过 IPython 和 %store 来保存变量，在下一章，我们会用这个命令做更多的交互。

现在你应该能够：

· 使用 agate 库评估你的数据；

· 确定哪些事，如果有的话，在数据中是至关重要的；

· 找到数据中的入手点或一部分的数据来做深入研究，得到结论；

· 通过分析和探索数据挑战你的假设。

本章中涉及的新概念和库总结在表 9-2 中。

表9-2：新的Python编程概念和库

概念/库	功能
agate 库	使数据分析变得简单，能够从 CSV 数据中读取数据，创建供分析的表，运行基本的数据分析函数，在数据集上应用过滤器，洞察数据
xlrd ctype 和 ctype_text 对象	当使用 xlrd 分析 Excel 数据时，让你能够轻松地看到数据的类型
isintance 函数	检验 Python 对象的类型。如何类型匹配，结果返回一个布尔值
lambda 函数	Python 中的单行函数，对数据集的简单过滤或解析非常有用。注意不要书写不易阅读和理解的 lambda 函数。如果函数很复杂，尝试用一个小函数来代替 lambda 函数
联结（内联结，外联结，左联结，右联结）	允许你通过一个或多个匹配的域联结两个不同的数据集。根据联结数据方式的不同（内 / 外和左 / 右），你会得到不同的数据集。花一些时间思考什么类型的联结更符合你的需求
异常处理	使你能够使用代码预见和处理 Python 异常。明确和清楚的异常捕获永远是更好的，这样你不会捕获过度泛化的异常而漏掉 bug
numpy coerrcoef	使用统计学方法，例如皮尔森相关系数，来确定数据集中的两部分是否有联系
agate mad_outliers 和 stdev_outliers	使用统计学模型和工具，例如标准差或平均偏差，来确定数据集是否有特殊的离群值或不合适的值
agate group_by 和 aggregate	根据特定的属性对数据集分组，通过运行聚合分析，查看在分组间是否有明显的不同之处（或相似之处）

在下一章中，你会学习如何使用可视化和讲故事的工具来在 Web 和其他媒介上分享结论。