（一）个人Pandas和可视化学习过程中存在的问题总结
Pandas
1.存在的问题
总的来说，经过之前的学习对pandas已经有了初步的认识和了解，但是依然存在两个比较重要的问题需要解决。
第一，仅仅掌握了pandas工具的基本操作，缺乏分析方法及分析思维。当单独面对原始数据，而没有分析步骤或者分析思路提示时，不知道如何进行分析。具体来说，知道用什么样的分析方法，也不知道用什么指标来进行衡量。需要通过下一章的学习，了解业务，了解指标体系，学习分析方法和分析思路。
第二，对pandas的操作还不够熟练。根据思路提示时能够知道最终要做出什么样的东西，但是实际操作起来却不知道如何运用pandas来得到自己想要的数据。需要巩固pandas基础，同时多加练习。
2.新的理解及需要注意的地方
1.map，apply，applymap的区别和理解
· apply：可应用于Series和DataFrame。应用于Series时会对Series中的每一个元素产生效果。应用于DataFrame时，会应用于DataFrame的每一行或者每一列。此时，如果axis=0（默认），则会把每一列（其实是一个Series）作为参数传入apply里的函数。如果，如果axis=1，则会把每一行（其实是一个Series）作为参数传入apply里的函数。
需要注意的是，返回每一个结果会组成一个Series，要特别注意这个Series的索引。如果是axis=0，即按列传入，返回的Series会是原本Dataframe的列名。如果axis=1，即按行传入，返回的Series会是原本Dataframe的行标签。
· map：应用在单独一个Series的每个元素中
· applymap：应用在DataFrame的每个元素中
参考文章
2.关于Series和DataFrame的本质区别
这个问题是在可视化的案例练习时遇到的。具体来说Series和DataFrame最本质的区别在于索引。Series只有一个索引，而DataFrame有行和列两个索引。
以下为单车案例中，新，老，活跃，回流，流失分析时的代码：
def active_status(data):
status=[]
for i in range(18):
if data[i] == 0:
if len(status)>0:
if status[i-1]=='unreg':
status.append('unreg')
else:
status.append('unactive')
else:
status.append('unreg')
else:
if len(status)==0:
status.append('new')
else:
if status[i-1]=='unactive':
status.append('return')
elif status[i-1]=='unreg':
status.append('new')
else:
status.append('active')
return status
purchase_stats=df_purchase.apply(lambda x: pd.Series(active_status(x),index=df_purchase.columns),axis=1)
上面一行的代码，没有出现pd.DataFrame()，但是返回的结果却是一个DataFrame。
将上面的函数修改一下，去掉pd.Series()的话，会是下面这样。
purchase_stats=df_purchase.apply(lambda x: active_status(x) ,axis=1)
这个函数执行完后，会返回一个Series。索引是一个一个userid，值是active_status函数返回的一个一个列表。
此时，如果使用pd.Series()，并且指定所有返回的Series都有相同索引，那么返回的值就不再是一个列表而是一个Series了。这一个一个的Series，行索引是一个一个userid，列标签是刚刚设置的相同的列名。因为同时具有了行和列的索引，就成为了一个DataFrame。
3.日期处理时遇到的各种问题
df.order_dt=pd.to_datetime(df.order_dt,format='%Y%m%d')
同样是在单车案例中遇到，pd.to_datetime可设置format参数来帮助这个函数理解原本的日期object，让这个函数能正确执行并且返回我们想要的结果。这是写上篇文章时，我没有理解也没有介绍到的。
df['month']=df.order_dt.astype('datetime64[M]')
这个astype('datetime64[M]')的用法也是第一次见。这个操作的目的是新建一个名叫month的列，并且将日期保留年与月，将日统一设置为1，并且保存到month列中。
这个题目不能直接用resample解决，因为没有设置时间索引。
rfm['R']= (rfm.order_dt - rfm.order_dt.max())/np.timedelta64(1,'D')
这个函数的目的是要得到最近一次消费。一般是计算 today 距离最近一次消费，这里因为时间太久远，就选择用的max值来代替。数值越大就越久远，分子得到的是一些天数类似 545 days（因为是时间格式相减）。除以一个单位，就不会有单位了只留下数值！
这个操作是除以np.timedelta64(1,'D')以此来去掉545 days中的days单位，得到一个数字，方便以后计算。
4.DataFrame中两种列选取方法的区别
dataframe名.列名和dataframe名['列名']这两种列的选取方法有时可能存在差异。
具体研究结果如下：
根据《利用Python进行数据分析第二版》P130的描述，dataframe[column]对任意列名均有效，但是dataframe.column只在列名是有效的python变量名时有效。
根据以上原话，可以分为两部分理解。第一，dataframe[column]是一个普适性的列选取方法，是一个标准的方法，在任何情况下都是适用且正确的。第二，相对来说，dataframe.column这种方法虽然简便，但不是一个普适性的列选取方法，他在变量名（在这里是指column名）不是Python有效变量名时是无效的。
我们可以回想一下Python基础中学过的变量名命名规则，就知道什么情况下变量名才是有效的了。只有变量名有效，这种dataframe.column选取方法才是有效且正确的。
具体变量命名规则如下：
标示符可以由 字母、下划线 和 数字 组成
不能以数字开头
不能与关键字重名
标识符是区分大小写的
可视化
目前可视化的问题主要在以下两个方面。
1.可视化部分缺少数据作为练习，而且matplotlib和pyecharts包内可设置的参数非常多，对这两个包只掌握了皮毛，不能灵活运用。
2.把数据做成图的方法有很多，matplotlib，pyecharts，powerbi甚至excel都可以完成。不知道实际工作中哪种方法用的比较多，这些选择里重点学习和掌握哪一个比较好？
按照和凯旋的交流，matplotlib和pyecharts这两个是知道如何使用就可以了。目前打算先进行下一章节的业务分析体系学习。
（二）业务分析体系
这部分内容以视频和PPT为主，这两部分是对业务分析体系的一个大致总结。于是根据内容和自己查找的资料结合，总结出了以下思维导图，先对体系有基础的认识。具体部分需要下周通过书籍和案例学习。
关于辛普森悖论，这个目前了解还不够深入，只是知道要从多维度进行分析能够避免。可是具体的操作时，仍不知道在什么情况下要警惕辛普森悖论的发生，要从哪些具体角度分析才能避免。这些都是要深入了解的内容。
