pandas數據分類？Series：一維數組，與Numpy中的一維array相似。二者與Python都差不多的數據結構List也很相同。Series如今能保存不同種元素數據類型，字符串、boolean

pandas數據分類？

Series：一維數組，與Numpy中的一維array相似。二者與Python都差不多的數據結構List也很相同。Series如今能保存不同種元素數據類型，字符串、boolean值、數字等都能保存到在Series中。Time- Series：以時間為索引的Series。

DataFrame：二維的表格型數據結構。很多功能與R中的相似。可以將DataFrame表述為Series的容器。

Panel：三維的數組，這個可以解釋為DataFrame的容器。

Panel4D：是像Panel差不多的4維數據容器。

PanelND：占據factory集合，是可以創(chuàng)建角色像Panel4D一樣N維命名原則容器的模塊。

Python主要元素有哪些？

python的主要元素基本都就是可以兩類兩大類——數值和字符串。

數值：數值是python最基礎的數據類型，也是我們定義變量給變量時最常用的形式，通常和整型、布爾型等。

字符串：也就是文本數據，在python中就像用引號來定義，可以不通過python通過拼接和交錯重疊，實現(xiàn)方法文本數據的處理；

數據分析需要用什么技術？java還python好一點？

我猜樓主問這個問題，主要那就對數據分析技術不太知道一點

先說結論：

假如你是想壘建發(fā)下的數據分析解決方案，從存儲，數據處理和清洗，結論，可視化，就得用java，不過java這塊解決方案和框架較多，比如hadoop,spark,flink等

假如你僅僅純數據分析，數據集比較單個體，比如想迅速在excel或數據庫中，數據庫檢索，查詢，精煉自己是想的數據，就用python

我們來看看目前企業(yè)對數據分析的需求吧：

20%的數據再發(fā)揮著80%的業(yè)務價值；

80%的數據請求只根據20%的數據。

目前來看，反正是數據存儲處理、分析應該挖掘，最求完整和完全成熟的生態(tài)圈肯定基于關系型數據庫，諸如報表、聯(lián)機分析等工具；至于應該是數據建模人員更偏重于網站查詢分析語言如SQL、R、Python數據分析包而并非編程語言。

企業(yè)平臺建設的二八原則是，將20%最有價值的數據——以結構化的形式存儲在關系型數據庫中供業(yè)務人員進行查詢和分析；而將80%的數據——以非結構化、遠古時期形式存儲在相對廉價的Hadoop等平臺上，供有一定會數據挖掘技術的數據分析師或數據工程師通過下一步怎么辦數據處理。在加工的數據也可以以數據集市或數據模型的形式儲存在NoSQL數據庫中，這都是后面要接著講的“離線”與“在線”數據。

數據庫到數據倉庫，是事務型數據到分析型數據的轉變，分析什么型數據必須和的是：分析的主題、數據的維度和層次，在內數據的歷史變化等等。而對大數據平臺來說，對分析的需求會最細，除開：

網上查詢：快速響應兩種條件查詢、模糊查詢、標簽

搜索：除開對非結構化文檔的搜索、回結果的排序

統(tǒng)計：動態(tài)實時思想活動變化，如電商平臺的在線銷售訂單與發(fā)貨計算出出的庫存總是顯示

挖掘點：意見挖掘算法、機器學習的訓練集

是對差別的數據處理需求，可能會是需要設計差別的數據存儲，還不需要考慮該如何飛快地將數據剪切粘貼到填寫的存儲點并接受合適的結構轉換，以供講人員快速響應業(yè)務的需求。

JAVA技術棧：

Hadoop三個分布式文件系統(tǒng)基礎架構。

可以解決了大數據（大到一臺計算機難以并且存儲，一臺計算機沒能在具體的要求的時間內并且處理）的可信存儲(HDFS)和處理(MapReduce)。

Hive是確立在Hadoop之上的，使用Hadoop另外底層存儲的批處理系統(tǒng)。（可以理解為MapReduce的一層殼）

Hive是替增加MapReducejobs的編譯程序工作。

HBaseHBase是一種Key/Value系統(tǒng)，它運行程序在HDFS之上。

Hbase是是為幫忙解決Hadoop的實時性需求。

Spark和StormSpark和Storm也是通用的并行計算框架。

能解決Hadoop只區(qū)分于離線狀態(tài)數據處理，而不能不能能提供實時數據處理能力的問題。

區(qū)別：

1.Spark實現(xiàn)這樣的理念，當數據異常龐大時，把計算過程傳達消息給數據要比把數據傳達消息給算出過程要更富效率。而Storm是把數據傳達消息給計算過程。

2.實現(xiàn)設計理念的不同，其應用領域也完全不同。Spark工作于保證的數據全集（如Hadoop數據）早被導入Spark集群，Spark基于組件intomemory管理可以通過快訊掃描，并最小化迭代算法的全局I/O你操作。Storm在閃圖全面處理更多能生成的“小數據塊”上要更好（.例如在Twitter數據流上實時計算一些匯聚功能或分析）。

Python技術棧

三張圖搞定

python技術棧