IT技能知识点汇总
导读
MindMap
- 默认阅读顺序:从右→左,顺时针方向。
- 思维导图软件:XMind
- 如何下载?
- 高清原图及 PDF 版下载链接(公众号「数林觅风」ID:zoemindmap):
- ❥ 公众号后台回复「python」
- ❥ 进入公众号目录「导图下载」
- 高清原图及 PDF 版下载链接(公众号「数林觅风」ID:zoemindmap):
导图一览
先看一下本文所有思维导图: 【小视频】
P.S.由于平台对图片有一定程度的压缩,建议下载高清原图,放大后阅读。
如何阅读
对于基础较为薄弱的朋友,建议配合参考书目学习,更重要的是项目实战练习,把思维导图作为辅助梳理逻辑的工具。
Linux知识点
良好的 Linux 素养会让你在日常的工作中如鱼得水,在命令行里体会流水般的畅快感。
Shell知识点
在 Linux 的基础上再度深入学习 Shell,可以极大的减少重复工作的压力。毕竟批量处理才是工作的常态呢~
Python知识点
17 幅思维导图,主要就 Python 核心基础知识进行了细致梳理。无论你是编程初学者,还是经验丰富的程序员,都可以通过这些图快速了解或回忆 Python 编程中最重要的概念。
1 计算机基础
Python技术点汇总
- 【汇总】Python 编程核心知识体系
- 【笔记】Python(一)基础篇之「基础&数据类型&控制流」
- 【笔记】Python(二)基础篇之「函数&函数式编程」
- 【笔记】Python(三)基础篇之「模块&面向对象编程」
- 【笔记】Python(四)基础篇之「文件对象&错误处理」
- 【笔记】Python(五)数值计算库之「NumPy」
- 【笔记】Python(六)数值计算库之「Pandas」
- 【笔记】Python(七)数据可视化之「Matplotlib」
- 【笔记】Python(八)常用扩展库
- 【笔记】Python(九)爬虫常用库
Python基础
2 Python 语言基础 3 标准数据类型 (一) 数值 & 字典 & 集合 4 标准类型补充 5 标准数据类型 (二) 序列对象 6 标准数据类型 (三) 字符串 7 条件 & 循环 8【进阶】条件 & 循环 9 函数 & 模块 10【进阶】函数 11 模块 12 面向对象编程 13【进阶】面向对象编程 14【进阶】补充知识 15 文件对象 16 异常处理 17 测试 & 调试
Python 3
本文主要涵盖了 Python 编程的核心知识(暂不包括标准库及第三方库,后续会发布相应专题的文章)。
- 首先,按顺序依次展示了以下内容的一系列思维导图:基础知识,数据类型(数字,字符串,列表,元组,字典,集合),条件&循环,文件对象,错误&异常,函数,模块,面向对象编程;
- 接着,结合这些思维导图主要参考的资料,分享一下我的学习体验,一方面可供初学者参考,另一方面,也便于大家结合思维导图深入学习、理解、思考;
- 最后,提供几篇文章链接,方便希望从 Python 2.x 迁移到 3.x 的朋友理解。
14 张思维导图
基础知识
数据类型
序列
字符串
列表 & 元组
字典 & 集合
条件 & 循环
文件对象
错误 & 异常
函数
模块
面向对象编程
参考资料
基于 Python 2.x,极佳的入门材料,非常推荐,即使希望学习 3.x 的朋友仍值得一看,毕竟版本之间的转移比编程思想本身要容易的多(版本转移可以看「推荐阅读」)。作者还基于 Python 3.x 写了一本书。
廖大大的经典教程,我是配合上面的教程一起看,从不同的角度加深理解。
视频教程: Python语言程序设计
基于 Python 3.x,中国大学 Mocc 平台,网址是:http://www.icourse163.org/learn/BIT-268001?tid=1002001005 ,老师还有另外一系列 Python 课程,也是适合入门。
《Python 核心编程》第二版
书籍有些偏老,中文印刷有明显的小错误,但内容较全面,从浅入深覆盖面较大,可以在有一定基础的情况下择需阅读。
推荐阅读
What’s New In Python 3.0
The key differences between Python 2.7.x and Python 3.x with examples
相应中文版:Python 2.7.x 与 Python 3.x 的主要差异
Python生态圈
- numpy
- pandas
- matplotlib
Numpy
Reference
《Python for data analysis》
NumPy Reference — NumPy v1.12 Manual
Pandas
Pandas 提供了数据结构——DataFrame,可以高效的处理一些数据分析任务。我们日常分析的数据,大多是存储在类似 excel 的数据表中,Pandas 可以灵活的按列或行处理数据,几乎是最常用的工具了。
- Pandas按行按列遍历Dataframe的几种方式
- 简单对上面三种方法进行说明:
- iterrows(): 按行遍历,将DataFrame的每一行迭代为(index, Series)对,可以通过row[name]对元素进行访问。
- itertuples(): 按行遍历,将DataFrame的每一行迭代为元祖,可以通过row[name]对元素进行访问,比iterrows()效率高。
- iteritems():按列遍历,将DataFrame的每一列迭代为(列名, Series)对,可以通过row[index]对元素进行访问。
- 简单对上面三种方法进行说明:
Reference
《Python for data analysis》
pandas: powerful Python data analysis toolkit — pandas 0.20.1 documentation
Matplotlib
Python 有非常丰富的第三方绘图库,matplotlib 使用起来也许并不是很便捷,因为图上每个元素都需要自己来定制。但仔细体会 matplotlib 背后的设计思想是很有趣的事情。seaborn 之类的绘图库是基于 matplotlib 封装的,因而后期需要自己灵活定制图形时就大大受用了。本文的两幅思维导图是基于两种不同的思路绘制的,偶有内容交叉,日常使用可以选择自己熟悉的方式(网上的教程大多是基于过程的函数式编程,即 pyplot 方法)。建议配合最后附上出的参考资料学习。
Reference
《Python for data analysis》
Matplotlib: Python plotting — Matplotlib 2.0.2 documentation
绘图: matplotlib核心剖析
【数据可视化】 之 Matplotlib
Python–matplotlib绘图可视化知识点整理
一份非常好的Matplotlib 教程
数理统计
- 【汇总】机器学习基础之「统计篇」
- 【笔记】统计(一)描述性统计
- 【笔记】统计(二)概率&概率分布
- 【笔记】统计(三)抽样分布&区间估计
- 【笔记】统计(四)假设检验
- 【笔记】统计(五)两总体均值之差和比例之差的推断
- 【笔记】统计(六)总体方差的统计推断
- 【笔记】统计(七)多个比率的比较&独立性检验&拟合优度检验
- 【笔记】统计(八)实验设计&方差分析
- 【笔记】统计(九)简单线性回归
- 【笔记】统计(十)多元回归&回归分析
- 【笔记】统计(十一)时间序列及预测&非参数方法
SQL & 数据库
这篇笔记包括了基本的 SQL 语法,具体应用的 RDBMS 以 MySQL 为例,也会穿插一点点数据库的知识。最后讲了一下如何利用第三方库,结合 Python 使用 MySQL。
Reference
《SQL 必知必会》
SQL 教程-菜鸟教程
MySQL 教程-菜鸟教程
数据挖掘
数据处理是第一步骤,对数据挖掘的成败至关重要。此方面的经验要通过实战逐渐积累,且有很强的领域针对性。「相似/异性度量」需要重点关注。
机器学习
- 【笔记】机器学习(一)理论准备
- 【笔记】机器学习(二)数据处理&相似/异性度量
- 【笔记】机器学习(三)数学基础之「线性代数」
- 【笔记】机器学习(四)特征工程&模型评估
- 【笔记】机器学习(五)维归约
- 【笔记】机器学习(六)分类方法-理论篇
机器学习的这块知识体系非常庞大,部分知识可能深入不够,暂时仅供大家参考,我也还需要时间来更细致的学习。后续我会结合案例,单篇逐个进行讲解(可能需要的时间周期较长)。本文目前包括的理论包括决策树,规则分类器,最近邻方法,贝叶斯分类器,人工神经网络,支持向量机,集成学习以及不平衡类和多类问题。