鹤啸九天 自律更自由,平凡不平庸 Less is More

计算机知识点汇总-脑图笔记

Notes(温馨提示):

  1. ★ 首次阅读建议浏览:导航指南, 或划到本页末尾, 或直接点击跳转, 查看全站导航图
  2. 右上角工具条搜索文章,右下角二维码关注微信公众号(鹤啸九天),底栏分享、赞赏、评论
  3. ★ 转载请注明文章来源,知识点积累起来不容易,水滴石穿,绳锯木断,谢谢理解
  4. ★ 如有疑问,邮件讨论,欢迎贡献优质资料


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」

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

rules

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 1

Python技术点汇总

Python基础

2 Python 语言基础 2 3 标准数据类型 (一) 数值 & 字典 & 集合 3 4 标准类型补充 4 5 标准数据类型 (二) 序列对象 5 6 标准数据类型 (三) 字符串 6 7 条件 & 循环 7 8【进阶】条件 & 循环 8 9 函数 & 模块 9 10【进阶】函数 10 11 模块 11 12 面向对象编程 12 13【进阶】面向对象编程 13 14【进阶】补充知识 14 15 文件对象 15 16 异常处理 16 17 测试 & 调试 17

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)。

  1. 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
  2. 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;
  3. 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

Vamei 博客:Python 快速教程

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。

廖雪峰:Python 教程

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。

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

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

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

Web技术

结束


支付宝打赏 微信打赏

~ 海内存知已,天涯若比邻 ~

Share

Related Posts

下一篇 Python技能

标题:Python技能

摘要:Python开发相关技术知识点

站内可视化导航

文章可视化导读:鼠标划过图形块时,如果出现蓝色光环, 点击即可跳转到对应主题

Comments

--disqus--

    Content
    My Moment ( 微信公众号 )
    欢迎关注鹤啸九天