20180301【充实计划】第633期

昨天阅读0.5小时，累计阅读259小时。

昨日阅读1小时，累计阅读132小时

昨日阅读15分钟，累计阅读9个半小时

昨天阅读3小时，累计阅读912小时

昨日阅读时间1小时，累计阅读时间46小时。

1、阅读时间：昨日阅读2小时，总计阅读57小时；
2、阅读内容：《灰犀牛——如何应对大概率危机》、三联生活周刊、得到、公众号
3、阅读分享：
①电视人离开电视台有一千种理由：有的是不看好电视的前途，有的是不喜欢体制的束缚，有的是收到了资本大佬们的高薪聘请，有的是用创业来实现人生的梦想，有的是干电视太累就想歇歇，有的是在电视台怀才不遇另谋发展，或者上述理由兼而有之。电视人留在电视台也有不一而足的很多理由：电视依然是强势媒体，电视人只是一时乱了阵脚现在不够自信，电视未来也不会消亡，电视台也可以通过融媒体继续保持媒体优势，干电视挺好的。又或者对很多电视人来说，不留在电视台混饭吃，又能去哪呢？不管怎样，唱衰电视的人很多，看好电视的也大有人在。离开电视台的人很多，留在电视台的人也很多。——《电视逻辑之变：当媒体边界模糊，人人都是电视台》（刘正举）
②和弦理论是西方古典音乐的基础理论，也是西方人引以为豪的一项发明。曾经有人怀疑过这个理论的普适性，但该理论的支持者反驳说，你随便去试一个中国人，看他到底是喜欢和谐和弦还是不和谐和弦，答案肯定是前者，这就说明和弦理论是普适的。
但是，仔细一想不难发现，这个假想中的实验存在重大破绽，那就是当今中国已经很难找出一双没有被西方音乐“污染”过的耳朵了。我们从小到大听了不知多少流行音乐，它们大都是按照西方音乐理论写成的。绝大部分中国人的听觉习惯已经西方化了，很难做出公正的判断。——《民族的不一定就是世界的》（三联生活周刊）
4、阅读感悟：
现在越来越反感电视，因为电视的主观性太强，而且制作水平也是不断下滑。但是，电视应该不会退出历史的舞台，因为它还是有一个优点就是让人暂时躲避选择的烦恼。互联网的信息庞杂，很多时候选择摄入信息的过程反而远远超过摄入本身。

---------------------------分-----------割-----------线-------------------------

1、书目：《灰犀牛——如何应对大概率危机》；
2、连续阅读8日，中断0日。预计还需1日完成阅读；
3、当日阅读中最有启发性的段落：
①一个正在靠近的灰犀牛式危机对一些人来说是可怕的灾难，对于另一些人来说，可能是一次机遇。如果有能力改变危局的人迟迟不采取行动，那么就要重新定义面前的危机，让这个危机与他们休戚相关。把危机看成是一次机遇。
②我们的认知倾向会驱动我们对有利可图的事情展开行动，即我们不会单纯为了避免问题的发生而采取行动。
4、阅读感悟：
①同样是股市大跌，有人呜呼哀哉、有人欣喜若狂，关键所在就是他们所处的环境不同，所以同样一种事情，对有人是灾难，对有人是机遇。很多时候，我们要具体问题具体分析。
②我阅读前部分的时候就已经得出这个观点。

昨日阅读1小时，累计阅读391小时

昨日阅读1小时，累计阅读48小时

昨日阅读1小时，累计阅读98小时

第01天

1.主题：python练习爬虫+python数据分析导引课
python遇见数据采集
https://www.imooc.com/learn/712
慕课网python科学计算
https://www.imooc.com/video/12979

2,摘要
用y = list(x) 或 y = x[ : ]由列表x生成y，则当y改变时，x并不改变；
若直接用y = x生成y，则y变x也变；

numpy的array是python中list的等价物或替代品，可以对整个数组计算；

比较三种方法创建的不同类型：
>>> np2
([1.7, 1.82, 1.74, 1.77], [77.7, 85.2, 66.3, 62.0])
>>> type(np2)   #创建元组
<class 'tuple'>

>>> np2 = ([[1.70, 1.82, 1.74, 1.77], [77.7, 85.2, 66.3, 62.0]])
>>> np2      #创建列表
[[1.7, 1.82, 1.74, 1.77], [77.7, 85.2, 66.3, 62.0]]
>>> type(np2)
<class 'list'>

>>> np2 = np.array([[1.70, 1.82, 1.74, 1.77], [77.7, 85.2, 66.3, 62.0]])
>>> np2       #创建数组
array([[  1.7 ,   1.82,   1.74,   1.77],
       [ 77.7 ,  85.2 ,  66.3 ,  62.  ]])
>>> type(np2)
<class 'numpy.ndarray'>
>>>

了解你的数据Numpy：主要处理二维数组或矩阵
首先import Numpy as np
Numpy 基本统计量——> mean + median + std + corrcoef + sum + sort + …
运算速度比普通python函数更快，因为数组里的数据都有单一的类型。

数据可视化matplotlib：画图
首先import matplotlib.pyplot as plt
plot  ——>折线图
scatter  ——>散点图
hist  ——>直方图
xlabel ——>图形的X轴文字说明
ylabel ——>图形的y轴文字说明
title  ——>图形的标题
yticks ——> y轴刻度即单位
fill_between ——>填充颜色

逻辑运算与海量数据处理pandas：针对不同类型混杂的数据集
dataframe == CSV专门存取数据集，用于导入python
首先Import pandas as pd，比如导入bircs.csv
pd.read_csv(‘’, index_col = 0) ——> 导入csv
brics.loc[‘ 行名’] ——> 获取一行信息
brics.[‘ 列名’]  ——> 获取一列信息
brics[‘新列名’]  ——>  添加新列
brics.loc[‘行名’][‘列名’] ——> 交叉查询
brics.loc[‘行名’, ‘列名’] ——> 交叉查询
brics[‘列名’].[‘行名’]  ——> 交叉查询

3.心得感悟
A.简单了解Numpy、Pandas、Matplotlib的基本函数；
B.牢记各种语句定式，便于代码书写；

4.时间统计
昨日阅读5小时，累计250小时