和很多同学接触过程中，我发现自学Python资料分析的一个难点是资料繁多，过于复杂。大部分网上的资料总是从Python语法教起，夹杂着大量Python开发的知识点，花了很多时间却始终云里雾里，不知道哪些知识才是真正有用的。本来以为上手就能写爬虫出图，却在看基础的过程中消耗了一周又一周，以至于很多励志学习Python的小伙伴牺牲在了入门的前一步。
于是，小编总结了以下一篇干货，来帮助大家理清思路，提高学习效率。 首先详细说明一下做Python资料分析必知的语法
必须知道的两组Python基础术语
A.变数和赋值
Python可以直接定义变数名字并进行赋值的，例如我们写出a = 4时，Python直译器干了两件事情：
在内存中建立了一个值为4的整型资料
在内存中建立了一个名为a的变数，并把它指向4
用一张示意图表示Python变数和赋值的重点：
例如下图程式码，“=”的作用就是赋值，同时Python会自动识别资料型别:
a=4 #整型资料
b=2 #整型资料
c=“4” #字串资料
d=“2” #字串资料
print(“a+b结果为”，a+b)#两个整数相加，结果是6
print(“c+d结果为”，c+d)#两个文字合并，结果是文字“42”
#以下为执行结果
>>>a+b结果为 6
>>>c+d结果为 42
请阅读程式码块里的程式码和注释，你会发现Python是及其易读易懂的。
B.资料型别
在初级的资料分析过程中，有三种资料型别是很常见的：
列表list（Python内建）
字典dict（Python内建）
DataFrame（工具包pandas下的资料型别，需要import pandas才能呼叫）
它们分别是这么写的：
列表（list）：
#列表
liebiao=[1,2.223,-3,\'刘强东\',\'章泽天\',\'周杰伦\',\'昆凌\',[\'微博\',\'B站\',\'抖音\']]
list是一种有序的集合，里面的元素可以是之前提到的任何一种资料格式和资料型别（整型、浮点、列表……），并可以随时指定顺序新增其中的元素，其形式是：
#ist是一个可变的有序表，所以，可以往list中追加元素到末尾：
liebiao.append(\'瘦\')
print(liebiao)
#结果1
>>>[1, 2.223, -3, \'刘强东\', \'章泽天\', \'周杰伦\', \'昆凌\', [\'微博\', \'B站\', \'抖音\'], \'瘦\']
#也可以把元素插入到指定的位置，比如索引号为5的位置,插入“胖”这个元素：
liebiao.insert(5, \'胖\')
print(liebiao)
#结果2
>>>[1, 2.223, -3, \'刘强东\', \'章泽天\', \'胖\', \'周杰伦\', \'昆凌\', [\'微博\', \'B站\', \'抖音\'], \'瘦\']
字典（dict）：
#字典
zidian={\'刘强东\':\'46\',\'章泽天\':\'36\',\'周杰伦\':\'40\',\'昆凌\':\'26\'}
字典使用键-值（key-value）储存，无序，具有极快的查询速度。以上面的字典为例，想要快速知道周杰伦的年龄，就可以这么写：
zidian[\'周杰伦\']
>>>\'40\'
dict内部存放的顺序和key放入的顺序是没有关系的,也就是说，"章泽天"并非是在"刘强东"的后面。
DataFrame：
DataFrame可以简单理解为Excel里的表格格式。汇入pandas包后，字典和列表都可以转化为DataFrame，以上面的字典为例，转化为DataFrame是这样的：
import pandas as pd
df=pd.DataFrame.from_dict(zidian,orient=\'index\',columns=[\'age\'])#注意DataFrame的D和F是大写
df=df.reset_index.rename(columns={\'index\':\'name\'})#给姓名加上字段名
和excel一样，DataFrame的任何一列或任何一行都可以单独选出进行分析。
以上三种资料型别是python资料分析中用的最多的型别，基础语法到此结束，接下来就可以着手写一些函式计算资料了。
