1. 前言
本周学习计划是对于前两周学习的统计学理论基础上，将描述性统计理论进行python实践。
前两周其实就是看了下统计学基础理论和同步视频，补充基础知识，顺便在不是很了解的基础上安装了python，所以本周实践起来虽然还是有困难，但是上手容易了许多。
2. Jupyter Notebook介绍
2.1. 什么是Jupyter Notebook
首先，先简单介绍一下jupyter，前两周只是在前人经验上，安装了Anaconda，然后进入了jupyter编译环境，还没有在这个编译环境下调试过代码，其实由于是第一次接触python，也不知道为什么要安装这个，为什么一定是这个，这个和python的关系又是什么？其实脑袋里面是有很多问号的，本周通过网上查找资料和翻阅书籍，将相关理论做了一个整理。
Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。它的本质是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等，是数据科学/机器学习社区内一款非常流行的工具。
简单来说就是它提供了一个环境，你可以在其中记录代码，运行代码，查看结果，可视化数据并在查看输出结果。这些特性使其成为一款执行端到端数据科学工作流程的便捷工具 ，可以用于数据清理，统计建模，构建和训练机器学习模型，可视化数据以及许多其他用途。
2.2. 如何安装Jupyter Notebook
要使用Jupyter Notebook，首先你要确保自己已经安装了Python（2.7/3.3或更高），这是必备条件。
安装Anaconda，可以打包安装Python和Anaconda，所以第一步是安装Anaconda。
其实除了提到的两个工具，Anaconda还包含数据科学和机器学习中经常需要用到的各种软件包，只需下载、解压、安装，所有工具就都一步到位了。
下载地址：https://jupyter.readthedocs.io/en/latest/install.html
安装完成后，如果要运行Jupyter Notebook
- 在控制台输入以下命令：jupyter notebook
- 在开始里面选择Anaconda3(64位)->Jupyter Notebook
上面任意一种方法，都可以让电脑打开默认浏览器，网址为http:// localhost:8888/tree。
参考网址：http://www.elecfans.com/d/687743.html
相关快捷键：
Shift+Enter : 运行本单元，选中下个单元
Ctrl+Enter : 运行本单元
Alt+Enter : 运行本单元，在其下插入新单元
Y：单元转入代码状态
M：单元转入markdown状态
A ：在上方插入新单元
B：在下方插入新单元
X：剪切选中的单元
Shift +V：在上方粘贴单元
在执行没有输出的语句的时候，执行完后界面没有变化，例如下面的导入库的操作，执行后没有变化，不知道有没有执行成功：
咨询完学习小组的小伙伴们后，他们告诉我 In [*]代表正在执行,In []代表没有执行，In [1] 里面带数字的说明已经成功执行完成，试了下果然是这样。
3. 执行脚本
由于自己学习时间有限，所以我是紧跟老师给的学习计划及给的参考材料进行参考学习，所以第一遍的时候没有太多的思考，更多的是执行，下面更多就是列一下自己的执行结果，可能在第四周的时候会有点感悟。
3.1. 导入基础库：
Python最基础的数据类型包括数组、列表、字典比较常见的。而Numpy和Pandas的数据类型是在基础数据类型上建立，彼此相关，又彼此不同。np对象最重要特点向量化运算，pandas对象最重要特点是字典和列表混合。
-
NumPy
是高性能科学计算和数据分析的基础包。部分功能如下： -
Pandas
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 -
数据可视化matplotlib.pyplot