注：该文是上了开智学堂数据科学基础班的课后做的笔记，主讲人是肖凯老师。
为什么要做最优化呢？因为在生活中，人们总是希望幸福值或其它达到一个极值，比如做生意时希望成本最小，收入最大，所以在很多商业情境中，都会遇到求极值的情况。
最优化练习题
注：该文是上了开智学堂数据科学基础班的课后做的笔记，主讲人是肖凯老师。
用一个数字描述一组数字的特征。用一个数字来归纳一组数字，这个数字称为统计量或统计指标。
注：该文是上了开智学堂数据科学基础班的课后做的笔记，主讲人是肖凯老师。
数据整理是数据分析之前必要的工作。
1. 使用 pandas 中的函数，下载上证综指过去一段时间的数据，进行数据探索。
上证综指，全称是上海证券综合指数，是以上证所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数。这一指数自1991年7月15日起开始实时发布，基日定为1990年12月19日，基日指数定为100点。
注：该文是上了开智学堂数据科学基础班的课后做的笔记，主讲人是肖凯老师。
为什么要做数据可视化？因为可视化后获取信息的效率高。为什么可视化后获取信息的效率就高？因为人眼是个高带宽的巨量信号输入并行处理器，具有超强的模式识别能力，对可视符号的感知速度比对数字或文本快多个数量级，而可视化就是迎合了人眼的这种特点，才使得获取信息难度大大降低。（获取信息难度大大降低，也就是学习难度降低，也就能以有限的精力学到更多的东西，从而提高学习效率，所以可视化做得好就可以大大提高学习效率……）
1. 绘制一个二维随机漫步的图形
直接上代码：
%pylab inline
nsteps = 1000
draws = np.random.randint(-1,2,size=(2,nsteps))
walks = draws.cumsum(1)
plot(walks[0,:],walks[1,:]);
Populating the interactive namespace from numpy and matplotlib
创建向量有许多方法，举例说明：
import numpy as np
print(np.array([2,3,4])) # 可以从列表转换而来，np.array 会尝试为数组推断出一个较为合适的数据类型
[2 3 4]
print(np.zeros( (3,4) , dtype=np.int32)) # zeros 可以创建指定长度或形状的全 0 数组
[[0 0 0 0]
[0 0 0 0]
[0 0 0 0]]
1. 使用循环和向量化两种不同的方法来计算 100 以内的质数之和。
先定义个判断质数的函数。ps：纯手工打造，原生态，哈哈。
def checkprime(x):
if x<=1:
return False;
prime=True;
for i in range(2 , 1+x/2):
if x%i == 0:
prime = False;
break;
return prime;