Web开发 Python拥有很多免费数据函数库、免费web网页模板系统、以及与web服务器进行交互的库，可以实现web开发，搭建web框架。
Web开发：结合python、html、css、javascript、数据库等开发一个网站。数据科学 数据科学，包括了机器学习，数据分析和数据可视化。
Python的作用是抓取网页数据、Web开发、人工智能开发、自动化运维、数据分析。抓取网页数据 Python语言非常适合爬虫，通过requests库抓取网页数据，使用BeautifulSoup解析网页并清晰和组织数据就可以快速精准获取数据。
1、在Python数据分析中，时间序列是一个关键概念，它代表了按时间顺序排列的数值序列。这些序列可以是定期的，比如每日、每周或每月数据，也可以是不规则的。在Pandas库中，时间序列的基础操作显得尤为重要。
2、时间序列数据在数据分析中占据核心地位，它由在不同时间点收集的观测值构成，可以是固定频率（如每15秒、每月一次）或不规则的。
3、在Python中，通常通过pandas读取.csv格式的数据，如药品销售数据，解析日期列为时间序列。 面板数据除了时间序列，还包括多个相关变量，对预测有辅助作用。 可视化是理解时间序列的重要手段，例如季节图和箱线图可揭示模式和季节性。 时间序列分解为趋势、季节性、循环和误差，识别模式和趋势季节性。
4、Pandas在数据处理中尤其擅长时间序列分析，它提供了一系列专用的数据类型和工具来操作和分析时间数据。首先，pd.Timestamp用于创建时间戳对象，它是Pandas DatetimeIndex的核心组成部分，类似于Python的datetime.datetime，但专为金融数据等场景优化。
5、ADF检验是一种更为精确的单位根检验，通过p值来确定序列的平稳性。例如，纱产量和奶牛产量的p值大于0.05，支持非平稳序列的原假设，而北京气温的p值为零，表明其是平稳序列。通过这些方法，我们可以有效地识别和处理时间序列数据的特性，为后续的分析提供依据。
1、replace函数 这个函数主要用于将指定位置的字符，替换为给定的字符串；这个函数还接受正则表达式，将指定位置的字符，替换为给定的字符串。
1、当缺失值比例略大时，可通过简单填补（包括常数、均值、中位数或众数填补）来处理。对于离散变量如embark town，众数填补是合适的。当缺失值比例不大时，可以采用更复杂的算法填补（例如K近邻缺失值填补和随机森林填补），以实现更精确的数据填补。
2、处理缺失值现实数据中常有缺失值，需妥善处理。使用SimpleImputer，通过missing_values参数指定缺失值，如使用均值（数值数据），并运用.fit和.transform方法处理。 编码分类变量分类数据需转换为数值，以便模型理解。如本例采用One Hot Encoding，为每个类别创建二进制特征。
3、在Python数据预处理中，常见的操作包括数据查看、转换、清洗、获取和合并。首先，通过查看数据的维度、形状、列名、索引以及各种统计信息，我们可以初步了解数据。例如，使用`data.shape`查看行数和列数，`data.info（）`检查缺失值，`data.describe（）`分析数值型数据的分布和异常值。
