更新了数据分析部分的文档

Day66-70/67.NumPy的应用.md

@@ -1,8 +1,24 @@
 ## NumPy的应用
 
-Numpy是一个开源的Python科学计算库，**用于快速处理任意维度的数组**。Numpy**支持常见的数组和矩阵操作**，对于同样的数值计算任务，使用NumPy比直接使用Python不仅代码要简洁的多，而且NumPy在性能上远远优于原生Python，基本是1到2个数量级的差距，数据量越大，NumPy的优势就越明显。
+Numpy是一个开源的Python科学计算库，**用于快速处理任意维度的数组**。Numpy**支持常见的数组和矩阵操作**，对于同样的数值计算任务，使用NumPy不仅代码要简洁的多，而且NumPy的性能远远优于原生Python，基本是1个到2个数量级的差距，而且数据量越大，NumPy的优势就越明显。
 
-Numpy最为核心的数据类型是`ndarray`，使用`ndarray`可以处理一维、二维和多维数组，该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写，解决了GIL的限制，`ndarray`在存储数据的时候，数据与数据的地址都是连续的，这样就给使得批量操作数组元素时速度很快，远远优于Python中的`list`；另一方面`ndarray`对象提供了更多的方法来处理数据，尤其是和统计相关的方法，这些方法也是原生的`list`没有的。
+Numpy最为核心的数据类型是`ndarray`，使用`ndarray`可以处理一维、二维和多维数组，该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写，解决了GIL的限制，`ndarray`在存储数据的时候，数据与数据的地址都是连续的，这样就给使得批量操作速度很快，远远优于Python中的`list`；另一方面`ndarray`对象提供了更多的方法来处理数据，尤其是和统计相关的方法，这些方法也是Python原生的`list`没有的。
+
+ ### 安装和导入NumPy
+
+1. 安装
+
+    ```Bash
+    pip install numpy
+    ```
+
+2. 导入
+
+    ```Python
+    import numpy as np
+    ```
+
+    > **说明**：如果已经启动了Notebook但尚未安装NumPy，可以在单元格中输入`!pip install numpy `并运行该单元格来安装NumPy，安装成功后记得重启Notebook内核来使新安装的库生效。
 
 ### 创建数组对象
 
@@ -19,25 +35,32 @@ Numpy最为核心的数据类型是`ndarray`，使用`ndarray`可以处理一维
     - 方法五：通过numpy.random模块的函数生成随机数创建数组对象
 3. 多维数组：跟上面的情况相似，可以通过下面的例子进行了解。
 
-### 数组对象基本属性
+### 数组对象的属性
 
-1. size属性：元素个数
-2. shape属性：数组的形状
-3. dtype属性：元素的数据类型
-4. ndim属性：数组的维度
+1. size属性：数组元素个数
+2. itemsize属性：数组单个元素占用内存空间的字节数
+3. shape属性：数组的形状
+4. dtype属性：数组元素的数据类型
+5. ndim属性：数组的维度
+6. flat属性：数组（一维化之后）元素的迭代器
+7. nbytes属性：数组所有元素占用内存空间的字节数
+8. base属性：数组的基对象（如果数组共享了其他数组的内存空间）
 
-### 数组对象常用方法
+### 数组对象的方法
 
+#### 常用方法
 
+#### 统计方法
+
+####其他方法
 
 ### 数组的运算
 
-1. 标量运算
-2. 矢量运算
-
-### 数组的其他操作
+#### 标量运算
 
+#### 矢量运算
 
+#### 广播机制
 
 ### 矩阵运算
 

Day66-70/68.Pandas的应用.md

@@ -14,6 +14,10 @@ Pandas核心的数据类型是`Series`、`DataFrame`，分别用于处理一维
 
 
 
+#### 绘制图表
+
+
+
 #### Index的使用