NumPy虽然提供了方便的数组处理功能，但是它还是缺少许多数据处理、分析所需的一些快速工具。
Pandas基于NumPy构建，提供众多更高级的数据处理功能，使得以 NumPy 为中心的数据处理工作更便捷。
0%
基于决策表实现交易策略
与编程语言级别的逻辑控制(if-then-else，switch) 相比，决策表能在一个平面中罗列出所有的可能情况，并清晰的指出相应的处理方式，不需要层层嵌套。用户不需要考虑其中的逻辑关系就能一眼看出其中什么样的动作对应什么样的情况，可读性大大提高，并且不容易因为疏忽产生不易察觉的错误。
所以决策表是进行实现复杂控制逻辑的一个有力工具。现在，考虑构建一个通用的决策表，用于定义交易策略。
利用Python进行数据分析(4)：NumPy
NumPy(Numerical Python)，python 数值计算包。是所有 python 数据分析包的基础。NumPy提供了大量的数值编程工具，可以方便地处理向量、矩阵等运算，极大地便利了人们在科学计算方面的工作。
利用Python进行数据分析(3)：IPython
《利用Python进行数据分析》读书笔记。
第 3 章：IPython——一种交互式计算和开发环境。
介绍 IPython 及其使用。
利用Python进行数据分析(1)：简单介绍
《利用Python进行数据分析》读书笔记。
第 1 章：简单介绍
介绍 python 中和数据相关的软件包，以及环境的准备。
利用Python进行数据分析(2)：引言
《利用Python进行数据分析》读书笔记。
第 2 章：引言
介绍数据分析的一般步骤，并用三个实例说明如何用 python 进行数据分析。
windows下面的包管理器：Chocolatey
操作系统级别的包管理器，Linux 下面有 yum, apt, Mac OS 下面有 Homebrew。
Windows 下面可以使用 windows下面的包管理器：Chocolatey。
基于Python的数据科学环境
在[《数据科学的知识体系》](http://holbrook.github.io/2017/02/05/index.html)中，
列出了进行数据科学研究所需的知识。但Swami Chandrasekaran明显更喜欢 R 。
我个人更倾向于 python。而且 python 和 R可以互相调用[]
本文列出数据科学相关的 python 模块。数据科学的知识体系
数据科学是利用计算机的运算能力对数据进行处理，从数据中提取信息，进而形成“知识”。
然而要实现这一点并不容易。Swami Chandrasekaran在他的《Becoming a Data Scientist》中，规划了“数据科学家”之路，让我们共勉。
scrum和分支管理策略
用scrum管理开发时，如何规划git的分支。