豆瓣作为一个汇聚书影音内容的社区网站，得到了大量用户的认可和青睐，现在很年轻人在看电影或者买书之前都会去豆瓣上看一下评分和相关评论，不得不说豆瓣评分在一定程度上很客观的反映了一部作品的受欢迎程度。

今天，我们就抓取下豆瓣电影 top 250 的相关数据。

首先我们需要先明确下自己要获取的信息如下：名称，导演，国家，链接。上映时间，类型，评分（）五星，四星占比），评价人数。

机器学习算法之 K 近邻

所谓“K 近邻（K-nearest neighbor，K-NN）”，顾名思义，指的是“K 个最近的邻居”，属于一种监督学习的方法。

上次为大家介绍了 Django 的模型和自带的管理工具，有了这个工具就可以全自动地根据模型创建后台管理界面，以供网站管理者更方便的管理网站数据。有了网站数据，那怎么样更方便又好看的展示给用户看呢？目前流行的 Web 框架基本都采用 MVC 的架构，而 Django 在这个架构基础上做了一点改变，即 MTV 框架，这里的 T 就是今天我们要讲的 Django 的模板系统（ Template ）。

朴素贝叶斯（Naive Bayesian Mode，NBM）

贝叶斯由来

贝叶斯是由英国学者托马斯·贝叶斯 提出的一种纳推理的理论，后来发展为一种系统的统计推断方法。被称为贝叶斯方法。

上次为大家介绍了 Django 的模型，通过模型就可以操作数据库，从而就可以改变页面的展示内容，那问题来了，我们只能通过手动编辑模型文件来配置模型吗？当然不是，Django 为我们提供了强大的工具，可以全自动地根据模型创建后台管理界面。管理界面不是为网站的访问者准备，而是为站点管理者准备的。有了这个功能，站点管理人员方便使用管理系统来对数据进行操作。

机器学习算法之蒙特卡洛

大家听说过的算法，比如快速排序法、二分查找法，或是像梯度下降法、K 近邻算法，这些算法都有比较严格的逻辑要求，使用起来有些繁琐。

这里我们介绍一个很简单却又通常行之有效的算法：蒙特卡洛方法。严格来说，蒙特卡洛方法并不是特指某一种具体的算法，而是对遵循某种思想的算法的统称，应该是一“类”算法。

使用过 CSV 文件都知道：如果我们的电脑中装了 WPS 或 Microsoft Office 的话，.csv 文件默认是被 Excel 打开的，那么什么是 CSV 文件？CSV 文件与 Excel 文件有什么区别？如何通过 Python 来操作 CSV 文件呢？带着这些问题我们接着往下看。

机器学习中会用到大量的数学操作，而 Numpy 计算库使这些操作变得简单，这其中就涉及到了 Numpy 的矩阵操作，下面我们就来一起学习如何在 Numpy 科学计算库中进行矩阵的一些基本运算。

不知道你是否跟我有同样的疑惑，就是 Numpy 科学计算库中既可以创建数组，也可以创建矩阵，这两者究竟有哪些相似与不同之处呢？下面我们一起来解开这个疑惑。

上次给大家介绍了 Python 如何操作 Word 和 Excel ，而今天想为大家再介绍下，用 Python 如何解析 PDF ，PDF 格式不像前面两个那么规范，从它的表现来看，它更像是一张图片，在一张白纸上把内容摆放在固定的位置上，没有逻辑结构。不过还是那句话，可以先了解下都能实现什么功能，以备不时之需。

我们平时写的 Python 程序中充斥着大量的函数，包括系统自带函数和自定义函数，当我们调用函数时直接将参数传递进去然后坐等接收返回值即可，简直不要太好用。那么你知道函数的参数是怎么传递的么，是值传递还是引用传递呢，什么又是值传递和引用传递呢？

这个问题对于很多初学者还是比较有难度的，看到这里你可以稍加停顿，自己思考一下，看看自己是否真正理解了。很多人只是知道概念但是让他说他又说不清楚，思考过后如果你还觉得模糊的话，往下仔细看，我今天就带着你深入剖析下函数的参数传递机制。

众所周知，Python 是一门面向对象语言，在 Python 的世界一切皆对象。所以一切变量的本质都是对象的一个指针而已。

Python 运行过程中会不停的创建各种变量，而这些变量是需要存储在内存中的，随着程序的不断运行，变量数量越来越多，所占用的空间势必越来越大，如果对变量所占用的内存空间管理不当的话，那么肯定会出现 out of memory。程序大概率会被异常终止。

因此，对于内存空间的有效合理管理变得尤为重要，那么 Python 是怎么解决这个问题的呢。其实很简单，对不不可能再使用到的内存进行回收即可，像 C 语言中需要程序员手动释放内存就是这个道理。但问题是如何确定哪些内存不再会被使用到呢？这就是我们今天要说的垃圾回收了。

机器学习概览

近年来，随着人工智能热潮的席卷，“机器学习”、“深度学习”、“强化学习”等等层出不穷的概念、术语纷纷扰扰，不绝于耳；但是对大多数并不从事相关行业的人来说，就始终有一种雾里看花、似是而非的感觉。

正巧，Python 作为一门简单易用、功能强大的编程语言，在 AI 时代与人工智能相关的技术紧密结合，在这系列的 Python 交流中，我们就来大概地了解一下“机器学习到底是什么、可以干什么、应该怎么干”。

本篇仅作粗糙了解之用，不涉及具体的数学原理。更深入的了解可以查看参考资料。

aiohttp

什么是 aiohttp？一个异步的 HTTP 客户端\服务端框架，基于 asyncio 的异步模块。可用于实现异步爬虫，更快于 requests 的同步爬虫。

异步IO之asyncio

异步IO：当发起一个 IO 操作时，并不需要等待它的结束，程序可以去做其他事情，当这个 IO 操作结束时，会发起一个通知。

在 Python 中可以使用 asyncio 模块异步编程，用于协程、网络爬虫、同步等。

上次给大家介绍了 Python 如何操作 Excel ，是不是感觉还挺有趣的，今天为大家再介绍下，用 Python 如何操作 Word ，这个可能跟数据处理关系不大，用的也不多，不过可以先了解下都能实现什么功能，以备不时之需。

1 简介

XML 全称 Extensible Markup Language，中文译为可扩展标记语言。XML 之前有两个先行者：SGML 和 HTML，率先登场的是 SGML， 尽管它功能强大，但文档结构复杂，既不容易学也不易于使用，因此几个主要的浏览器厂商均拒绝支持 SGML，这些因素限制了 SGML 在网上的传播性；1989 年 HTML 登场，它继承了 SGML 诸多优点，去除了 SGML 复杂庞大的缺点，HTML 在数据显示上表现十分出色，但它的语法是不可扩展的，因此其无法描述数据、可读性差，没办法人们再次将目光转向 SGML，经过对 SGML 一系列改造，终于在 1998 年，XML 第一个版本问世。

数据分析之 pandas 初步

pandas是一个常用的第三方 Python 库，提供快速灵活的数据处理功能，也是进行数据分析的有力工具。我们的口号是：“更快，更高，更强”（皮一下）。啊，当然，现在经常有很多库一上来就要“吊打”pandas，咱们还是不必在意。

之前看过一篇文章，说一个工作多年的老员工，处理数据时只会用复制粘贴到 Excel ，天天加班工作还完不成，后来公司就招了一个会 Python 的新人，结果分分钟就处理完成。所以工作中大家经常会使用 Excel 去处理以及展示数据，但是对于部分工作我们可以借助程序帮忙实现，达到高效解决问题的效果，今天就为大家介绍一下，使用 Python 如何操作 Excel 。

本章节主要是 Matplotlib 和 NumPy 实际操作案例讲解，matplotlib 通常与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案，除此之外，它还可以和其他图形工具包搭配使用。前提是在现在的环境中已经安装了 Numpy 模块，Numpy 安装详情请参考第 79 天：数据分析之 Numpy 初步

这一节将从简到繁用实例讲解 matplotlib 和 Numpy 结合使用的知识点。