今天发现了一个好玩的 python 第三方库 itchat，它的功能很强大：只要你扫一下它所生成的二维码即可模拟登陆你的微信号，然后可以实现自动回复，爬取微信列表好友信息等功能。这么强大的功能简直是相见恨晚，我忍不住激动地心情用它练了一把手。

数据可视化是数据处理中的重要部分，前面我们了解了 Flask 的开发和部署，如何用 Flask 做数据可视化呢？今天我们来了解一下。

中国的人口总数已经突破14亿了，你知道吗？中国人口的出生率、死亡率和自然增长率你了解吗？中国人口的男女比例你清楚吗？不要着急，跟随着我来一起了解。

上次给大家介绍了 mitmproxy 这个抓包工具，并且演示了如何用这个工具改变你电脑上网的请求以及请求返回信息，是不是觉得还有点意思。今天再为大家介绍下使用这个工具如何监控手机上网，并且通过抓包，把我们想要的数据下载下来。

Python 小技之繁花曲线

前几天逛朋友圈的时候，无意间刷到同学这样一条内容：

不知道大家有没有眼熟的感觉，反正是勾起了我不少回忆。

这种叫做“万花尺”的小玩意儿小时候应该不少人都玩过。一个大圆套一个小圆，圆与圆之间通过齿轮啮合在一起。

今天给大家介绍个有意思的工具，不知道你有没有听说过中间人攻击（Man-in-the-middle attack）简称 MITM，是一种“间接”的入侵攻击，这种攻击模式是通过各种技术手段将受入侵者控制的一台计算机虚拟放置在网络连接中的两台通信计算机之间，这台计算机就称为“中间人”，看下这张图可能更容易理解。

上次我们对豆瓣 TOP250 电影进行了抓取，今天我们就对这批数据分析一波，看看可以找到什么结论。

今天主要分析以下几个点。

什么类型的电影上榜数量最多。

上榜数量最多的国家和地区是哪里。

上榜次数最多的导演和演员都有谁。

电影的排名和评论人数以及评分人数有没有关系。

上榜电影中人们更喜欢用哪些标签给电影做标注。

新冠病毒全球蔓延，你知道人民最关注的是什么吗？最近股市大爆，你知道人们相关搜索最多的内容是什么吗？特不靠谱天天嘴炮，你知道他最引人注目的特征是什么吗？如果你对这些感兴趣，那么请跟随我的脚步去看看吧！

Web 应用只有部署到服务器上才能被真正的使用，前面我们了解了用 Flask 开发 Web 应用，今天就来了解下，如何部署 Flask 应用。

今年这个鼠年，尽管只是刚过了一个开头，但现实仿佛把我们很多年才需要经历的不好的事情，都在一瞬间抛向了我们，这个鼠年好像缺了点福气，本节我们使用 Python 画一只福鼠，为大家增添点福气，我们需要用到的是 turtle 库。

小游戏：换脸术

最近估计大家都陆陆续续的复工了，大家经常在节后会得一个叫做节后综合征的病，具体表现为：提不起精神、上班效率低、没精神，严重的还会出现恶心、焦虑、神经衰落等等。这里给大家带来一个小游戏娱乐一下，放松上班焦虑心情，叫做”换脸术”，把自拍照变成沙雕图片。这时需要准备一张沙雕图片作为模板和一张为自拍照，自拍照脸部将替换沙雕图上的脸部。

Python中的类库极其丰富，数据科学中经常会用到可视化技术。今天我们来一起学习一下Python中基本图形的绘制方法，本文我们将主要基于turtle(小乌龟)库来画图~

中国的人口总数已经突破14亿了，你知道吗？中国人口的出生率、死亡率和自然增长率你了解吗？中国人口的男女比例你清楚吗？不要着急，跟随着我来一起了解。

全国抗”疫”这么久终于见到曙光，在家待了将近一个月，现在终于可以去上班了，可是却发现出门必备的口罩却一直买不到。最近看到京东上每天都会有口罩的秒杀活动，试了几次却怎么也抢不到，到了抢购的时间，浏览器的页面根本就刷新不出来，等刷出来秒杀也结束了。现在每天只放出一万个，却有几百万人在抢，很想知道别人是怎么抢到的，于是就在网上找了大神公开出来的抢购代码。看了下代码并不复杂，现在我们就报着学习的态度一起看看。

中国的人口总数已经突破14亿了，你知道吗？中国人口的年龄结构你了解吗？中国的城市化进程你清楚吗？平均每个成年人要抚养多少个老人孩子你有谱吗？我们接着上篇文章，继续来了解这些人口问题。

上一篇我们介绍了介绍 seaborn 中分类数据的可视化图形表示。在处理数据过程中，我们通常想做的第一件事就是了解数据集中变量的分布情况，本篇将介绍 seaborn 中数据集分布情况的可视化图形表示。

上一篇我们介绍了可视化表示数据集中各变量间关系的基本方法。在示例中，我们专注于两个数值变量之间的主要关系。如果其中一个主要变量是“可分类的”（能被分为不同的组），那么我们可以使用更专业的可视化方法，即本篇将介绍 seaborn 中分类数据的可视化图形表示。

大数据一直是近几年来比较火爆的方向，作为想接触大数据的你，就不得不了解 seaborn。它是当下 Python 非常流行的数据可视化库，可以绘制出美观且有价值的图形。用一句话总结就是对于大数据从业人员来说，具备数据可视化的能力非常重要的，因为我们面对的客户或上司将更多地依赖于视觉提示，而不是复杂的机器学习模型。

机器学习算法之 K 均值聚类

本文我们来学习一下另一种经常听到的机器学习算法—— K 均值聚类。

这个名字确实跟“K 近邻”有些相像，但是要明确的是，“K 近邻”中的“K”，指的是“与输入数据最接近的 K 个数据点”；而“K 均值聚类”中的 K，指的则是“将一堆无标记数据划分为 K 个类别”，其中这个“类别”通常被称为“簇”（cluster），即一簇花两簇花的簇。

而“均值”则更加直白：均值就是指的平均值。也就是每一簇数据的平均值，这个平均值就可以作为这一簇数据的中心点，用来判断其他数据与该簇数据的差异程度。

决策树（Decision Tree）

决策树是一种分类回归算法，决策树采用的是树形结构。每一个内部节点表示对于特征属性的判断，每一个分支就代表对这个特征属性判断的输出，每一个叶节点就是对决策结果的分类。