1.获取 ------不管是什么格式，一旦锁定了某种数据，那么了解该数据中有什么以及没有什么，就变得非常重要了。
import urllib.request
2.检查和探索 ------主要的目标是合理 地检查数据，而实现这一点的最好办法是发现不可能或几乎不可能的事情。举个例子， 如果数据具有唯一的标识符，检查是否真的只有一个；如果数据是基于价格的，检查是 否总为正数；无论数据是何种类型，检查最极端的情况。
import pandas as pd
在 Pandas 的术语中，数据列称为系列（Series），而表格称为 数据框（DateFrame）。
数据集：https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
df['sepal length'] 列输出
df.ix[:3, :2] 列表切片
df['class'].unique() 将根据某些特定的条件，来选择数据的一个子集
df[df['class']=='Iris-virginica'] 可以看到数据框只包含 Iris-virginica 类的 数据
virginica = df[df['class']=='Iris-virginica'].reset_index(drop=True) 将这些数据保存为一个 新的数据框并重置索引
df[(df['class']=='Iris-virginica')&(df['petal width']>2.2)] 使用两个条件选择数据
df.describe() 从虹膜数据集中获取一些快速的描述性统计数据
df.describe(percentiles=[.20,.40,.80,.90,.95]) 传入自定义的百分比
df.corr() 检查这些特征之间是否有任何相关性。
还可以 切换到 Kendall's tau 或 Spearman's 秩相关系数（例如，.corr(method="spearman") 或.corr(method="kendall")）。
可视化
3.清理和准备 ------将数据转化为适合于模型使用的格式。
4.建模 ------选择适当的算法，并在数据上训练出一个模型。
5.评估 ------模型的预测和实际值到底有多接近。
6.部署
