如题，近期发现一个很好用的笔记记录平台，对我较大的吸引力的点，是够简洁、一键转思维导图、多平台即时同步这些特点，甚至会员都可以白piao(文档第三节)～
一、介绍
直接将官网介绍使用幕布的大纲文档以及思维导图两种形式摘录下来，各位能有个直观的感受和对比。


二、幕布精选
幕布精选是官方的一个分享区，这个单独拎出来说是因为我在这里发现了华点！

分享区可以看到一些大佬分享的读书感悟或者学习笔记，对我很有帮助。

举一个例子，顺便感受一下幕布的多条目文档导出图片清晰度：

图片较大，放到文章结尾处

三、高级会员免费获取(图穷匕见)
幕布的会员可以白piao(划重点)，虽然非会员常规使用也没问题，但是毕竟还是有限制，还是满血爽！！方式如下：
1.通过邀请码注册（博主的双赢码，你好我也好～）
通过下方链接进入幕布并点击注册，使用微·信扫码登陆即可获取一个月会员

注册地址

2.微信公众号免费领取15天

https://mubu.com/vip_present/mubu003

3.其他第三方合作平台限时活动(后续不定期收集更新)
每30分钟领取只能领取一个，链接可能失效

壹伴团队赠送 90天
武汉大学30/90/365天随机送
抖音

FreeMind的 快捷方式 ，有时候用鼠标点菜单栏插入的 子节点可能跑到父节点的另一面 这样很不好看  而使用快捷方式插入的子节点就不会跑到另一边，而且很方便。下面就是常用的快捷键。


Ctrl+O



打开文件



F2



编辑节点内容



Enter



插入平行节点



Ctrl+A



全选



Insert



插入子节点



Ctrl+=



扩大字体大小



Ctrl+C



复制节点



Ctrl+-



缩小字体大小



Ctrl+X



剪切节点



Alt+home



收缩节点



Ctrl+V



粘贴节点



Alt+end



扩展节点



Del



删除节点



Ctrl+↑（↓←→）



上移节点（下移、左移、右移）



Alt+↑



放大画面



Alt+↓



缩小画面



Ctrl+I



斜体



Ctrl+B



粗体

Python 回忆录
2020/1/28
Kaggle项目
案例内容
数据内容
思路

2020/1/28
Kaggle项目
kaggel.com一个进行数据发掘和预测竞赛的在线平台. 国内还有一个天池网站（www.tianchi.aliyuncom）是一样的性质。未来可以在上面找项目做，拿名次。最重要的是可以用数据锻炼自己的思维能力。

这一次的小练习，也是在kaggel上找到的一个项目，目前还没有学习机器算法相关的知识，所以这次只是记录一下如何把数据进行预处理（运用一下PCA）。
案例内容


希望预测出来哪一些物品会被用户再买一次。这样就可以针对性的对用户发可能感兴趣的广告。 我来解释一下，就像我们不同的人进入超市买的物品都不一样，有些人到超市会买水果蔬菜，有些人会买零食小吃，如果针对性的发布喜爱物品降价的广告，那么就会再次光顾啦。
数据内容


机翻 是过道的意思，在超市里就是那种货架栏，物品类别。超市里面货物都摆放在不同的货架栏，每个货架栏放的都是性质相同的物品类别。


商品信息，


用户下订单的时间信息


订单与产品的信息。
看完数据内容就知道了，项目要求就是找出用户和商品之间的联系。但是光一个商品没有什么广告推荐价值，所以最终是要找出用户和物品类别之间的联系。
思路
从上面分析出来  是用户和物品类别的关系，所以就是要抽取出一个只有user 和 aisle 的表，然后再用PCA主成分分析法处理。 我们先把上面出现的4个表用pd.merge（）方法整合为一个大表，然后再用cross方法挑选。


用jupyter 方便一步一步做


import pandas as pd


from sklearn.decomposition import PCA


products = pd.read_csv("./data/products.csv")


aisle= pd.read_csv("./data/aisle.csv")


orders= pd.read_csv("./data/order.csv")


order_product= pd.read_csv("./data/order_products.csv")


mga = pd.merge(order_proudct,products,on=['product_id'])


mgb = pd.merge(mga,order,on=['order_id'])


mt = pd.merge(mgb,aisle,on=['aisle_id'])


mt.head(10)




cross = pd.crosstab(mt['user_id'],mt['aisle'])


cross.head(10)




pca = PCA(n_components= 0.9)


data = pca.fit_transform(cross)


data




data.shape




这样数据的预处理就完成了，并且减少了很多的特征，加快计算速度。

什么是流量思维

        用一句话概括就是免费，免费是为了更好的收费！现在的商业模式前期免费、中期小利、后期暴利！举个最最简单的例子，美团刚做做外卖的时候商家入驻都是免费的，随着后期越完越大，入驻美团需要收平台入住费、收商家的佣金......大家现在都在免费使用微信，那腾讯现在亏钱了吗，肯定没有,因为有一大堆流量，有了一大堆流量，腾讯就有了一大堆赚钱的方式......

 

对于门店老板：得粉丝者得天下





利用小程序的超级会员功能，把这个权益继续提升：开通超级会员之后，交20块钱可以买10次。

总结：得粉丝者"得天下"，这就是流量思维，那么问题来了，怎么得粉丝呢，欢迎大家继续关注后续文章！