一，Python 数据分析环境
数据分析领域有很多可选方案，例如SPSS傻瓜式分析工具，SAS专业性商业分析工具，R和python这类需要代码编程类的工具。个人选择是python这类，包括pandas，numpy，matplotlib，sklearn，keras。基于jupyter或者zeppelin作为编程界面，可以用python开发出比较清爽的数据分析报告。
总体来说，jupyter notebook编写的分析结果基本上可以满足要求，但是也有些弊端，例如无法做很好的presentation，虽然可以通过convert slides得到比较好的presentation胶片，但是无法展现直观的数据流和数据分析流程。
理想的数据分析应该包括：清晰的数据流和数据分析流程；直观的数据分析结果报告。
经过对多种开源方案的比较，我选择使用knime+python的方案，可以有以下的优点：
① 利用python和相关数据分析库的能力，对数据建模、分析、可视化，这块基于Anaconda；
② 利用knime的可视化数据流和report design能力，对数据ETL、建模、分析、报告。
二，knime + python
1. anaconda建立数据分析环境
一般需要使用到的库包括：pandas，seanborn，numpy，scipy，statsmodel，matplotlib，keras，Ten
