D:\Anaconda3\pythonw.exe D:\Anaconda3\Lib\idlelib\idle.pyw
下一步，。。。。命名为 Python IDLE，就能使用了。
(2) 设置字体为 Consolas （选做）
(3) 设置清屏快捷键 Ctrl+l （选做）
将 ClearWindow.py 复制粘贴到 D:\Anaconda3\Lib\idlelib 目录下
说一些我常用到的大数据分析工具1.专业的大数据分析工具
2.各种Python数据可视化第三方库
3.其它语言的数据可视化框架
一、专业的大数据分析工具
1、FineReport
FineReport是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具，只需要简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
2、FineBI
FineBI是新一代自助大数据分析的商业智能产品，提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案，也是我比较推崇的可视化工具之一。
FineBI的使用感同Tableau类似，都主张可视化的探索性分析，有点像加强版的数据透视表。上手简单，可视化库丰富。可以充当数据报表的门户，也可以充当各业务分析的平台。
二、Python的数据可视化第三方库
Python正慢慢地成为数据分析、数据挖掘领域的主流语言之一。在Python的生态里，很多开发者们提供了非常丰富的、用于各种场景的数据可视化第三方库。这些第三方库可以让我们结合Python语言绘制出漂亮的图表。
1、pyecharts
Echarts(下面会提到)是一个开源免费的javascript数据可视化库，它让我们可以轻松地绘制专业的商业数据图表。当Python遇上了Echarts，pyecharts便诞生了，它是由chenjiandongx等一群开发者维护的Echarts Python接口，让我们可以通过Python语言绘制出各种Echarts图表。
2、Bokeh
Bokeh是一款基于Python的交互式数据可视化工具，它提供了优雅简洁的方法来绘制各种各样的图形，可以高性能的可视化大型数据集以及流数据，帮助我们制作交互式图表、可视化仪表板等。
三、其他数据可视化工具
1、Echarts
前面说过了，Echarts是一个开源免费的javascript数据可视化库，它让我们可以轻松地绘制专业的商业数据图表。
大家都知道去年春节以及近期央视大规划报道的百度大数据产品，如百度迁徙、百度司南、百度大数据预测等等，这些产品的数据可视化均是通过ECharts来实现的。
2、D3
D3（Data Driven Documents）是支持SVG渲染的另一种JavaScript库。但是D3能够提供大量线性图和条形图之外的复杂图表样式，例如Voronoi图、树形图、圆形集群和单词云等。
想学习大数据要掌握些什么知识？，学习大数据具体要学习什么两方面。
在学习大数据中具体学习的大概分为五类：
开发语言、大数据存储、分布式计算、数据仓库技术和机器学习。
学习的开发语言三种：java、python、scala.在大数据中语言重要程度为：java>scala>python.
大数据的分布式存储有：Hdfs、Hbas、Redis、Mongedb.其中Redis是分布式存储，其他三种是做大数据的分布离线存储，海量数据在Hdfs中存储。
大数据的分布式计算：Mapreducer、Sparkstreamming、Spark Core、Fink.
数据仓库技术：Hive、Sqoop、Flime.
机器学习：Mahout、Scikit leam、MLilb.
学习大数据还要掌握一点是，大数据的分布式计算（一）：将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。
离线分布式计算：在计算开始前已知所有输入数据，输入数据不会产生变化，并且计算之后直接产生结果。
特点:
数据量巨大且保存时间长
在大量数据上进行复杂的批量运算
数据在计算之前已经完全到位，不会发生变化
能够方便地查询批量计算的结果。
大数据的分布式计算（二）
流式分布式计算
对天规模流 动数据在不断变化的运动过程中实时地进行计算，来-条数据就计算一下。
主要技术:
Spark Streamming
Storm
Flink
数据仓库：离线数仓数据仓库是一个面向主题的(Subject Oriented)、集成的(Integrate)、 相对稳定的(Non-Volatile) 、反映历史变化(Time Variant)的数据集合，用于支持管理决策。
数仓理论基础数仓架构: Lambda架 构和Kappa架构离线数仓技术: Hive，Hbase, Sqoop， Kylin, MR等
实时数仓的概念
实时数仓技术； Flume,Kafka, Flink等。
因此，这就告诉我们，想要学习大数据应该先把基础学习好，把大数据的体系理清楚。才能为更好地学习大数据做铺垫
