php本地测试教程，怎么自学数据分析？
这是一份数据分析师的入门指南，它包含七周的内容，Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。
每一周的内容，都有两到三篇文章细致讲解，帮助新人们快速掌握。这七周的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。
第一周：Excel
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
Excel的学习分为两个部分。
掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。
在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。
在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。
清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。
第二部分是Excel中的工具。
在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。
在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。
Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结各类函数的使用。
除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。
了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。
了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。
了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。
了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。
第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。
在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。
数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。
Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。
Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。
图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。
上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。
BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。
在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。
BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。
后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。
第三周：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。
在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。
分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。
既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。
麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。
这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。
除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。
现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。
下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。
不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。
数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。
数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。
这家商场的人流量是多少？怎么预估？
上海地区的共享单车投放量是多少？怎么预估？
街边口的水果店，每天的销量和利润是多少？怎么预估？
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。
优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。
第四周：数据库
Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。
即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。
很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。
教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。
新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。
SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。
数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。
想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。
join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。
如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。
第五周：统计学
很多数据分析师并不注重统计学基础。
比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？
比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。
不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。
统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。
在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。
箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。
第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。
直方图和箱线图一样，将会是长久伴随分析师的利器。
统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。
包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。
其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。
何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。
产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。
「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。
统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。
第六周：业务
对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。
一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。
而在「最用心的运营数据指标解读」中，我尝试总结了几个泛互联网领域的指标和业务模型，它们都是通用的框架。
产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。
市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。
电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。
用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。
除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。
在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。
业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。
在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。
第七周：Python/R
第七周是最后的学习环节。
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。
这里的教程以Python为主。
「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。
Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。
「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。
「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。
能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。
包、模块和类的概念属于进阶知识，不学也不要紧。
「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。
array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。
「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。
服务器运行环境怎么快速搭建？
由于题主没有明确是哪种环境，下面主要介绍两大系统平台的运行环境的最简部署方式。
1. Linux系统 - 宝塔面板
2. Windows - 宝塔面板、PhpStudy(比较简单)
有能力的程序员，可以自行安装：MySQL（或者PostgreSQL）、PHP运行时、JDK、Apache（或者Nginx、Tomcat）初学者、怕麻烦的程序猿或者运维工程师都会使用一类综合的环境部署工具，例如宝塔面板来构建程序的基础环境，善于探索和不怕麻烦的程序猿、运维老鸟都可能会独立部署服务器运行环境。
注：由于Linux生态多种多要，但是安装方式大同小异，因包管理器和构建工具的不同，稍稍有点差异，但是在安装宝塔面板上，没有区别。
Linux系统平台 - 宝塔面板宝塔Linux面板是提升运维效率的服务器管理软件，支持一键LAMP/LNMP/集群/监控/网站/FTP/数据库/JAVA等100多项服务器管理功能。
有20个人的专业团队研发及维护，经过200多个版本的迭代，功能全，少出错且足够安全，已获得全球百万用户认可安装。运维要高效，装宝塔。
宝塔面板支持CentOS，Ubuntu、Debian、Fedora，下面以CentOS7.x为例。
1. 通过ssh工具登录服务器
这里推荐大家使用Putty进行登录。注意要开放ssh连接的端口，一般默认是22，为了网站安全推荐大家更换ssh登录端口。设置为不常用的端口。
输入账号和密码，注意密码在输入时是不显示的，大家不要以为密码没输入。
2. 安装宝塔面板
执行以下代码进行安装宝塔6.9免费版。宝塔6.9版本已经很稳定了，推荐大家直接安装6.9版本（注意：宝塔linux6.0版本是基于centos7开发的，务必使用
centos7.x
系统）。yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && bash install.sh回车进行安装。
输入y，并回车。接下来便是等待宝塔面板进行安装。
我们得到登录宝塔面板的URL,账号和密码。
面板地址：http://{您的服务器IP}:8888
初始化：第一次使用会要求初始化配置，请按照提示填入配置信息。
安装完成宝塔面板后，我们就可以在浏览器中访问了。复制Bt-panel中的URL到浏览器上访问。注意要打开服务器（服务器系统的自身的防火墙iptables或者
firewall.d
+云主机厂商的防火墙，如果你的主机确实在云上的话 ）上的8888端口。输入默认的账号和密码进行登录。
3. 设置宝塔面板
进入主页就能看到面板的各项设置了。
在软件商店里安装各种工具，例如Ngxin、PHP，在网站选项卡里创建站点，即可使用服务！
Windows宝塔面板直接在服务器上运行宝塔
.exe
就可以了，后面流程和Linux相似。Windows PhpStudyphpStudy也出最新版本支持Linux，但是还是不够完善，目前还是8.0最好用。
PhpStudy有自己的用户界面，直接双击安装文件即可安装，相对于宝塔win版，它是没有非Web客户端的。
在Win上，PhpStudy的易用性高于宝塔面板！
码字不易，如果觉得作者说的不错，恳请诸位点个赞，或者加个关注，万分感谢?。自己如何开发一款app？
今年六月的时候，萌生了开发一个记账 App 的想法，想去用自己的 App 记账，管理收支。那时正好在英国是考试周，放假后，我回到了国内，准备去实现我的计划。没想到这暑假很快就结束了，在这个暑假中经历的太多的事，准备了要去美国读研的考试，遇到了生命中的另一半，同时，也将 Costuary for iPhone 带到了这个世界。
Logo
说道为什么要开发这样一个 App ，因为笔者在 UK 读书，市面上很少有记账 App 能够实现实时汇率的换算，带有这个功能的 App 也是操作繁杂。所以要自己开发一个，功能并没有那么复杂的，并且能够满足自己在国外和国内生活需求的 App，所以自己编写了 iPhone 的客户端，为了获取汇率和 Excel 导出，又用 Java 设计和编写了 Costuary 的后端服务器。
比起今年年初开发的 Flat Weather，这个项目的代码量大约是他的十倍，需要实现众多的功能和模块。
这篇文章将会介绍一下 Costuary 的功能与我开发过程中的一些心得。
效果图设计
说到设计，两年前，我还是一个 Android 开发者，Google 的 Material Design 是我的最爱，所以，Costuary 采用了 Android 5.0 之后采用的 Material Design 设计。其中掺杂了一些我自己的设计，因为 Material Design 的控件有时候操作繁琐。
早在 5 月份的时候已经零零总总的用 Sketch 画出了这个产品的 UI 和图标，之后开始了漫长开发的过程。
Sketch交互
与去年开发的 Android 版不同，iPhone 版的 Costuary 采用了底部导航栏的设计，相比于 Android 通常使用的 Navigation Drawer 的抽屉布局，底部导航栏的设计即使在右手操作 iPhone 的时候都不会太费力。
UX功能Features
多币种记账Costuary 支持世界上主要货币的实时汇率转换，所有外汇在统计时会转换成主货币的数目，方便查看花销。
日历视图日历视图能够很直观的反映出哪一天有消费和收入。
图表说到记账软件，量化消费的图表无疑是重要的一环，Costuary 提供了饼状图来视觉化一段时间的花销。
多账户可以建立多个账户来表示自己的银行卡，支付宝，现金等等。
月预算可以看出本月的预算还有多少。
导出到 Excel如果想要进行更加详细的分析，可以使用导出功能将账本导出到 Excel。
备份与还原允许备份账本内容到 iCloud。
开发
去把一纸设计变成真正的产品，这是一个独立开发者应该具有的能力。只会写代码不只是我唯一掌握的，能够去设计出来自己想要的应用并且将他实现才是我在做的事情。
这款应用的开发并没有想象中的简单，需要自己去实现大量 Android UI 控件，很多圆角，阴影，字体，要慢慢的去调整，让控件适合 iPhone 的屏幕。整个应用的背后有 3 个关系型数据库来储存账户，账本与各种汇率。与以前开发的 Flat Weather 不同，Costuary 会产生大量的用户数据，所以整个软件架构的稳定性变得异常重要，需要设计一些机制来防止数据丢失与损坏。
Development
为了实现 App 获取每日的汇率，并且在 iPhone 上能够实现账本导出到 Excel ，我设计了一个服务器后端来处理这些繁杂的实物。每次 App 启动后会与我的服务器来更新最新的汇率。当用户选择导出时，账本会被发送到服务器上并处理为 Excel 发送到用户的邮箱里。
说到服务器，就不得不提到用户隐私了，因为导出到 Excel 功能需要将账本传到我的服务器上做进一步处理，很多人会觉得我侵犯了他的个人隐私。对此，为了保护我的权益与用户的权益，我撰写了 Costuary 软件许可及服务协议与 Costuary 隐私政策，这是我作为独立开发者这么多年后第一次去写许可协议。
Agreement资费
与我的其他产品一样，这款 App 依旧是免费供大家使用的，作为独立开发者，我们都知道，绝大多数用户不会去珍惜一个免费的产品。就像 Flat Weather 一样，虽然获得了很多人的支持，但是也收到了很多人的吐槽。在 Costuary 中依然设计了一个的捐助按钮，如果大家使用之后喜欢这个应用，请支持我将他维护下去。
Please donate me尾巴
Costuary for iPhone 是我开发出来过最大的软件体系。我相信，能够独立开发出来产品的人懂得不只是编程。一个人要去经历项目的全部生命周期：规划，设计，开发，运营，维护，营销，这些是我开发这么多产品所学会的。
现在的 Costuary 只是第一个版本，还有很多 iPhone 的特性没有来得及开发，以后会跟上的，比如 iPhone X 的适配，3D Touch、Today Widget、Touch ID 等等。
以前在少数派撰稿的时候，很多读者会来问我如何学习开发，我也特地去写过如何去学习编程，但我相信，真正想去学习的，想去为这个生态贡献出自己的一份力的人，自己都会找到学习的方法。我的专业是电子电器而不是软件工程，但是我不后悔当年去学习编程。
最后，还是感谢在背后默默支持我的人，我会不断地改进与提升，如果 Costuary 真的在记账方面给予了你便利，这是我莫大的荣幸。
如果想要了解我的更多作品可以访问我的个人博客 MikeTech，或者在少数派中阅读我以前写过的文章。今年年初也在 iPhone 上写过一个天气 App，天气应用 Flat Weather 的设计历程。
对了，关于记账有什么用，如何记账，如何养成记账的习惯。为什么每个月末都捉襟见肘，除了没钱，很可能是对财务管理的能力不强。想了解这一方面的知识，不妨看一看我派的付费阅读栏目：从零开始做好个人记账
总是有人在黑php？
PHP 现在名声很糟糕，因为它曾经是“可怕”的。
本文试着回答一些常见的关于 PHP 的断言，目的是向非技术人员解释，PHP 并不像许多人所说的那么糟糕。1、它是不是鼓励糟糕的实践？不再是了。过去，许多开发者被书本教授非常糟糕的实践，因此 PHP 代码的质量非常差。PHP 曾经还允许你做一些非常奇怪的事情，使得它非常容易构建，但维护起来却是一场噩梦。这些不再是常见的问题。随着高质量学习材料的引入，这些材料易学且易获取，一名新的开发人员可以以正确的方式学习 PHP。这样就可以避免初级开发者因为不知道构建事物的正确方法而编写一些维护起来非常痛苦的代码。随着框架的引入，导致许多糟糕体验的大部分通用代码现在都自动完成了；因此，开发人员只需使用框架，框架就可以正确地对其进行编码。而且，这些年来，一些糟糕的实践是由缺失的特性造成的，导致了一些本不应该被允许的事情被允许。现在大多数情况下，甚至不可能实现以前编写的一些东西来导致这种声誉。小结它不再鼓励糟糕的实践…通过使用框架避免了糟糕实践。语言特性现在有很多讨论。糟糕的特性不再受到支持。PHP 添加了其他语言中存在的大部分（即使不是全部）的特性。2、它的安全性是不是很差？过去，PHP 应用程序的安全性通常很差，因为语言允许这样做。这些东西不再被使用，因为 PHP 应用程序的开发现在已经完全不同。通过使用自动加载程序来包含文件而不是动态包含文件，已经移除了远程和本地文件包含（其中 PHP 从其它地址而不是最初打算的地址读取文件）。通过广泛使用模板系统（可以自动处理显示动态内容的转义和安全问题），已经避免了由于直接在 PHP 中直接使用 HTML 所导致的跨站脚本攻击（其中一个用户将 JavaScript 脚本添加到要显示给另一个用户的地方）。通过在 SQL 中使用 prepared 语句，避免了 SQL 注入攻击（这是由于需要构建 SQL 查询并将查询和数据一起发送导致的，其中用户可以向查询中增加额外的 SQL 命令）。另外，ORM 的使用也很普遍，它确保用户数据和查询是分开发送的，而 SQL 不能将其视为单独的命令。通过广泛使用且采用 nonce 系统的 form 库，避免了跨站请求伪造（其中，用户能够被诱骗在你的站点上执行某些操作）。小结通过使用自动加载程序（所有主流框架的标配），避免了远程和本地文件包含。通过使用模板语言作为标准或一种前端框架（例如 React），避免了跨站脚本（XSS）攻击。通过使用 ORMs 和广泛使用 prepared 语句，避免了 SQL 注入。通过使用 nonce token（被所有主流框架自动支持），避免了跨站请求伪造（CRSF）攻击。3、它是不是真的很慢？这取决于你把它与什么比较。如果你把 PHP 与 Java、C 或者 Go 比较，那么它是比较慢。但是如果你把 PHP 与 Python、Ruby 等等比较，那么它并不慢。在同类型的语言中，PHP 是最快的之一，并且不断在提高性能。大多数情况下，你的应用程序慢是因为服务器过载或者数据库查询慢。这些问题在任何语言中都会存在。小结PHP 与编译型语言相比是比较慢。PHP 与其它脚本型语言相比是比较快的。网站慢通常不是由于使用的语言不够快，而是因为服务器或数据库导致的性能问题。4、它的伸缩性是不是真的很差？实际上，任何语言都可以伸缩。编译型语言（例如 Go、C 或 Rust）比脚本型语言（例如 PHP）的扩展成本更低。然而，它们并不是为了同样的任务而设计的。事实上，它们都是一样的；这简单地归结于你使用的服务器数量。如果你使用足够多的服务器，你可以扩展任何应用程序。PHP 比其它脚本型语言的扩展成本更低，因为它需要更少的资源来开始运行，并且可以在具有更多 CPU 的较小内存的服务器上运行。另外，对于伸缩性，重要的是数据库。如果你能够扩展你的数据库，你就可以扩展你的应用程序。数据库比应用服务器更难扩展。增加另一个读取数据库的客户端很容易；但是，让数据库快速运行要难得多。小结任何语言都可以伸缩；这取决于你使用多少服务器。扩展的真正问题是数据库而不是所使用的应用程序语言。如果你能够扩展你的数据，你就能扩展你的应用程序。5、我应该一直使用它吗？不。每种编程语言都有其擅长的领域。PHP 非常适合 Web 应用程序。你应该用它来构建网站和 API。如果你正在构建一个系统应用程序，其中每毫秒都很重要，使用 Rust 或者 C。如果你正在构建一个人工智能应用程序，Python 是一个好选项。如果你正在构建一个 SaaS 应用程序，PHP 是一个好选项。如果你正在构建一个安卓应用程序，Kotlin 是一个好选项。如果你正在构建一个运行在多个平台上的应用程序，Java 是一个好选项。小结每种语言都有其最佳用例。PHP 的最佳用例是 Web 应用程序。Go、Rust、C 适合系统应用程序。Python 适合人工智能。Kotlin 适合安卓应用程序。Java 适合与平台无关的应用程序。6、结论每年都有在吐槽php，可是你这个phper现在过期了吗？很多关于 PHP 的说法都已经过时 10 年了。在我看来，如果有人给你关于某个技术主题的过期 10 年的信息，那么这个人可能不是你想要信任的技术专家。PHP 是创建 Web 应用程序的一门好编程语言，我认为它是实现 Web 应用程序开发的最佳语言。phpMyAdmin怎么连接数据库？
需要用本地的PHPMYADMIN连接远程的MYSQL数据库，下面配置如下：打开config.inc.php1.更改登陆验证方式查找 $cfg['Servers'][$i]['auth_type']，其值改为 cookie；
2.更改phpmyadmin程序网址，查找 $cfg['PmaAbsoluteUri']，其值改为你的phpmyadmin网址类似于 http://www.aaa.com/phpmyadmin；。；
3.更改默认登陆语言，查找 $cfg['DefaultLang']，其值改为 zh，其他的无需配置，因为使用cookie方式登陆，直接比对数据库判断权限。与配置文件中的这些参数无关。
以上就是关于php本地测试教程以及怎么自学数据分析的相关回答，有更多疑问可以加微。