php本地測試教程，如果你想學習php教程，對于怎么自學數據分析有疑問，分享如下：

php本地測試教程，怎么自學數據分析？

這是一份數據分析師的入門指南，它包含七周的內容，Excel、數據可視化、數據分析思維、數據庫、統計學、業務、以及Python。

每一周的內容，都有兩到三篇文章細致講解，幫助新人們快速掌握。這七周的內容剛好涵蓋了一位數據分析師需要掌握的基礎體系，也是一位新人從零邁入數據大門的知識手冊。

第一周：Excel

每一位數據分析師都脫離不開Excel。

它是日常工作中最常用的工具，如果不考慮性能和數據量，它可以應付絕大部分分析工作。雖然現在機器學習滿地走，Excel依舊是無可爭議的第一工具。

Excel的學習分為兩個部分。

掌握各類功能強大的函數，函數是一種負責輸入和輸出的神秘盒子。把各類數據輸入，經過計算和轉換輸出我們想要的結果。

在SQL，Python以及R中，函數依舊是主角。掌握Excel的函數有助于后續的學習，因為你幾乎在編程中能找到名字一樣或者相近的函數。

在「數據分析：常見的Excel函數全部涵蓋在這里了」中，介紹了常用的Excel函數。

清洗處理類：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text

關聯匹配類：lookup、vlookup、index、match、row、column、offset

邏輯運算類：if、and、or、is系列

計算統計類：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round

時間序列類：year、month、weekday、weeknum、day、date、now、today、datedif

搜索能力是掌握Excel的不二竅門，工作中的任何問題都是可以找到答案。

第二部分是Excel中的工具。

在「數據分析：Excel技巧大揭秘」教程，介紹了Excel最具性價比的幾個技巧。包括數據透視表、格式轉換、數組、條件格式、自定義下拉菜單等。正是這些工具，才讓Excel在分析領域經久不衰。

在大數據量的處理上，微軟提供了Power系列，它和Excel嵌套，能應付百萬級別的數據處理，彌補了Excel的不足。

Excel需要反復練習，實戰教程「數據分析：手把手教你Excel實戰」，它通過網絡上抓取的數據分析師薪資數據作為練習，總結各類函數的使用。

除了上述要點，下面是附加的知識點，鋪平數據分析師以后的道路。

了解單元格格式，數據分析師會和各種數據類型打交道，包括各類timestamp，date，string，int，bigint，char，factor，float等。

了解數組，以及相關應用（excel的數組挺難用），Python和R也會涉及到 list，是核心概念之一。

了解函數，深入理解各種參數的作用。它會在學習Python中幫助到你。

了解中文編碼，UTF8、GBK、ASCII，這是數據分析師的坑點之一。

第二周：數據可視化

數據分析界有一句經典名言，字不如表，表不如圖。

數據可視化是分析的常用技巧之一，不少數據分析師的工作就是通過圖表觀察和監控數據。首先了解常用的圖表：

Excel的圖表可以100%繪制上面的圖形，但這只是基礎。

在「數據可視化：你想知道的經典圖表全在這」中介紹了各類數據分析的經典圖表，除了趨勢圖、直方圖，還包括?；鶊D、空間圖、熱力圖等額外的類型。

數據可視化不是圖表的美化，而是呈現數據的邏輯之美，是揭示數據的內在關聯。了解圖表的維度和適用場景，比好看更重要。比如桑吉圖就是我一直推崇的圖表，它并不知名，但是它能清晰的揭露數據內在狀態的變化和流向。案例是用戶活躍狀態的趨勢。

Excel的圖表操作很傻瓜化，其依舊能打造出一份功能強大的可視化報表。「數據可視化：教你打造升職加薪的報表」教給大家常用的Excel繪圖技巧，包括配色選取，無用元素的剔除、輔助線的設立、復合圖表等方法。

Excel圖表的創造力是由人決定的，對數據的理解，觀察和認知，以及對可視化的應用，這是一條很長的道路。

圖表是單一的，當面板上繪制了多張圖表，并且互相間有關聯，我們常稱之為Dashboard儀表盤。

上圖就是用分析師薪資數據為數據源繪制的Dashboard，比單元格直觀不少。我們常常把繪制這類Dashboard的工具叫做BI。

BI（商業智能）主要有兩種用途。一種是利用BI制作自動化報表，數據類工作每天都會接觸大量數據，并且需要整理匯總，這是一塊很大的工作量。這部分工作完全可以交給BI自動化完成，從數據規整、建模到下載。

另外一種是使用其可視化功能進行分析，它提供比Excel更豐富的交互功能，操作簡單，而且美觀，如果大家每天作圖需要兩小時，BI能縮短大半。

在「數據可視化：手把手打造BI」教程中，以微軟的PowerBI舉例，教大家如何讀取數據，規整和清洗數據，繪制圖表以及建立Dashboard。最后的成果就是上文列舉的分析師案例。

BI還有幾個核心概念，包括OLAP，數據的聯動，鉆取，切片等，都是多維分析的技巧，也是分析的核心方法之一。

后續的進階可視化，將和編程配合。因為編程能夠提供更高效率和靈活的應用。而BI也是技術方向的工具，了解技術知識對應用大有幫助。

第三周：數據分析思維數據分析能力的高低，不以工具和技巧決定，而以分析思維決定。

在一場戰爭中，士兵裝備再好的武裝，進行再嚴苛的訓練，若是沖鋒的方向錯了，那么迎接他們的唯有一敗涂地。

分析思維決定一場「數據戰爭」中的沖鋒方向。只有先養成正確的分析思維，才能使用好數據。

既然是思維，它就傾向于思考的方式，Excel函數學會了就是學會，分析則不同。大多數人的思維方式都依賴于生活和經驗做出直覺性的判斷，以「我覺得我認為」展開，好的數據分析首先要有結構化的思維。

麥肯錫是其中領域的佼佼者，創建了一系列分析框架和思維工具。最典型地莫過于金字塔思維。

這篇文章簡述了該思維的應用，「快速掌握麥肯錫的分析思維」。你能學會結構化思考，MECE原則，假設先行，關鍵驅動等方法論。

除此以外，還有SMART、5W2H、SWOT、4P4C、六頂思考帽等，這些都是不同領域的框架?？蚣艿慕浀湓谟冢虝r間內指導新人如何去思考，它未必是最好的，但一定是性價比最優的。數據分析思維，是分析思維的引申應用。再優秀的思考方式，都需要佐證和證明，數據就是派這個用處的，「不是我覺得，而是數據證明」。

現代管理學之父彼得·德魯克說過一句很經典的話：如果你不能衡量它，那么你就不能有效增長它。如果把它應用在數據領域，就是：如果你不能用指標描述業務，那么你就無法有效增長它。每一位數據分析師都要有指標體系的概念，報表也好，BI也好，即使機器學習，也是圍繞指標體系建立的。

下圖就是一個典型的指標體系，描述了用戶從關注產品、下載、乃至最后離開的整個環節。每一個環節，都有數據及指標以查詢監控。

不同業務背景需要的指標體系不同，但有幾個建立指標的通用準則。這篇文章深入介紹了「如何建立數據分析的思維框架」。你將區分什么是好指標、什么是壞指標、比率和比例、指標的結構、指標設立的維度等概念。

數據分析不是一個結果，而是一個過程。幾乎所有的分析，最終目的都是增長業務。所以比分析思維更重要的是驅動思維落地，把它轉化為成果。

數據分析思維是常年累月養成的習慣，一周時間很難訓練出來，但這里有一個縮短時間的日常習慣。以生活中的問題出發做練習。

這家商場的人流量是多少？怎么預估？

上海地區的共享單車投放量是多少？怎么預估？

街邊口的水果店，每天的銷量和利潤是多少？怎么預估？

這些開放性問題起源于咨詢公司的訓練方法，通過不斷地練習，肯定能有效提高分析思維。另外就是刷各種CaseBook。

優秀的數據分析師會拷問別人的數據，而他本身的分析也經得起拷問。

第四周：數據庫

Excel很容易遇到瓶頸，隨著業務的發展，分析師接觸的數據會越來越多。對大部分人的電腦，超過十萬條數據，已經會影響性能。何況大數據時代就是不缺數據，這時候就需要學習數據庫了。

即使非數據崗位，也有越來越多的產品和運營被要求使用SQL。

很多數據分析師戲稱自己是跑SQL的，這間接說明SQL在數據分析中有多核心。從Excel到SQL絕對是處理效率的一大進步。

教程內容以MySQL為主，這是互聯網行業的通用標準。其實語法差異不大的。

新手首先應該了解表的概念，表和Excel中的sheet類似。「寫給新人的數據庫指南」是一篇入門基礎文章，包括表、ID索引、以及數據庫的安裝，數據導入等簡單知識。

SQL的應用場景，均是圍繞select展開。增刪改、約束、索引、數據庫范式均可以跳過。新手在「SQL，從入門到熟練」教程會學習到最常見的幾個語法，select、where、group by、if、count/sum、having、order by、子查詢以及各種常用函數。

數據還是分析師薪資數據，它可以和Excel實戰篇結合看，不少原理都是相通的。

想要快速掌握，無非是大量的練習。大家可以在leetcode上做SQL相關的練習題，難度從簡單到困難都有?！窼QL，從熟練到掌握」教程中將會帶領大家去刷一遍。

join對新手是一個很繞的概念，教程會從圖例講解，逐步提高難度。從一開始的join關聯，到條件關聯、空值匹配關聯、子查詢關聯等。最后完成leetcode中的hard模式。

如果想要更進一步，可以學習row_number，substr，convert，contact等函數。不同數據平臺的函數會有差異，例如Presto和phpMyAdmin。再想提高，就去了解Explain優化，了解SQL的工作原理，了解數據類型，了解IO。知道為什么union比or的效率快，這已經和不少程序員并駕齊驅。

第五周：統計學

很多數據分析師并不注重統計學基礎。

比如產品的AB測試，如果相關人員不清楚置信度的含義和概念，那么好的效果能意味著好么？如果看待顯著性？

比如運營一次活動，若不了解描述統計相關的概念，那么如何判別活動在數據上的效果？可別用平均數。

不了解統計學的數據分析師，往往是一個粗糙的分析師。如果你想要往機器學習發展，那么統計學更是需要掌握的基礎。

統計知識會教大家以另一個角度看待數據。如果大家了解過《統計數據會撒謊》，那么就知道很多數據分析的決策并不牢靠。

在第一篇教程「解鎖數據分析的正確姿勢：描述統計」，會教給大家描述統計中的諸多變量，比如平均數、中位數、眾數、分位數、標準差、方差。這些統計標準會讓新手分析師從平均數這個不靠譜的泥潭中出來。

箱線圖就是描述統計的大成者，好的分析師一定是慣用箱線圖的常客。

第二篇「解鎖數據分析的正確姿勢：描述統計(2)」將會結合可視化，對數據的分布進行一個直觀的概念講解。很多特定的模型都有自有的數據分布圖，掌握這些分布圖對分析的益處不可同日而語。

直方圖和箱線圖一樣，將會是長久伴隨分析師的利器。

統計學的一大主要分支是概率論，概率是度量一件事發生的可能性，它是介于0到1之間的數值。很多事情，都可以用概率論解釋，「概率論的入門指南」和「讀了本文，你就懂了概率分布」都是對其的講解。

包括貝葉斯公式、二項概率、泊松概率、正態分布等理論。理論不應用現實，那是無根之木，教程中會以運營活動最常見的抽獎概率為講解，告訴大家怎么玩。

其實數據分析中，概率應用最廣泛和最全面的知識點，就是假設檢驗，大名鼎鼎的AB測試就是基于它的。俗話說得好，再優秀的產品經理也跑不過一半AB測試。

何為假設檢驗？假設檢驗是對預設條件的估計，通過樣本數據對假設的真偽進行判斷。

產品改版了，用戶究竟喜不喜歡？調研的評分下降了，這是用戶的評價降低了，還是正常的數據波動呢？這些都是可以做假設檢驗的。它可以說是兩面兩篇文章的回顧和應用。

「數據分析必須懂的假設檢驗」依舊以互聯網場景講解各種統計技巧的應用。假設檢驗并不難，通過Excel的幾個函數就能完成。它的難點在于諸多知識點和業務的結合使用，實際公式不需要掌握的多透徹，了解背后的意義更重要。

統計學是一個很廣闊的領域，包括方差分析，時間序列等，都有各自不同的應用。大家若感興趣，可以去閱讀各類教材，沒錯，教材是學習統計學最優的方式。我這類文章堪堪算入門罷了。

第六周：業務

對于數據分析師來說，業務的了解比數據方法論更重要。舉個例子，一家O2O配送公司發現在重慶地區，外賣員的送貨效率低于其他城市，導致用戶的好評率降低?？偛康臄祿治鰩熃⒘烁鱾€指標去分析原因，都沒有找出來問題。后來在訪談中發覺，因為重慶是山城，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導致送貨效率慢。這個案例中，我們只知道送貨員的送貨水平距離，根本不知道垂直距離。這是數據的局限，也是只會看數據的分析師和接地氣分析師的最大差異。業務形態千千萬萬，數據分析師往往難窺一二。我的公眾號業務部分也涉及了不少，大家可以通過這幾篇文章了解。

一篇文章讀懂活躍數據；深入淺出，用戶生命周期的運營；獲取新增用戶，運營都應該知道的事；運營的商業邏輯：CAC和CLV；從零開始，構建數據化運營體系；讀懂用戶運營體系：用戶分層和分群，這些都是互聯網運營相關的內容，或多或少涉及了不少業務方面的概念，數據分析人員可以選擇性的挑選部分內容。了解業務的數據分析師在職場發展上會更加順利。

而在「最用心的運營數據指標解讀」中，我嘗試總結了幾個泛互聯網領域的指標和業務模型，它們都是通用的框架。

產品運營模型：以移動端APP為主體，圍繞AARRR準則搭建起數據框架。包括Acquisition用戶獲取、Activation用戶活躍、Retention用戶留存、Revenue營收、Refer傳播，以及細分指標。

市場營銷模型：以傳統的市場營銷方法論為基底，圍繞用戶的生命周期建立框架。包括用戶生命周期，生命周期價值、用戶忠誠指數、用戶流失指數、用戶RFM價值等。

流量模型：從早期的網站分析發展而來，以互聯網的流量為核心。包括瀏覽量曝光率、病毒傳播周期、用戶分享率、停留時間、退出率跳出率等。

電商和消費模型：以商品的交易、零售、購買搭建而起。包括GMV、客單價、復購率、回購率、退貨率、購物籃大小、進銷存，也包含SKU、SPU等商品概念。

用戶行為模型：通過用戶在產品功能上的使用，獲得精細的人群維度，以此作為分析模型。包括用戶偏好、用戶興趣、用戶響應率、用戶畫像、用戶分層，還包含點贊評論瀏覽收藏等功能的相關指標。

除了上述的幾個常見模型，數據分析還有其他分支。比如SEO/SEM，雖然可以歸類到流量模型，但它并不簡單。比如財務分析，商業的各種成本支出也需要專人負責。

在業務知識外，業務層面的溝通也很重要。業務線足夠長的時候，溝通往往成為老大難的問題。

業務學習沒有捷徑，哪怕掌握了諸多模型，不同行業間的業務壁壘會是分析師們的門檻。金融的各類專有領域知識，電子商務不同產品的特性，這些都會影響到分析報告的質量。

在早期，新人最好選擇一到兩個領域深入了解其業務，然后以此拓展邊界。

第七周：Python/R

第七周是最后的學習環節。

是否具備編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘、BI、爬蟲、可視化報表都需要用到編程。掌握一門優秀的編程語言，可以讓數據分析師升職加薪，迎娶白富美。數據分析領域最熱門的兩大語言是R和Python。R的優點是統計學家編寫的，缺點也是統計學家編寫。涉及各類統計函數和工具的調用，R無疑有優勢。但是大數據量的處理力有不逮，學習曲線比較陡峭。

Python則是萬能的膠水語言，適用性強，可以將分析的過程腳本化。Pandas、Numpy、SKLearn等包也是非常豐富。

這里的教程以Python為主。

「開始Python的新手教程」將會教大家搭建數據分析環境，Anaconda是功能強大的數據科學工具。Python建議安裝Python3+版本，不要選擇Python2了。

Python的語法相當簡潔，大家print出第一個hello world頂多半小時。就像在Excel上進行運算一樣方便。

「開始Python的數據結構」介紹給大家Python的三類數據結構，列表list，元組tuple，以及字典dict。萬變不離其宗，掌握這三種數據結構以及相對應的函數，足夠應付80%的分析場景。函數式編程為Python一大特色，Python自身就提供不少豐富的函數。很多都和Excel的函數相通，掌握起來非常迅速。另外還有控制流，for、while、if，通常配合函數組合使用。

「了解和掌握Python的函數」教大家如何自定義函數，豐富的函數雖然能偷懶，但是不少場景下，還是需要自己動手擼一個。

能夠調第三方包解決，就使用第三方的函數。如果是一個頻繁使用的場景，而第三方依靠不了，就自己編一個函數。如果是臨時性的場景，寫得粗糙點也無所謂。畢竟分析師的代碼能力不要求工程師那么嚴格，所以Python的學習盡量以應用為主，不用像分析師那么嚴格。

包、模塊和類的概念屬于進階知識，不學也不要緊。

「Python的數據分析: numpy和pandas入門」介紹了數據分析師賴以生存的兩個包，numpy和pandas，其他Python知識可以不扎實，這兩個最好認真掌握。它是往后很多技能樹的前置要求。

array，series，dataframe是numpy和pandas的三個數據結構，掌握它們，便算是入門了。后續的兩篇教程都是實戰。

「用pandas進行數據分析實戰」以分析師的薪資作為實戰數據。Excel、BI、SQL，一路走來，大家想必對它無比熟悉，這也是最后一次使用它了。教程通過Pandas的各類功能，繪制出一副詞云圖。

服務器運行環境怎么快速搭建？

由于題主沒有明確是哪種環境，下面主要介紹兩大系統平臺的運行環境的最簡部署方式。

1. Linux系統 - 寶塔面板

2. Windows - 寶塔面板、PhpStudy(比較簡單)

有能力的程序員，可以自行安裝：MySQL（或者PostgreSQL）、PHP運行時、JDK、Apache（或者Nginx、Tomcat）

初學者、怕麻煩的程序猿或者運維工程師都會使用一類綜合的環境部署工具，例如寶塔面板來構建程序的基礎環境，善于探索和不怕麻煩的程序猿、運維老鳥都可能會獨立部署服務器運行環境。

注：由于Linux生態多種多要，但是安裝方式大同小異，因包管理器和構建工具的不同，稍稍有點差異，但是在安裝寶塔面板上，沒有區別。

Linux系統平臺 - 寶塔面板

寶塔Linux面板是提升運維效率的服務器管理軟件，支持一鍵LAMP/LNMP/集群/監控/網站/FTP/數據庫/JAVA等100多項服務器管理功能。

有20個人的專業團隊研發及維護，經過200多個版本的迭代，功能全，少出錯且足夠安全，已獲得全球百萬用戶認可安裝。運維要高效，裝寶塔。

寶塔面板支持CentOS，Ubuntu、Debian、Fedora，下面以CentOS7.x為例。

1. 通過ssh工具登錄服務器

這里推薦大家使用Putty進行登錄。注意要開放ssh連接的端口，一般默認是22，為了網站安全推薦大家更換ssh登錄端口。設置為不常用的端口。

輸入賬號和密碼，注意密碼在輸入時是不顯示的，大家不要以為密碼沒輸入。

2. 安裝寶塔面板

執行以下代碼進行安裝寶塔6.9免費版。寶塔6.9版本已經很穩定了，推薦大家直接安裝6.9版本（注意：寶塔linux6.0版本是基于centos7開發的，務必使用

centos7.x

系統）。

yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && bash install.sh

回車進行安裝。

輸入y，并回車。接下來便是等待寶塔面板進行安裝。

我們得到登錄寶塔面板的URL,賬號和密碼。

面板地址：http://{您的服務器IP}:8888

初始化：第一次使用會要求初始化配置，請按照提示填入配置信息。

安裝完成寶塔面板后，我們就可以在瀏覽器中訪問了。復制Bt-panel中的URL到瀏覽器上訪問。注意要打開服務器（服務器系統的自身的防火墻iptables或者

firewall.d

+云主機廠商的防火墻，如果你的主機確實在云上的話 ）上的8888端口。

輸入默認的賬號和密碼進行登錄。

3. 設置寶塔面板

進入主頁就能看到面板的各項設置了。

在軟件商店里安裝各種工具，例如Ngxin、PHP，在網站選項卡里創建站點，即可使用服務！

Windows寶塔面板

直接在服務器上運行寶塔

.exe

就可以了，后面流程和Linux相似。

Windows PhpStudy

phpStudy也出最新版本支持Linux，但是還是不夠完善，目前還是8.0最好用。

PhpStudy有自己的用戶界面，直接雙擊安裝文件即可安裝，相對于寶塔win版，它是沒有非Web客戶端的。

在Win上，PhpStudy的易用性高于寶塔面板！

碼字不易，如果覺得作者說的不錯，懇請諸位點個贊，或者加個關注，萬分感謝?。

自己如何開發一款app？

今年六月的時候，萌生了開發一個記賬 App 的想法，想去用自己的 App 記賬，管理收支。那時正好在英國是考試周，放假后，我回到了國內，準備去實現我的計劃。沒想到這暑假很快就結束了，在這個暑假中經歷的太多的事，準備了要去美國讀研的考試，遇到了生命中的另一半，同時，也將 Costuary for iPhone 帶到了這個世界。

Logo

說道為什么要開發這樣一個 App ，因為筆者在 UK 讀書，市面上很少有記賬 App 能夠實現實時匯率的換算，帶有這個功能的 App 也是操作繁雜。所以要自己開發一個，功能并沒有那么復雜的，并且能夠滿足自己在國外和國內生活需求的 App，所以自己編寫了 iPhone 的客戶端，為了獲取匯率和 Excel 導出，又用 Java 設計和編寫了 Costuary 的后端服務器。

比起今年年初開發的 Flat Weather，這個項目的代碼量大約是他的十倍，需要實現眾多的功能和模塊。

這篇文章將會介紹一下 Costuary 的功能與我開發過程中的一些心得。

效果圖設計

說到設計，兩年前，我還是一個 Android 開發者，Google 的 Material Design 是我的最愛，所以，Costuary 采用了 Android 5.0 之后采用的 Material Design 設計。其中摻雜了一些我自己的設計，因為 Material Design 的控件有時候操作繁瑣。

早在 5 月份的時候已經零零總總的用 Sketch 畫出了這個產品的 UI 和圖標，之后開始了漫長開發的過程。

Sketch交互

與去年開發的 Android 版不同，iPhone 版的 Costuary 采用了底部導航欄的設計，相比于 Android 通常使用的 Navigation Drawer 的抽屜布局，底部導航欄的設計即使在右手操作 iPhone 的時候都不會太費力。

UX功能Features

多幣種記賬

Costuary 支持世界上主要貨幣的實時匯率轉換，所有外匯在統計時會轉換成主貨幣的數目，方便查看花銷。

日歷視圖

日歷視圖能夠很直觀的反映出哪一天有消費和收入。

圖表

說到記賬軟件，量化消費的圖表無疑是重要的一環，Costuary 提供了餅狀圖來視覺化一段時間的花銷。

多賬戶

可以建立多個賬戶來表示自己的銀行卡，支付寶，現金等等。

月預算

可以看出本月的預算還有多少。

導出到 Excel

如果想要進行更加詳細的分析，可以使用導出功能將賬本導出到 Excel。

備份與還原

允許備份賬本內容到 iCloud。

開發

去把一紙設計變成真正的產品，這是一個獨立開發者應該具有的能力。只會寫代碼不只是我唯一掌握的，能夠去設計出來自己想要的應用并且將他實現才是我在做的事情。

這款應用的開發并沒有想象中的簡單，需要自己去實現大量 Android UI 控件，很多圓角，陰影，字體，要慢慢的去調整，讓控件適合 iPhone 的屏幕。整個應用的背后有 3 個關系型數據庫來儲存賬戶，賬本與各種匯率。與以前開發的 Flat Weather 不同，Costuary 會產生大量的用戶數據，所以整個軟件架構的穩定性變得異常重要，需要設計一些機制來防止數據丟失與損壞。

Development

為了實現 App 獲取每日的匯率，并且在 iPhone 上能夠實現賬本導出到 Excel ，我設計了一個服務器后端來處理這些繁雜的實物。每次 App 啟動后會與我的服務器來更新最新的匯率。當用戶選擇導出時，賬本會被發送到服務器上并處理為 Excel 發送到用戶的郵箱里。

Mail

說到服務器，就不得不提到用戶隱私了，因為導出到 Excel 功能需要將賬本傳到我的服務器上做進一步處理，很多人會覺得我侵犯了他的個人隱私。對此，為了保護我的權益與用戶的權益，我撰寫了 Costuary 軟件許可及服務協議與 Costuary 隱私政策，這是我作為獨立開發者這么多年后第一次去寫許可協議。

Agreement資費

與我的其他產品一樣，這款 App 依舊是免費供大家使用的，作為獨立開發者，我們都知道，絕大多數用戶不會去珍惜一個免費的產品。就像 Flat Weather 一樣，雖然獲得了很多人的支持，但是也收到了很多人的吐槽。在 Costuary 中依然設計了一個的捐助按鈕，如果大家使用之后喜歡這個應用，請支持我將他維護下去。

Please donate me尾巴

Costuary for iPhone 是我開發出來過最大的軟件體系。我相信，能夠獨立開發出來產品的人懂得不只是編程。一個人要去經歷項目的全部生命周期：規劃，設計，開發，運營，維護，營銷，這些是我開發這么多產品所學會的。

現在的 Costuary 只是第一個版本，還有很多 iPhone 的特性沒有來得及開發，以后會跟上的，比如 iPhone X 的適配，3D Touch、Today Widget、Touch ID 等等。

以前在少數派撰稿的時候，很多讀者會來問我如何學習開發，我也特地去寫過如何去學習編程，但我相信，真正想去學習的，想去為這個生態貢獻出自己的一份力的人，自己都會找到學習的方法。我的專業是電子電器而不是軟件工程，但是我不后悔當年去學習編程。

最后，還是感謝在背后默默支持我的人，我會不斷地改進與提升，如果 Costuary 真的在記賬方面給予了你便利，這是我莫大的榮幸。

如果想要了解我的更多作品可以訪問我的個人博客 MikeTech，或者在少數派中閱讀我以前寫過的文章。今年年初也在 iPhone 上寫過一個天氣 App，天氣應用 Flat Weather 的設計歷程。

對了，關于記賬有什么用，如何記賬，如何養成記賬的習慣。為什么每個月末都捉襟見肘，除了沒錢，很可能是對財務管理的能力不強。想了解這一方面的知識，不妨看一看我派的付費閱讀欄目：從零開始做好個人記賬

總是有人在黑php？

PHP 現在名聲很糟糕，因為它曾經是“可怕”的。

本文試著回答一些常見的關于 PHP 的斷言，目的是向非技術人員解釋，PHP 并不像許多人所說的那么糟糕。

1、它是不是鼓勵糟糕的實踐？

不再是了。過去，許多開發者被書本教授非常糟糕的實踐，因此 PHP 代碼的質量非常差。PHP 曾經還允許你做一些非常奇怪的事情，使得它非常容易構建，但維護起來卻是一場噩夢。

這些不再是常見的問題。隨著高質量學習材料的引入，這些材料易學且易獲取，一名新的開發人員可以以正確的方式學習 PHP。這樣就可以避免初級開發者因為不知道構建事物的正確方法而編寫一些維護起來非常痛苦的代碼。

隨著框架的引入，導致許多糟糕體驗的大部分通用代碼現在都自動完成了；因此，開發人員只需使用框架，框架就可以正確地對其進行編碼。

而且，這些年來，一些糟糕的實踐是由缺失的特性造成的，導致了一些本不應該被允許的事情被允許?，F在大多數情況下，甚至不可能實現以前編寫的一些東西來導致這種聲譽。

小結它不再鼓勵糟糕的實踐…

通過使用框架避免了糟糕實踐。

語言特性現在有很多討論。糟糕的特性不再受到支持。

PHP 添加了其他語言中存在的大部分（即使不是全部）的特性。

2、它的安全性是不是很差？

過去，PHP 應用程序的安全性通常很差，因為語言允許這樣做。這些東西不再被使用，因為 PHP 應用程序的開發現在已經完全不同。

通過使用自動加載程序來包含文件而不是動態包含文件，已經移除了遠程和本地文件包含（其中 PHP 從其它地址而不是最初打算的地址讀取文件）。

通過廣泛使用模板系統（可以自動處理顯示動態內容的轉義和安全問題），已經避免了由于直接在 PHP 中直接使用 HTML 所導致的跨站腳本攻擊（其中一個用戶將 JavaScript 腳本添加到要顯示給另一個用戶的地方）。

通過在 SQL 中使用 prepared 語句，避免了 SQL 注入攻擊（這是由于需要構建 SQL 查詢并將查詢和數據一起發送導致的，其中用戶可以向查詢中增加額外的 SQL 命令）。另外，ORM 的使用也很普遍，它確保用戶數據和查詢是分開發送的，而 SQL 不能將其視為單獨的命令。

通過廣泛使用且采用 nonce 系統的 form 庫，避免了跨站請求偽造（其中，用戶能夠被誘騙在你的站點上執行某些操作）。

小結通過使用自動加載程序（所有主流框架的標配），避免了遠程和本地文件包含。

通過使用模板語言作為標準或一種前端框架（例如 React），避免了跨站腳本（XSS）攻擊。

通過使用 ORMs 和廣泛使用 prepared 語句，避免了 SQL 注入。

通過使用 nonce token（被所有主流框架自動支持），避免了跨站請求偽造（CRSF）攻擊。

3、它是不是真的很慢？

這取決于你把它與什么比較。如果你把 PHP 與 Java、C 或者 Go 比較，那么它是比較慢。但是如果你把 PHP 與 Python、Ruby 等等比較，那么它并不慢。在同類型的語言中，PHP 是最快的之一，并且不斷在提高性能。

大多數情況下，你的應用程序慢是因為服務器過載或者數據庫查詢慢。這些問題在任何語言中都會存在。

小結PHP 與編譯型語言相比是比較慢。

PHP 與其它腳本型語言相比是比較快的。

網站慢通常不是由于使用的語言不夠快，而是因為服務器或數據庫導致的性能問題。

4、它的伸縮性是不是真的很差？

實際上，任何語言都可以伸縮。編譯型語言（例如 Go、C 或 Rust）比腳本型語言（例如 PHP）的擴展成本更低。然而，它們并不是為了同樣的任務而設計的。事實上，它們都是一樣的；這簡單地歸結于你使用的服務器數量。如果你使用足夠多的服務器，你可以擴展任何應用程序。PHP 比其它腳本型語言的擴展成本更低，因為它需要更少的資源來開始運行，并且可以在具有更多 CPU 的較小內存的服務器上運行。

另外，對于伸縮性，重要的是數據庫。如果你能夠擴展你的數據庫，你就可以擴展你的應用程序。數據庫比應用服務器更難擴展。增加另一個讀取數據庫的客戶端很容易；但是，讓數據庫快速運行要難得多。

小結任何語言都可以伸縮；這取決于你使用多少服務器。

擴展的真正問題是數據庫而不是所使用的應用程序語言。

如果你能夠擴展你的數據，你就能擴展你的應用程序。

5、我應該一直使用它嗎？

不。每種編程語言都有其擅長的領域。PHP 非常適合 Web 應用程序。你應該用它來構建網站和 API。

如果你正在構建一個系統應用程序，其中每毫秒都很重要，使用 Rust 或者 C。

如果你正在構建一個人工智能應用程序，Python 是一個好選項。

如果你正在構建一個 SaaS 應用程序，PHP 是一個好選項。

如果你正在構建一個安卓應用程序，Kotlin 是一個好選項。

如果你正在構建一個運行在多個平臺上的應用程序，Java 是一個好選項。

小結每種語言都有其最佳用例。

PHP 的最佳用例是 Web 應用程序。

Go、Rust、C 適合系統應用程序。

Python 適合人工智能。

Kotlin 適合安卓應用程序。

Java 適合與平臺無關的應用程序。

6、結論

每年都有在吐槽php，可是你這個phper現在過期了嗎？很多關于 PHP 的說法都已經過時 10 年了。在我看來，如果有人給你關于某個技術主題的過期 10 年的信息，那么這個人可能不是你想要信任的技術專家。

PHP 是創建 Web 應用程序的一門好編程語言，我認為它是實現 Web 應用程序開發的最佳語言。

phpMyAdmin怎么連接數據庫？

需要用本地的PHPMYADMIN連接遠程的MYSQL數據庫，下面配置如下：打開config.inc.php1.更改登陸驗證方式查找 $cfg['Servers'][$i]['auth_type']，其值改為 cookie；

2.更改phpmyadmin程序網址，查找 $cfg['PmaAbsoluteUri']，其值改為你的phpmyadmin網址類似于 http://www.aaa.com/phpmyadmin；。；

3.更改默認登陸語言，查找 $cfg['DefaultLang']，其值改為 zh，其他的無需配置，因為使用cookie方式登陸，直接比對數據庫判斷權限。與配置文件中的這些參數無關。

以上就是關于php本地測試教程以及怎么自學數據分析的相關回答，有更多疑問可以加微。