JacksonWoo

@sadscv 目前支持的是 MySQL 数据库，因为我没有 sql server 的服务器没法做调试，所以暂时还没有支持 sql server

@dezhou 在矩阵运算的性能上，Numpy 无疑是最快的，毕竟她底层调用的是 C 的科学运算库，DaPy 自然比不过的。但是，在数据预处理、特征工程等阶段的操作，并不能一直使用矩阵运算的。DaPy 的设计初衷，是让你轻松地通过调用简单的 API 完成一系列的数据预处理和特征工程操作。DaPy 不想推翻 Numpy 创造一个新的计算引擎，而是想减轻数据科学工作者的工作负担。

@lxy42 在 DaPy 数据处理的结构中，最重要的是 SeriesSet 数据结构（类似于 DataFrame ）。它的实现是由一系列的一维数据结构 Series 存在字典中实现的，而 Series 则是 Python 内置结构 list 的派生类。

我没有选择基于 numpy.array 做封装的原因是：1. numpy.array 往往对数据格式有很强的要求，在处理文本数据的时候会比较低； 2. Numpy.array 在初始化新对象的时候的速度不一定比 list 快。Numpy.array 只在一种情况下是高效的，那就是矩阵运算。

因此，DaPy 在类似于 DataFrame 的通用数据框架中是使用 list 进行了封装；而在机器学习模块中为所有模型设置“engine”参数，可以选择 Numpy 矩阵作为运算引擎，以加速在模型训练时的速度。

@renmu123 目前没有完整的文档，但是可以通过 help 来查看非常丰富的帮助信息。我的微信号是这个：Wxsjswxs，有任何使用中的疑惑或者建议欢迎骚扰！

@dezhou Pandas 确实不错，但对于很多在高校的统计研究人员来说，他们相比较于 R 或者 Matlab 来说，易用性确实差一些。Pandas 是适合程序员使用数据分析框架。