Python 現(xiàn)如今已成為數(shù)據(jù)分析和數(shù)據(jù)科學(xué)使用上的標(biāo)準(zhǔn)語(yǔ)言和標(biāo)準(zhǔn)平臺(tái)之一。那么作為一個(gè)新手小白，該如何快速入門(mén) Python 數(shù)據(jù)分析呢？

下面根據(jù)數(shù)據(jù)分析的一般工作流程，梳理了相關(guān)知識(shí)技能以及學(xué)習(xí)指南。

數(shù)據(jù)分析一般工作流程如下：

1. 數(shù)據(jù)采集
2. 數(shù)據(jù)存儲(chǔ)與提取
3. 數(shù)據(jù)清潔與預(yù)處理
4. 數(shù)據(jù)建模與分析
5. 數(shù)據(jù)可視化

1.數(shù)據(jù)采集

數(shù)據(jù)來(lái)源分為內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)，內(nèi)部數(shù)據(jù)主要是企業(yè)數(shù)據(jù)庫(kù)里的數(shù)據(jù)，外部數(shù)據(jù)主要是下載一些公開(kāi)數(shù)據(jù)取或利用網(wǎng)絡(luò)爬蟲(chóng)獲取。（如果數(shù)據(jù)分析僅對(duì)內(nèi)部數(shù)據(jù)做處理，那么這個(gè)步驟可以忽略。）

公開(kāi)的數(shù)據(jù)集我們直接下載即可，所以這部分的重點(diǎn)知識(shí)內(nèi)容是網(wǎng)絡(luò)爬蟲(chóng)。那么我們必須掌握的技能：Python 基礎(chǔ)語(yǔ)法、Python 爬蟲(chóng)的編寫(xiě)。

Python 基礎(chǔ)語(yǔ)法 ：掌握元素（列表、字典、元組等）、變量、循環(huán)、函數(shù)等基礎(chǔ)知識(shí)，達(dá)到能夠熟練編寫(xiě)代碼，至少不能出現(xiàn)語(yǔ)法錯(cuò)誤。

Python 爬蟲(chóng)內(nèi)容 ：掌握如何使用成熟等 Python 庫(kù)（如urllib、BeautifulSoup、requests、scrapy）實(shí)現(xiàn)網(wǎng)絡(luò)爬蟲(chóng)。

由于大部分的網(wǎng)站都有自己的反爬機(jī)制，所以我們還需要學(xué)習(xí)一些技巧去應(yīng)對(duì)不同網(wǎng)站的反爬策略。主要包括： 正則表達(dá)式、模擬用戶登錄、使用代理、設(shè)置爬取頻率、使用cookie信息等等。

推薦資源：

• Python3 簡(jiǎn)明教程
• 笨辦法學(xué)Python3

2.數(shù)據(jù)存儲(chǔ)與提取

提到數(shù)據(jù)存儲(chǔ)，肯定跑不掉的就是數(shù)據(jù)庫(kù)。SQL 語(yǔ)言作為數(shù)據(jù)庫(kù)最基礎(chǔ)的工具，這個(gè)是不可少的。常見(jiàn)的關(guān)系數(shù)據(jù)庫(kù)以及非關(guān)系數(shù)據(jù)庫(kù)也需要有所了解。

SQL語(yǔ)言 ： 最基本的四大操作，增刪改查 。需要爛熟于心，信手拈來(lái)。由于可能會(huì)提取一些指定數(shù)據(jù)，所以，需要能夠 編寫(xiě) sql 語(yǔ)句去提取特定數(shù)據(jù) 。在處理一些復(fù)雜數(shù)據(jù)的時(shí)候，還會(huì)涉及到 數(shù)據(jù)的分組聚合、建立多個(gè)表之間的聯(lián)系 。

MySQL 和 MongoDB ：掌握 MySQL 和 MongoDB 的基礎(chǔ)使用，并且了解兩個(gè)數(shù)據(jù)庫(kù)的區(qū)別。學(xué)會(huì)了這兩個(gè)數(shù)據(jù)庫(kù)，其他的數(shù)據(jù)庫(kù)基本可以在此基礎(chǔ)上很快上手。

推薦資源：

• MySQL 基礎(chǔ)課程
• MongoDB 基礎(chǔ)教程

3.數(shù)據(jù)清潔與預(yù)處理

往往我們拿到的數(shù)據(jù)是不干凈的，數(shù)據(jù)的重復(fù)、缺失、異常值等等。這個(gè)時(shí)候我們就需要對(duì)數(shù)據(jù)進(jìn)行清潔以及預(yù)處理，解決掉干擾因素，才能更加精準(zhǔn)地分析結(jié)果。

對(duì)于數(shù)據(jù)預(yù)處理，我們主要利用 Python 的 Pandas 庫(kù)進(jìn)行。

Pandas：用于數(shù)據(jù)處理的程序庫(kù)，不僅提供了豐富的數(shù)據(jù)結(jié)構(gòu)，同時(shí)為處理數(shù)據(jù)表和時(shí)間序列提供了相應(yīng)的函數(shù)。

主要掌握 選擇、缺失值處理、重復(fù)值處理、空格和異常值處理、相關(guān)操作、合并、分組 等。

推薦資源：

• Pandas 數(shù)據(jù)處理基礎(chǔ)
• Pandas 百題大沖關(guān)
• Tutorials - pandas 0.25.1 documentation
• 利用Python進(jìn)行數(shù)據(jù)分析

4.數(shù)據(jù)建模與分析

數(shù)據(jù)分析的重頭戲，這部分已經(jīng)不是單純的處理數(shù)據(jù)了，需要一定的數(shù)學(xué)基礎(chǔ)和機(jī)器學(xué)習(xí)基礎(chǔ)。

概率論及統(tǒng)計(jì)學(xué)知識(shí) ：基本統(tǒng)計(jì)量（均值、中位數(shù)、眾數(shù)等）、描述性統(tǒng)計(jì)量（方差、標(biāo)準(zhǔn)差等）、統(tǒng)計(jì)知識(shí)（總體和樣本、參數(shù)和統(tǒng)計(jì)量等）、概率分布與假設(shè)檢驗(yàn)（各種分布、假設(shè)檢驗(yàn)流程）、條件概率、貝葉斯等其他概率論知識(shí)。

機(jī)器學(xué)習(xí) ：掌握常用的機(jī)器學(xué)習(xí)分類(lèi)、回歸、聚類(lèi)算法和原理，了解特征工程基礎(chǔ)、調(diào)參方法以及 Python 數(shù)據(jù)分析包scipy、numpy、scikit-learn 等。

• NumPy：一個(gè)通用程序庫(kù)，不僅支持常用的數(shù)值數(shù)組，同時(shí)提供了用于高效處理這些數(shù)組的函數(shù)。
• SciPy：Python的科學(xué)計(jì)算庫(kù)，對(duì)NumPy的功能進(jìn)行了大量擴(kuò)充，同時(shí)也有部分功能是重合的。Numpy和SciPy曾經(jīng)共享基礎(chǔ)代碼，后來(lái)分道揚(yáng)鑣了。

推薦資源：

• 深入淺出統(tǒng)計(jì)學(xué)
• 統(tǒng)計(jì)學(xué)習(xí)方法
• NumPy 數(shù)值計(jì)算基礎(chǔ)
• NumPy 百題大沖關(guān)
• SciPy 科學(xué)計(jì)算基礎(chǔ)

5. 數(shù)據(jù)可視化

數(shù)據(jù)可視化，這部分主要依賴于 Python 的 Matplotlib 和 Seaborn。

• Matplotlib：一個(gè)2D繪圖庫(kù)，在繪制圖形和圖像方面提供了良好的支持。當(dāng)前，Matplotlib已經(jīng)并入SciPy中并支持NumPy。
• Seaborn： 基于matplotlib的圖形可視化python包。它提供了一種高度交互式界面，便于用戶能夠做出各種有吸引力的統(tǒng)計(jì)圖表

推薦資源：

• Matplotlib 數(shù)據(jù)繪圖基礎(chǔ)

根據(jù)以上內(nèi)容，循序漸進(jìn)的完成學(xué)習(xí)，基本上是可以達(dá)到初級(jí)數(shù)據(jù)分析師的要求。但是千萬(wàn)不要忘記了，掌握基本技能之后，還要多加練習(xí)，重視實(shí)戰(zhàn)才能更好的提升技能。

下面推薦一些還不錯(cuò)的項(xiàng)目案例：

• 中國(guó)保險(xiǎn)行業(yè)過(guò)去五年基礎(chǔ)數(shù)據(jù)分析
• 杭州互聯(lián)網(wǎng)寒冬背景下的數(shù)據(jù)分析崗現(xiàn)狀分析
• 基于京東手機(jī)銷(xiāo)售數(shù)據(jù)用回歸決策樹(shù)預(yù)測(cè)價(jià)格

以上案例都來(lái)自與實(shí)驗(yàn)樓《樓+ 數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》課程學(xué)員。