目錄：
一魁蒜，數(shù)據(jù)科學(xué)Python入門指南
二操刀，參考資料：
一烁挟，數(shù)據(jù)科學(xué)Python入門指南
精通Python時，最容易犯的錯誤之一就是嘗試一次學(xué)習(xí)太多東西骨坑，尤其是庫撼嗓。當(dāng)您嘗試那樣學(xué)習(xí)時，您會花費(fèi)太多時間在不同的概念之間切換，感到沮喪并轉(zhuǎn)向其他事物且警。
當(dāng)您開始學(xué)習(xí)時粉捻，請專注于此過程，并耐心等待每一步：
1斑芜，Understand Python basics：了解Python基礎(chǔ)
2杀迹，Learn Numpy：學(xué)習(xí)Numpy 庫
3，Learn Pandas：學(xué)習(xí)熊貓 庫
4押搪，Learn Matplotlib：學(xué)習(xí)Matplotlib 庫
5，Practice Your coding and data science skills：練習(xí)您的編碼和數(shù)據(jù)科學(xué)技能
步驟1：Python基礎(chǔ)知識
Python語法-成功的基石
好吧浅碾，老實說大州，您需要學(xué)習(xí)很多有關(guān)語法的特定細(xì)節(jié)，而本文不足以充分完成此任務(wù)垂谢。但我會真誠地嘗試減輕您的學(xué)習(xí)痛苦厦画。以下是基本概念和有價值的資源/書籍：
Python是一種強(qiáng)類型語言（強(qiáng)類型語言是一種語言，其中每種數(shù)據(jù)類型都作為語言的一部分進(jìn)行了預(yù)定義滥朱，并且必須使用一種數(shù)據(jù)類型來描述為給定程序定義的所有常量或變量）根暑。同時它是動態(tài)類型的（沒有變量的聲明，只有賦值語句）徙邻。
Python是區(qū)分大小寫的語言（var和VAR是兩個不同的變量）和面向?qū)ο蟮恼Z言（Python中的所有對象都是對象：數(shù)字排嫌，字典，用戶定義的類和內(nèi)置類）缰犁。
Python沒有強(qiáng)制性的運(yùn)算符完成字符淳地，塊邊界由縮進(jìn)定義∷荩縮進(jìn)開始一個新的塊颇象，缺少縮進(jìn)則結(jié)束它。等待新縮進(jìn)的表達(dá)式以冒號（:)結(jié)尾并徘。單行注釋以井號（＃）開頭遣钳；對于多行注釋，使用字符串文字麦乞，并用三撇號或三引號引起來蕴茴。
使用等號（“ =”）分配值（實際上是與值名稱關(guān)聯(lián)的對象），并使用兩個等號（“ ==”）檢查是否相等姐直。您可以分別使用+ =和— =運(yùn)算符荐开，通過在運(yùn)算符右側(cè)指定的值來增加/減少這些值。這適用于許多數(shù)據(jù)類型简肴，包括晃听。和字符串。
數(shù)據(jù)類型。在Python中能扒，有以下數(shù)據(jù)結(jié)構(gòu)：列表佣渴，元組和字典。集合也可用初斑，但僅在Python 2.5和更高版本中可用辛润。列表就像一維數(shù)組（但是您也可以創(chuàng)建其他列表的列表并獲得多維數(shù)組），字典是關(guān)聯(lián)數(shù)組（所謂的哈希表见秤，可以是任何數(shù)據(jù)類型）砂竖，元組是一維不變的數(shù)組（在Python中，“數(shù)組”可以是任何類型鹃答，因此您可以在列表/字典/元組中混合使用例如整數(shù)乎澄，字符串等）。所有類型的數(shù)組中第一個元素的索引為0测摔，而最后一個元素的索引為-1置济。
您只能使用冒號（:)處理部分?jǐn)?shù)組元素。在這種情況下锋八，冒號之前的索引指示數(shù)組已使用部分的第一個元素浙于，冒號之后的索引指示數(shù)組已使用部分的最后一個元素之后的元素（它不包含在子數(shù)組中） 。如果未指定第一個索引挟纱，則使用數(shù)組的第一個元素羞酗。如果未指定秒數(shù)，則最后一個元素將是數(shù)組的最后一個元素紊服。計算負(fù)值從頭開始確定元素的位置整慎。
絕對初學(xué)者的資源和必須學(xué)習(xí)的東西：
用Python自動完成無聊的工作?-本書證明了編程的主要目的不是語法知識，而是對如何使機(jī)器執(zhí)行指令的理解围苫。編程是創(chuàng)造力裤园，而使用Python自動處理無聊的東西是您掌握這種語言的最佳方法！
如何像計算機(jī)科學(xué)家一樣思考?-另一個好的開放書項目剂府，指導(dǎo)您像專家一樣編程拧揽。它更像是有關(guān)編程的一般信息。例如腺占，您不知道什么是Strings或Tuples或其他東西淤袜，這是獲得基本解釋的正確位置。
對于那些了解另一種編程語言的人：
在一個視頻中學(xué)習(xí)Python?—精彩的視頻衰伯，闡明了許多與Python和數(shù)據(jù)分析有關(guān)的問題铡羡，例如整數(shù)，浮點數(shù)和字符串等數(shù)據(jù)類型之間的區(qū)別意鲸；該功能的結(jié)構(gòu)是什么烦周？進(jìn)口經(jīng)營者如何工作等等尽爆。
下一步對于鞏固迄今為止已取得的成就至關(guān)重要：
PracticePython.org?—一個提供完整的Python編程任務(wù)以及最重要的是其解決方案的地方。在這里读慎，您可以將自己的決策與其他人的決策進(jìn)行比較漱贱，并找到您的方法的優(yōu)點和缺點。
步驟2：Python清單和字串
甲列表是在Python數(shù)據(jù)結(jié)構(gòu)夭委，它是一個可變的幅狮，或可改變的，排序的元素的序列株灸。列表內(nèi)的每個元素或值稱為一個項目崇摄。就像將字符串定義為引號之間的字符一樣，通過在方括號[]之間使用值來定義列表慌烧。
步驟3：用于數(shù)據(jù)科學(xué)的Python庫
編程中的庫是什么逐抑？它是程序可以使用的預(yù)編譯例程的集合。例程有時稱為模塊杏死，以對象格式存儲。庫對于存儲常用的例程特別有用捆交，因為您無需將它們顯式鏈接到使用它們的每個程序淑翼。庫節(jié)省了時間，因為您不需要從頭開始構(gòu)造函數(shù)品追。
您需要學(xué)習(xí)的內(nèi)容：
Jupyter Notebook-一套用于開發(fā)程序的工具玄括。如果您通過Anaconda發(fā)行版下載了Python遭京，請使用Anaconda創(chuàng)建并保存Jupyter Notebook泞莉。這是執(zhí)行此操作的最佳方法：如何使用anaconda navigator創(chuàng)建和保存jupyter筆記本鲫趁。
學(xué)習(xí)路徑：
閱讀一般信息（大約需要30分鐘）。
打開Jupyter Notebook并加載庫堡僻。
使用有關(guān)使用庫的說明钉疫，查看庫的工作方式。
分配30分鐘以研究參考信息牲阁。
使用此學(xué)習(xí)路徑，您將掌握足夠的庫以開始在工作中使用它您炉。
您需要學(xué)習(xí)的數(shù)據(jù)科學(xué)Python庫：
1.首先赚爵，開始學(xué)習(xí)NumPy法瑟，因為它是使用Python進(jìn)行科學(xué)計算的基礎(chǔ)包/基本軟件包。它是一個Python庫窝剖，提供多維數(shù)組對象赐纱，各種派生對象（如掩碼數(shù)組和矩陣）熬北，以及用于數(shù)組快速操作的各種API，有包括數(shù)學(xué)起胰、邏輯效五、形狀操作畏妖、排序、選擇瓜客、輸入輸出谱仪、離散傅立葉變換疯攒、基本線性代數(shù)列荔，基本統(tǒng)計運(yùn)算和隨機(jī)模擬等等枚尼。
對Numpy的深入了解將幫助您更有效地使用Pandas等工具署恍。
功能強(qiáng)大的N維數(shù)組對象盯质。精密廣播功能函數(shù)概而。 集成 C/C+和Fortran 代碼的工具赎瑰。 強(qiáng)大的線性代數(shù)餐曼、傅立葉變換和隨機(jī)數(shù)功能。
需要學(xué)習(xí)的東西：?Numpy的基本概念集惋，Numpy中最常執(zhí)行的操作芋膘，例如使用N維數(shù)組鳞青，對數(shù)組進(jìn)行索引和切片，使用整數(shù)數(shù)組進(jìn)行索引厚脉，轉(zhuǎn)置數(shù)組傻工，通用函數(shù)孵滞，使用數(shù)組進(jìn)行數(shù)據(jù)處理坊饶，經(jīng)常使用統(tǒng)計方法匿级。
學(xué)習(xí)資源：?NumPy簡介染厅，NumPy教程
2.Pandas??是一個強(qiáng)大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集肖粮；它的使用基礎(chǔ)是Numpy（提供高性能的矩陣運(yùn)算）涩馆，包含高級數(shù)據(jù)結(jié)構(gòu)和操作工具蕉堰，可在Python中快速輕松地進(jìn)行數(shù)據(jù)分析屋讶；用于數(shù)據(jù)挖掘和數(shù)據(jù)分析皿渗，同時也提供數(shù)據(jù)清洗功能。
?Matplotlib可用于Python腳本划乖，Python和IPythonShell迷殿、Jupyter筆記本庆寺，Web應(yīng)用程序服務(wù)器和四個圖形用戶界面工具包诉字。
需要學(xué)習(xí)的知識：系列陵霉，數(shù)據(jù)框，從軸上刪除條目踊挠，使用缺失值止毕。
3. Matplotlib 是一個 Python 繪圖庫，它以各種硬拷貝格式和跨平臺的交互式環(huán)境生成出版質(zhì)量級別的圖形卤妒。用于二維或三維數(shù)據(jù)可視化则披。這是繁瑣而功能強(qiáng)大的工具士复。使用Matplotlib阱洪，您可以快速生成折線圖冗荸，直方圖蚌本，餅圖等程癌。
要學(xué)習(xí)的東西：
根據(jù)要傳達(dá)的消息創(chuàng)建不同類型的可視化席楚。了解如何根據(jù)實際數(shù)據(jù)構(gòu)建復(fù)雜的定制化地塊咬崔。
學(xué)習(xí)資源：?Matplotlib簡介税稼，Matplotlib教程
其他庫：
1. Scipy?—一個Python模塊，用于線性代數(shù)垮斯，積分郎仆，優(yōu)化，統(tǒng)計和數(shù)據(jù)科學(xué)中的其他常用任務(wù)兜蠕。它具有高度的用戶友好性扰肌，并提供了快速便捷的N維數(shù)組操作。
2. PyTorch?—基于Torch熊杨，是一個開源ML庫曙旭，主要為Facebook的人工智能研究小組構(gòu)建盗舰。雖然它是自然語言處理和深度學(xué)習(xí)的絕佳工具，但也可以有效地用于數(shù)據(jù)科學(xué)桂躏。
3. scikit-learn-專注于ML的模塊钻趋，基于SciPy構(gòu)建鳞绕。該庫通過其一致的界面提供了一套通用的ML算法，并可以幫助用戶快速在數(shù)據(jù)集上實現(xiàn)流行的算法楷扬。它還具有用于常見ML任務(wù)的所有標(biāo)準(zhǔn)工具片部，例如分類，聚類和回歸。
步驟4：練習(xí)編碼和數(shù)據(jù)科學(xué)技能
實踐是完美的吆视，尤其是在數(shù)據(jù)科學(xué)方面授滓。
好吧，如果您已經(jīng)能夠做這么長的路要走，我表示祝賀！現(xiàn)在，實際工作已經(jīng)開始，并開始使用Python進(jìn)行分析！就我個人而言，現(xiàn)階段最有效的解決方案是三種方式：參加Kaggle競賽翎朱，自己發(fā)明和解決問題澈灼，完成Python數(shù)據(jù)分析實踐課程。但是福澡，讓我們嘗試一次講一個：
參加Kaggle比賽
Kaggle經(jīng)常舉行數(shù)據(jù)分析比賽。我建議先參加無獎競賽暂吉，因為這是最簡單且對初學(xué)者更友好的競賽。隨著時間的流逝，您可以轉(zhuǎn)到更復(fù)雜的任務(wù)。
如果這種練習(xí)方法適合您仪际，請閱讀有關(guān)如何參加Kaggle競賽的指南-?Kaggle入門指南。
2.自己創(chuàng)造和解決問題
想象一下伦连，一個營銷人員由于不得不手動收集和處理數(shù)據(jù)并根據(jù)這些數(shù)據(jù)進(jìn)行可視化報告而厭倦了熬夜工作歧焦。為了簡化工作并按時回家，他設(shè)置了任務(wù)-使用Python自動執(zhí)行此過程并解決該問題刁赖。
以類似的方式，您應(yīng)該找到一些使您難以使用的東西病苗。然后您的任務(wù)是考慮如何解決它。唯一可以阻止您的事情是對操作順序的無知症汹。由此背镇，您可以跳過必要的步驟并失敗破婆。要么卡在中間，要么不知道如何進(jìn)行饰豺。
如果發(fā)生這種情況，請使用以下方法儿倒。
3.參加有關(guān)Python數(shù)據(jù)分析的實踐課程
通過實踐課程彻犁，我的意思是在必要的專業(yè)知識的指導(dǎo)下獲得必要的知識并完成一項實際任務(wù)。以下是最佳選擇：
二凰慈，參考資料：
Python 重要庫：
學(xué)習(xí)資源推薦：
貴有恒汞幢！
