原文作者：Manu Jeevan
原文地址：How to Learn Python for Data Science the Right Way
如果你是通過(guò)學(xué)習(xí)給程序員設(shè)計(jì)的 Python 課程來(lái)學(xué)習(xí) Python 數(shù)據(jù)分析谜喊，那就大錯(cuò)特錯(cuò)了椎咧。很多數(shù)據(jù)分析師在開(kāi)始學(xué)習(xí) Python 數(shù)據(jù)分析之前就被引導(dǎo)學(xué)習(xí) LeetCode 上那些為程序員準(zhǔn)備的編程謎題鹰服。這對(duì)于只需要提取议惰、清洗數(shù)據(jù)、繪制可視化圖腹泌、構(gòu)建模型的數(shù)據(jù)分析師來(lái)說(shuō)實(shí)在是誤人子弟嘶卧，數(shù)據(jù)分析師要學(xué)的不是開(kāi)發(fā)應(yīng)用軟件，而是應(yīng)該把時(shí)間和精力花在學(xué)習(xí)處理數(shù)據(jù)的模塊與支持庫(kù)上凉袱。請(qǐng)根據(jù)以下步驟一步步學(xué)習(xí)的Python 數(shù)據(jù)科學(xué)芥吟。
配置開(kāi)發(fā)環(huán)境
Jupyter Notebook 是一個(gè)非常強(qiáng)大的開(kāi)發(fā)環(huán)境，而且非常適合展示數(shù)據(jù)分析的結(jié)果专甩。
Anaconda 是安裝 Jupyter Notebook 最簡(jiǎn)單的方式钟鸵，它是現(xiàn)在最流行的 Python 數(shù)據(jù)科學(xué)發(fā)行版，預(yù)裝了很多最流行的支持庫(kù)涤躲。
建議安裝 Anaconda 時(shí)棺耍，選擇支持 Python 3 最新版的版本。
安裝好 Anaconda 以后种樱，閱讀這篇文章學(xué)習(xí)如何使用 Jupyter Notebook烈掠。
呆鳥(niǎo)云：也可以參考 DataCamp 的 Jupyter Notebook 速查表，點(diǎn)擊鏈接可以下載呆鳥(niǎo)為大家精心制作的高清中文版哦缸托！
學(xué)些 Python 基礎(chǔ)就夠了
參考 DataCamp 的 Python 數(shù)據(jù)科學(xué)速查表，即可快速掌握 Python 的基礎(chǔ)知識(shí)瘾蛋，如果想學(xué)習(xí)更多 Python 的基礎(chǔ)知識(shí)俐镐，推薦看《Python基礎(chǔ)教程（第3版）》。
Numpy 與 pandas 才是數(shù)據(jù)分析師要學(xué)的東西
Python 處理大規(guī)模數(shù)據(jù)哺哼，執(zhí)行數(shù)字處理算法其實(shí)很慢佩抹。聽(tīng)到這里大家可能會(huì)問(wèn)，那你憑什么說(shuō) Python 是最流行的數(shù)據(jù)分析編程語(yǔ)言取董？
這是因?yàn)?Python 有基于 C 與 Fortran 開(kāi)發(fā)的支持庫(kù)棍苹，就是接下來(lái)要說(shuō)的 Numpy 與 Pandas。
數(shù)據(jù)分析師要學(xué)的首先是 Numpy茵汰。這是 Python 數(shù)據(jù)科學(xué)計(jì)算里最基本的支持庫(kù)枢里。Numpy 支持高度優(yōu)化的多維數(shù)組，這是絕大多數(shù)機(jī)器學(xué)習(xí)算法里最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)。
接下來(lái)要學(xué)的是 Pandas栏豺，要知道數(shù)據(jù)分析師的時(shí)間絕大多數(shù)都是花在清理數(shù)據(jù)上彬碱。Pandas 是最流行的數(shù)據(jù)處理支持庫(kù)，它是 Numpy 的擴(kuò)展奥洼，它的底層代碼是基于 Numpy 開(kāi)發(fā)的巷疼。Pandas 最主要的數(shù)據(jù)結(jié)構(gòu)叫 DataFrame。
Pandas 的作者 Wes McKinney 編著的《利用 Python 進(jìn)行數(shù)據(jù)分析》一書(shū)是學(xué)習(xí)的Pandas 最好的資料灵奖，該書(shū)第 4嚼沿、5、7瓷患、8骡尽、10 這幾章主要介紹 Numpy 與 Pandas，涵蓋了這兩個(gè)支持庫(kù)操控?cái)?shù)據(jù)的大部分功能尉尾。
呆鳥(niǎo)云：這里推薦閱讀 Sean 的譯本《利用Python進(jìn)行數(shù)據(jù)分析·第2版》,
想要快速了解爆阶，也可以參考 DataCamp 的 Numpy 與 Pandas 速查表，點(diǎn)擊鏈接可以下載呆鳥(niǎo)為大家精心制作的高清中文版哦沙咏！
學(xué)習(xí)用 Matplotlib 繪制可視化圖
Matplotlib 是繪制基礎(chǔ)可視化圖的 Python 支持庫(kù)辨图。數(shù)據(jù)分析師至少要掌握如何使用Matplotlib 繪制最常用的可視圖，包括折線圖肢藐、條形圖故河、散點(diǎn)圖與箱型圖等。
Seaborn 這個(gè)可視化支持庫(kù)也很好用吆豹，它基于 Matplotlib 開(kāi)發(fā)鱼的，并與 Pandas 高度集成。在初級(jí)階段痘煤，建議先掌握 Matplotlib 的基礎(chǔ)繪圖法凑阶，不用過(guò)多了解 Seaborn。
本文作者曾寫過(guò)下列四個(gè)教程介紹如何使用 Matplotlib 繪制可視圖衷快。
第一部分：Matplotlib 基礎(chǔ)圖形
第二部分：如何設(shè)置圖形樣式與顏色宙橱、線型、標(biāo)簽蘸拔、色圖等
第三部分：注解师郑、坐標(biāo)軸、圖形比率调窍、坐標(biāo)系
第四部分：繪制復(fù)雜可視圖
學(xué)完這四個(gè)教程后宝冕，就算是掌握了 Matplotlib 的基本操作。
友情提示邓萨，如今不用花太多時(shí)間學(xué)習(xí) Matplotlib地梨，很多公司現(xiàn)在都采用 Tableau 或 Qlik 這樣的 BI 工具生成交互式可視化圖菊卷。
呆鳥(niǎo)云：也可以參考 DataCamp 的 Matplotlib 速查表，點(diǎn)擊鏈接可以下載呆鳥(niǎo)為大家精心制作的高清中文版哦湿刽！
左手 SQL的烁，右手 Python
現(xiàn)在，公司的數(shù)據(jù)都存在數(shù)據(jù)庫(kù)里渴庆，因此，數(shù)據(jù)分析師要學(xué)會(huì)用 SQL 從數(shù)據(jù)庫(kù)里提取數(shù)據(jù)雅镊，然后再在 Jupyter Notebook 里分析數(shù)據(jù)襟雷。
SQL 與 Pandas 是數(shù)據(jù)分析師的兩大利器。有些簡(jiǎn)單的數(shù)據(jù)分析可以直接用 SQL 處理仁烹，有些用 Pandas 則更高效耸弄。我個(gè)人喜歡用 SQL 提取數(shù)據(jù)，然后用 Pandas 分析數(shù)據(jù)卓缰。
現(xiàn)在很多公司都采用 Mode Analytics 與 Databricks 這樣的分析平臺(tái)计呈，可以輕松應(yīng)用 Python 與 SQL 進(jìn)行數(shù)據(jù)分析。
總之征唬，數(shù)據(jù)分析師要了解如何高效使用 SQL 與 Python捌显。推薦用 SQLite 學(xué)習(xí) SQL 基礎(chǔ)知識(shí)，上手簡(jiǎn)單总寒，無(wú)需復(fù)雜配置扶歪。安裝 SQLite，找個(gè)示例 CSV 文件摄闸，然后學(xué)習(xí)如何使用 SQL 與 Python 分析數(shù)據(jù)善镰。這里有個(gè)帖子，可以指導(dǎo)你如何使用 Python 與 SQL 進(jìn)行數(shù)據(jù)分析年枕。Programming with Databases in Python using SQLite炫欺。
在瀏覽這篇帖子前，最好先了解一下 SQL 基礎(chǔ)知識(shí)熏兄，Mode Analytics 有一篇教程非常不錯(cuò)：SQL 簡(jiǎn)介竣稽。掌握 SQL 是每位數(shù)據(jù)分析師必備的基本技能，只有掌握了 SQL 才能高效地從數(shù)據(jù)庫(kù)里提取數(shù)據(jù)霍弹。
學(xué)習(xí)應(yīng)用 Python 實(shí)踐基礎(chǔ)統(tǒng)計(jì)學(xué)理論
大多數(shù)野心勃勃的數(shù)據(jù)分析師上來(lái)就學(xué)習(xí)機(jī)器學(xué)習(xí)，卻對(duì)統(tǒng)計(jì)學(xué)的基礎(chǔ)知識(shí)不屑一顧娃弓。
千萬(wàn)別犯這種低級(jí)錯(cuò)誤典格，統(tǒng)計(jì)學(xué)才是數(shù)據(jù)分析的支柱。另一方面台丛，也不能只學(xué)習(xí)統(tǒng)計(jì)學(xué)的理論知識(shí)耍缴，卻忽略了統(tǒng)計(jì)學(xué)實(shí)戰(zhàn)操作砾肺。
所謂統(tǒng)計(jì)學(xué)實(shí)戰(zhàn)，這里指的是防嗡，數(shù)據(jù)分析師應(yīng)該懂得統(tǒng)計(jì)學(xué)能解決哪些問(wèn)題变汪，如何應(yīng)用統(tǒng)計(jì)學(xué)處理各種難題。
以下是數(shù)據(jù)分析師必須精通的一些基本統(tǒng)計(jì)學(xué)概念：
采樣蚁趁、頻率分布裙盾、均值、中位數(shù)他嫡、眾數(shù)番官、變異性度量、概率基礎(chǔ)知識(shí)钢属、顯著性測(cè)試徘熔，標(biāo)準(zhǔn)差，z-score淆党，置信區(qū)間與假設(shè)檢驗(yàn)（包括 A/B 測(cè)試）酷师。
《面向數(shù)據(jù)科學(xué)家的實(shí)用統(tǒng)計(jì)學(xué)》這本書(shū)非常不錯(cuò)，可惜這本書(shū)里的代碼示例都是用 R 語(yǔ)言寫的染乌，Python 愛(ài)好者可能會(huì)有些許不爽山孔，建議 Python 數(shù)據(jù)分析師讀這本書(shū)前四章就可以了。讀了前四章就可以了解上面所說(shuō)的基礎(chǔ)統(tǒng)計(jì)學(xué)概念慕匠。這本書(shū)后面幾章主要是介紹機(jī)器學(xué)習(xí)饱须，下一段會(huì)對(duì)這方面內(nèi)容進(jìn)行詳述。
還有不少人推薦《統(tǒng)計(jì)思維：程序員數(shù)學(xué)之概率統(tǒng)計(jì)（第2版）》這本書(shū)台谊，這本書(shū)確實(shí)是用 Python 學(xué)統(tǒng)計(jì)學(xué)蓉媳，但該書(shū)作者用的不是 StatsModels 這樣的標(biāo)準(zhǔn) Python 支持庫(kù)介紹統(tǒng)計(jì)學(xué)，而是用自己寫的函數(shù)锅铅，不具備通用性酪呻，因此，不太推薦本書(shū)盐须。
學(xué)完統(tǒng)計(jì)學(xué)的基礎(chǔ)知識(shí)后玩荠，建議大家嘗試學(xué)著用 Python 實(shí)現(xiàn)這些基本概念。StatsModels 這個(gè) Python 支持庫(kù)現(xiàn)在非常流行贼邓，其官網(wǎng)上的教程也不錯(cuò)阶冈，值得一看。
此外塑径，還推薦 Ga?l Varoquaux[1] 的視頻教程女坑，該教程介紹了如何使用 Python 與 StatsModels 實(shí)現(xiàn)推斷性與探索性統(tǒng)計(jì)分析。
用 Scikit-Learn 實(shí)現(xiàn)機(jī)器學(xué)習(xí)
Scikit-Learn 是 Python 生態(tài)圈里最流行的機(jī)器學(xué)習(xí)庫(kù)统舀。對(duì)于大部分?jǐn)?shù)據(jù)分析師來(lái)說(shuō)匆骗，第一步目標(biāo)就是學(xué)習(xí)如何使用 Scikit-Learn 執(zhí)行最常見(jiàn)的機(jī)器學(xué)習(xí)算法劳景。
首先，學(xué)習(xí) Coursera 上吳恩達(dá)的機(jī)器學(xué)習(xí)教程碉就，只要看第 1盟广、2、3瓮钥、6筋量、7、8 周的視頻就可以了骏庸。這里跳過(guò)了關(guān)于神經(jīng)網(wǎng)絡(luò)的內(nèi)容毛甲，因?yàn)樽鳛槌鯇W(xué)者來(lái)說(shuō)，只需要關(guān)注最常用的機(jī)器學(xué)習(xí)技能就足夠了具被。
學(xué)會(huì)了這些內(nèi)容以后玻募，接下來(lái)繼續(xù)學(xué)習(xí)《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn和TensorFlow 》。初學(xué)者只要閱讀這本書(shū)的第一部分就可以了一姿，大概有 300 多頁(yè)七咧。這是市面上介紹實(shí)戰(zhàn)機(jī)器學(xué)習(xí)最好的一本書(shū)。
呆鳥(niǎo)云：這里推薦 Sean 的譯本《Scikit-Learn 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南》
做完這本書(shū)里列出的習(xí)題以后叮叹，就可以學(xué)習(xí)如何用 Python 實(shí)踐吳恩達(dá)機(jī)器學(xué)習(xí)課程里講述的理論知識(shí)了艾栋。
結(jié)論
最后一步是用上述各步列出的知識(shí)動(dòng)手實(shí)戰(zhàn)一個(gè)數(shù)據(jù)科學(xué)項(xiàng)目。建議大家找一套自己感興趣的數(shù)據(jù)集蛉顽，提出一些有意思的業(yè)務(wù)問(wèn)題蝗砾，然后通過(guò)分析解答這些問(wèn)題。但是携冤，記住千萬(wàn)別再搞泰坦尼克或鳶尾花這樣的機(jī)器學(xué)習(xí)項(xiàng)目了悼粮，都臭了大街了。這個(gè)帖子里列出了 19 個(gè)查找數(shù)據(jù)科學(xué)項(xiàng)目免費(fèi)數(shù)據(jù)集的網(wǎng)站曾棕，大家可以看下扣猫。
還有一個(gè)大家可能喜歡的數(shù)據(jù)科學(xué)實(shí)戰(zhàn)項(xiàng)目，這就是預(yù)測(cè)股市價(jià)格翘地。通過(guò)雅虎金融可以實(shí)時(shí)抓取股票數(shù)據(jù)申尤，把這些數(shù)據(jù)存到 SQL 數(shù)據(jù)庫(kù)里，然后用機(jī)器學(xué)習(xí)預(yù)測(cè)股票價(jià)格衙耕。
如果你是從其他行業(yè)或職能轉(zhuǎn)行做數(shù)據(jù)分析的昧穿，建議在工作中一定要充分利用自己已有的業(yè)務(wù)知識(shí)。
呆鳥(niǎo)云：“翻譯不易橙喘，四處求證时鸵、三天翻譯、兩天校對(duì)渴杆，只求一秒點(diǎn)贊寥枝。”
-
鏈接：https://pan.baidu.com/s/1VCrsWp59X-Hr7yYdAbRdHA 提取碼：ky82 ?
