學習 Python 數據分析的正確姿式

原文做者：Manu Jeevan

原文地址：How to Learn Python for Data Science the Right Way

推薦閱讀：
Python大咖談 - Kenneth Reitz 與 Mike Driscoll
Python大咖談 - Brett Cannon

若是你是經過學習給程序員設計的 Python 課程來學習 Python 數據分析，那就大錯特錯了。不少數據分析師在開始學習 Python 數據分析以前就被引導學習  LeetCode 上那些爲程序員準備的編程謎題。這對於只須要提取、清洗數據、繪製可視化圖、構建模型的數據分析師來講實在是誤人子弟，數據分析師要學的不是開發應用軟件，而是應該把時間和精力花在學習處理數據的模塊與支持庫上。請根據如下步驟一步步學習的Python 數據科學。

配置開發環境

Jupyter Notebook 是一個很是強大的開發環境，並且很是適合展現數據分析的結果。

Anaconda 是安裝 Jupyter Notebook 最簡單的方式，它是如今最流行的 Python 數據科學發行版，預裝了不少最流行的支持庫。

建議安裝 Anaconda 時，選擇支持 Python 3 最新版的版本。

安裝好 Anaconda 之後，閱讀這篇文章學習如何使用 Jupyter Notebook。

呆鳥雲：也能夠參考 DataCamp 的 Jupyter Notebook 速查表，點擊連接能夠下載呆鳥爲你們精心製做的高清中文版哦！

學些 Python 基礎就夠了

參考 DataCamp 的 Python 數據科學速查表，便可快速掌握 Python 的基礎知識，若是想學習更多 Python 的基礎知識，推薦看《Python基礎教程（第3版）》。

Numpy 與 pandas 纔是數據分析師要學的東西

Python 處理大規模數據，執行數字處理算法其實很慢。聽到這裏你們可能會問，那你憑什麼說 Python 是最流行的數據分析編程語言？

這是由於 Python 有基於 C 與 Fortran 開發的支持庫，就是接下來要說的 Numpy 與 Pandas。

數據分析師要學的首先是 Numpy。這是 Python 數據科學計算裏最基本的支持庫。Numpy 支持高度優化的多維數組，這是絕大多數機器學習算法裏最基礎的數據結構。

接下來要學的是 Pandas，要知道數據分析師的時間絕大多數都是花在清理數據上。Pandas 是最流行的數據處理支持庫，它是 Numpy 的擴展，它的底層代碼是基於 Numpy 開發的。Pandas 最主要的數據結構叫 DataFrame。

Pandas 的做者 Wes McKinney 編著的《利用 Python 進行數據分析》一書是學習的Pandas 最好的資料，該書第 四、五、七、八、10 這幾章主要介紹 Numpy 與 Pandas，涵蓋了這兩個支持庫操控數據的大部分功能。

呆鳥雲：這裏推薦閱讀 Sean 的譯本 《利用Python進行數據分析·第2版》,
想要快速瞭解，也能夠參考 DataCamp 的 Numpy 與 Pandas 速查表，點擊連接能夠下載呆鳥爲你們精心製做的高清中文版哦！

學習用 Matplotlib 繪製可視化圖

Matplotlib 是繪製基礎可視化圖的 Python 支持庫。數據分析師至少要掌握如何使用Matplotlib 繪製最經常使用的可視圖，包括折線圖、條形圖、散點圖與箱型圖等。

Seaborn 這個可視化支持庫也很好用，它基於 Matplotlib 開發，並與 Pandas 高度集成。在初級階段，建議先掌握 Matplotlib 的基礎繪圖法，不用過多瞭解 Seaborn。

本文做者曾寫過下列四個教程介紹如何使用 Matplotlib 繪製可視圖。

第一部分：Matplotlib 基礎圖形
第二部分：如何設置圖形樣式與顏色、線型、標籤、色圖等
第三部分：註解、座標軸、圖形比率、座標系
第四部分：繪製複雜可視圖

學完這四個教程後，就算是掌握了 Matplotlib 的基本操做。

友情提示，現在不用花太多時間學習 Matplotlib，不少公司如今都採用 Tableau 或 Qlik 這樣的 BI 工具生成交互式可視化圖。

呆鳥雲：也能夠參考 DataCamp 的 Matplotlib 速查表，點擊連接能夠下載呆鳥爲你們精心製做的高清中文版哦！

左手 SQL，右手 Python

如今，公司的數據都存在數據庫裏，所以，數據分析師要學會用 SQL 從數據庫裏提取數據，而後再在 Jupyter Notebook 裏分析數據。

SQL 與 Pandas 是數據分析師的兩大利器。有些簡單的數據分析能夠直接用 SQL 處理，有些用 Pandas 則更高效。我我的喜歡用 SQL 提取數據，而後用 Pandas 分析數據。

如今不少公司都採用 Mode Analytics 與 Databricks  這樣的分析平臺，能夠輕鬆應用 Python 與 SQL 進行數據分析。

總之，數據分析師要了解如何高效使用 SQL 與 Python。推薦用 SQLite 學習 SQL 基礎知識，上手簡單，無需複雜配置。安裝 SQLite，找個示例 CSV 文件，而後學習如何使用 SQL 與 Python 分析數據。這裏有個帖子，能夠指導你如何使用 Python 與 SQL 進行數據分析。Programming with Databases in Python using SQLite。

在瀏覽這篇帖子前，最好先了解一下 SQL 基礎知識，Mode Analytics 有一篇教程很是不錯：SQL 簡介。掌握 SQL 是每位數據分析師必備的基本技能，只有掌握了 SQL 才能高效地從數據庫裏提取數據。

呆鳥雲：這裏幫大偉作個廣告，他的 《跟着大偉學SQL：從基礎到進階，從刷題到面試》很是不錯，說實話比原文做者推薦的文章實用多了🤪。

學習應用 Python 實踐基礎統計學理論

大多數野心勃勃的數據分析師上來就學習機器學習，卻對統計學的基礎知識不屑一顧。

千萬別犯這種低級錯誤，統計學纔是數據分析的支柱。另外一方面，也不能只學習統計學的理論知識，卻忽略了統計學實戰操做。

所謂統計學實戰，這裏指的是，數據分析師應該懂得統計學能解決哪些問題，如何應用統計學處理各類難題。

如下是數據分析師必須精通的一些基本統計學概念：

採樣、頻率分佈、均值、中位數、衆數、變異性度量、機率基礎知識、顯著性測試，標準差，z-score，置信區間與假設檢驗（包括 A/B 測試）。

《面向數據科學家的實用統計學》這本書很是不錯，惋惜這本書裏的代碼示例都是用 R 語言寫的，Python 愛好者可能會有些許不爽，建議 Python 數據分析師讀這本書前四章就能夠了。讀了前四章就能夠了解上面所說的基礎統計學概念。這本書後面幾章主要是介紹機器學習，下一段會對這方面內容進行詳述。

還有很多人推薦《統計思惟：程序員數學之機率統計（第2版）》這本書，這本書確實是用 Python 學統計學，但該書做者用的不是 StatsModels 這樣的標準 Python 支持庫介紹統計學，而是用本身寫的函數，不具有通用性，所以，不太推薦本書。

學完統計學的基礎知識後，建議你們嘗試學着用 Python 實現這些基本概念。StatsModels 這個 Python 支持庫如今很是流行，其官網上的教程也不錯，值得一看。

此外，還推薦 Gaël Varoquaux¹ 的視頻教程，該教程介紹瞭如何使用 Python 與 StatsModels 實現推斷性與探索性統計分析。

用 Scikit-Learn 實現機器學習

Scikit-Learn 是 Python 生態圈裏最流行的機器學習庫。對於大部分數據分析師來講，第一步目標就是學習如何使用 Scikit-Learn 執行最多見的機器學習算法。

首先，學習 Coursera 上吳恩達的機器學習教程，只要看第 一、二、三、六、七、8 周的視頻就能夠了。這裏跳過了關於神經網絡的內容，由於做爲初學者來講，只須要關注最經常使用的機器學習技能就足夠了。

學會了這些內容之後，接下來繼續學習《機器學習實戰：基於Scikit-Learn和TensorFlow 》。初學者只要閱讀這本書的第一部分就能夠了，大概有 300 多頁。這是市面上介紹實戰機器學習最好的一本書。

呆鳥雲：這裏推薦 Sean 的譯本 《Scikit-Learn 與 TensorFlow 機器學習實用指南》

作完這本書裏列出的習題之後，就能夠學習如何用 Python 實踐吳恩達機器學習課程裏講述的理論知識了。

結論

最後一步是用上述各步列出的知識動手實戰一個數據科學項目。建議你們找一套本身感興趣的數據集，提出一些有意思的業務問題，而後經過分析解答這些問題。可是，記住千萬別再搞泰坦尼克或鳶尾花這樣的機器學習項目了，都臭了大街了。這個帖子裏列出了 19 個查找數據科學項目免費數據集的網站，你們能夠看下。

還有一個你們可能喜歡的數據科學實戰項目，這就是預測股市價格。經過雅虎金融能夠實時抓取股票數據，把這些數據存到 SQL 數據庫裏，而後用機器學習預測股票價格。

若是你是從其餘行業或職能轉行作數據分析的，建議在工做中必定要充分利用本身已有的業務知識。

​也歡迎你們關注個人微信公衆號 Python大咖談

---

1. 連接：https://pan.baidu.com/s/1VCrs... 提取碼：ky82 ↩