【轉載】 Python學習–數據分析路線

原文：http://dataunion.org/?p=9805&utm_source=tuicool&utm_medium=referral 
譯者： Allen 
從Python菜鳥到Python Kaggler的旅程（譯註： Kaggle 是一個數據建模和數據分析競賽平臺） 
假如你想成爲一個數據科學家，或者已是數據科學家的你想擴展你的技能，那麼你已經來對地方了。本文的目的就是給數據分析方面的Python新 手提供一個完整的學習路徑。該路徑提供了你須要學習的利用Python進行數據分析的全部步驟的完整概述。若是你已經有一些相關的背景知識，或者你不須要 路徑中的全部內容，你能夠隨意調整你本身的學習路徑，而且讓你們知道你是如何調整的。 
步驟0：熱身 
開始學習旅程以前，先回答第一個問題：爲何使用Python？或者，Python如何發揮做用？ 
觀看DataRobot創始人Jeremy在PyCon Ukraine 2014上的 30分鐘演講 ，來了解Python是多麼的有用。 
步驟1：設置你的機器環境 
如今你已經決心要好好學習了，也是時候設置你的機器環境了。最簡單的方法就是從Continuum.io上下載 分發包Anaconda 。Anaconda將你之後可能會用到的大部分的東西進行了打包。採用這個方法的主要缺點是，即便可能已經有了可用的底層庫的更新，你仍然須要等待Continuum去更新Anaconda包。固然若是你是一個初學者，這應該沒什麼問題。 
若是你在安裝過程當中遇到任何問題，你能夠在 這裏 找到不一樣操做系統下更詳細的安裝說明。 
步驟2：學習Python語言的基礎知識 
你應該先去了解Python語言的基礎知識、庫和數據結構。Codecademy上的 Python課程 是你最好的選擇之一。完成這個課程後，你就能輕鬆的利用Python寫一些小腳本，同時也能理解Python中的類和對象。 
具體學習內容：列表Lists，元組Tuples，字典Dictionaries，列表推導式，字典推導式。 
任務：解決HackerRank上的一些Python教程題，這些題能讓你更好的用Python腳本的方式去思考問題。 
替代資源：若是你不喜歡交互編碼這種學習方式，你也能夠學習 谷歌的Python課程 。這個2天的課程系列不但包含前邊提到的Python知識，還包含了一些後邊將要討論的東西。 
步驟3：學習Python語言中的正則表達式 
你會常常用到正則表達式來進行數據清理，尤爲是當你處理文本數據的時候。學習正則表達式的最好方法是參加 谷歌的Python課程 ，它會讓你能更容易的使用正則表達式。 
任務：作關於 小孩名字的正則表達式練習 。 
若是你還須要更多的練習，你能夠參與這個 文本清理的教程 。數據預處理中涉及到的各個處理步驟對你來講都會是不小的挑戰。 
步驟4：學習Python中的科學庫—NumPy, SciPy, Matplotlib以及Pandas 
從這步開始，學習旅程將要變得有趣了。下邊是對各個庫的簡介，你能夠進行一些經常使用的操做： 
•根據 NumPy教程 進行完整的練習，特別要練習數組arrays。這將會爲下邊的學習旅程打好基礎。 
•接下來學習 Scipy教程 。看完Scipy介紹和基礎知識後，你能夠根據本身的須要學習剩餘的內容。 
•這裏並不須要學習Matplotlib教程。對於咱們這裏的需求來講，Matplotlib的內容過於普遍。取而代之的是你能夠學習 這個筆記 中前68行的內容。 
•最後學習Pandas。Pandas爲Python提供DataFrame功能（相似於R）。這也是你應該花更多的時間練習的地方。Pandas會成爲全部中等規模數據分析的最有效的工具。做爲開始，你能夠先看一個關於Pandas的 10分鐘簡短介紹 ，而後學習一個更詳細的 Pandas教程 。 
您還能夠學習兩篇博客 Exploratory Data Analysis with Pandas 和 Data munging with Pandas 中的內容。 
額外資源： 
•若是你須要一本關於Pandas和Numpy的書，建議Wes McKinney寫的 「Python for Data Analysis」 。 
•在Pandas的文檔中，也有不少Pandas教程，你能夠在 這裏 查看。 
任務：嘗試解決哈佛CS109課程的 這個任務 。 
步驟5：有用的數據可視化 
參加CS109的這個 課程 。你能夠跳過前邊的2分鐘，但以後的內容都是乾貨。你能夠根據這個 任務 來完成課程的學習。 
步驟6：學習Scikit-learn庫和機器學習的內容 
如今，咱們要開始學習整個過程的實質部分了。Scikit-learn是機器學習領域最有用的Python庫。這裏是該庫的 簡要概述 。完成 哈佛CS109課程 的課程10到課程18，這些課程包含了機器學習的概述，同時介紹了像迴歸、決策樹、總體模型等監督算法以及聚類等非監督算法。你能夠根據各個 課程的任務 來完成相應的課程。 
額外資源： 
•若是說有那麼一本書是你必讀的，推薦 Programming Collective Intelligence 。這本書雖然有點老，但依然是該領域最好的書之一。 
•此外，你還能夠參加來自Yaser Abu-Mostafa的機器學習 課程 ，這是最好的機器學習課程之一。若是你須要更易懂的機器學習技術的解釋，你能夠選擇來自Andrew Ng的 機器學習課程 ，而且利用Python作相關的課程練習。 
•Scikit-learn的教程 
任務：嘗試Kaggle上的這個 挑戰 
步驟7：練習，練習，再練習 
恭喜你，你已經完成了整個學習旅程。 
你如今已經學會了你須要的全部技能。如今就是如何練習的問題了，還有比經過在Kaggle上和數據科學家們進行競賽來練習更好的方式嗎？深刻一個當前 Kaggle 上正在進行的比賽，嘗試使用你已經學過的全部知識來完成這個比賽。 
步驟8：深度學習 
如今你已經學習了大部分的機器學習技術，是時候關注一下深度學習了。極可能你已經知道什麼是深度學習，可是若是你仍然須要一個簡短的介紹，能夠看 這裏 。 
我本身也是深度學習的新手，因此請有選擇性的採納下邊的一些建議。 deeplearning.net 上有深度學習方面最全面的資源，在這裏你會發現全部你想要的東西—講座、數據集、挑戰、教程等。你也能夠嘗試參加 Geoff Hinton的課程 ，來了解神經網絡的基本知識。 
附言：若是你須要大數據方面的庫，能夠試試Pydoop和PyMongo。大數據學習路線不是本文的範疇，是由於它自身就是一個完整的主題。 
英文出處： www.analyticsvidhya.com 
文章出處： http://python.jobbole.com/80981/ 
第一部分是Python基礎部分，主要是環境的搭建，庫的安裝，基礎語法的瞭解，學習時間2周 
包括Python開發環境的搭建（使用Anaconda+pycharm，安裝該環境包 含了上課所須要的全部庫，即包含numpy、pandas、scipy、matplotlib、scikit-learn等等，網上搜索 Anaconda、pycharm便可獲取安裝。）基礎語法的瞭解，語言的示例和規範，變量、常量、運算符、表達式相關基礎知識。 
第二部分是Python數據挖掘的基礎，主要是python數據分析相關庫的學習和應用，學習時間2周 
Python數據挖掘基礎主要是對數據分析相關庫的使用，好比數據整理須要用到 numpy和pandas庫，數據描述與分析分析則主要用到pandas庫，用Scipy處理非結構化數據，使用迴歸線性模型和迴歸樹模型進行預測等等用 python作數據分析和數據挖掘的庫的應用。 
第三部分是Python作文本挖掘及案例分析，主要是python爬蟲的學習和應用，學習時間2周 
數據分析離不開數據採集和爬取。第三部分主要是教如何利用Python進行網絡爬蟲，以及經過案例學習文本分類和聚類相關知識。學習時間2周 
第四部分是Python數據挖掘案例，主要經過講解案例和動手實踐案例，達到知識的融會貫通的應用。學習時間2周 
第四部分主要是動手、實踐，將上面學習到的理論知識得以應用。第四部分案例覆蓋決策樹、 樸素貝葉斯、最近鄰、隨機森林、支持向量機、神經網絡等重要的數據挖掘方法。擬完成的案例包括不限於如下：使用關聯規則進行購物籃分析、垃圾郵件的識別、 圖像識別、Iris數據挖掘的各類方法比較、電影或者圖書推薦系統構建、屏蔽網頁內容、街景識別和分類、手寫文字的識別、最近鄰迴歸進行預測、降維的各類 方法、k-means聚類和中位數聚類等等。含經典編程寫算法和scikit-learn等。 
最後，除了系統的學習上述相關知識以外，最主要的仍是要複習，實踐，實踐，實踐，最後才能真正出師，成爲Python數據分析和數據挖掘高手。關於本課程的系統學習，你們能夠跟着Gary一塊兒學習《Python數據挖掘實戰》課程，系統的學習上述內容，到時候老師會經過直播互動的形式跟你們一塊兒探討學習。 
相關中文資源以下： 
1.python工做集成環境包 
Python(x,y):下載地址：http://python-xy.github.io/downloads.html 
Pycharm：下載地址：http://www.jetbrains.com/pycharm/download/#section=windows 
2.python數據分析相關庫（Pandas/Numpy/Scipy/Matplotlib） 
若是安裝了上面集成工做包，則下面的包不須要從新安裝了。關於包的安裝方法在學習資源圖書中都有介紹，一般安裝庫採用pip方法，也能夠用pip list查詢系統安裝了哪些庫。 
3.學習資源 
圖書： 
1）Python基礎教程（第2版）[電子版圖書自行百度] 
2）深刻淺出Head First python（中文版）[電子版圖書自行百度] 
PPV課原創文章，轉載請註明出處和連接：http://www.ppvke.com/Blog/archives/27552 
最後補上圖兩張