1、为什么选择Python进行数据分析?

Python是一门动态的、面向对象的脚本语言，同时也是一门简约，通俗易懂的编程语言。Python入门简单，代码可读性强，一段好的Python代码，阅读起来像是在读一篇外语文章。Python这种特性称为 伪代码 ，它可以使你只关心完成什么样的工作任务，而不是纠结于Python的语法。

另外，Python是开源的，它拥有非常多优秀的库，可以用于数据分析及其他领域。更重要的是，Python与开源大数据平台Hadoop具有很好的兼容性。因此，学习Python对于有志于向大数据分析岗位发展的数据分析师来说，是一件非常节省学习成本的事。

Python的众多优点让它成为受欢迎的程序设计语言之一，国内外许多公司也已经在使用Python，例YouTube，Google，阿里云等等。

2、编程基础

要学习如何用Python进行数据分析， 笔者建议第一步是要了解一些Python的编程基础，知道Python的数据结构，什么是向量、列表、数组、字典等等；了解Python的各种函数及模块。下图整理了这一阶段要掌握的知识点：

3、数据分析流程

Python是数据分析利器，掌握了Python的编程基础后，就可以逐渐进入数据分析的奇妙世界。笔者认为一个完整的数据分析项目大致可分为以下五个流程：

1. 数据获取

一般有数据分析师岗位需求的公司都会有自己的数据库，数据分析师可以通过SQL查询语句来获取数据库中想要数据。Python已经具有连接sql server、mysql、orcale等主流数据库的接口包，比如pymssql、pymysql、cx_Oracle等。

而获取外部数据主要有两种获取方式，一种是获取国内一些网站上公开的数据资料；一种是通过编写爬虫代码自动爬取数据。如果希望使用Python爬虫来获取数据，我们可以使用以下Python工具：

Requests-主要用于爬取数据时发出请求操作。

BeautifulSoup-用于爬取数据时读取XML和HTML类型的数据，解析为对象进而处理。

Scapy-一个处理交互式数据的包，可以解码大部分网络协议的数据包

2. 数据存储

对于数据量不大的项目，可以使用excel来进行存储和处理，但对于数据量过万的项目，使用数据库来存储与管理会更高效便捷。

3. 数据预处理

数据预处理也称数据清洗。大多数情况下，我们拿到手的数据是格式不一致，存在异常值、缺失值等问题的，而不同项目数据预处理步骤的方法也不一样。笔者认为数据分析有80%的工作都在处理数据。如果选择Python作为数据清洗的工具的话，我们可以使用Numpy和Pandas这两个工具库：

Numpy- 用于Python中的科学计算。它非常适用于与线性代数，傅里叶变换和随机数相关的运算。它可以很好地处理多维数据，并兼容各种数据库。

Pandas–Pandas是基于Numpy扩展而来的，可以提供一系列函数来处理数据结构和运算，如时间序列等。

4. 建模与分析

这一阶段首先要清楚数据的结构，结合项目需求来选取模型。

常见的数据挖掘模型有：

在这一阶段，Python也具有很好的工具库支持我们的建模工作：

• scikit-learn-适用Python实现的机器学习算法库。scikit-learn可以实现数据预处理、分类、回归、降维、模型选择等常用的机器学习算法。
• Tensorflow-适用于深度学习且数据处理需求不高的项目。这类项目往往数据量较大，且最终需要的精度更高。

5. 可视化分析

数据分析最后一步是撰写数据分析报告，这也是数据可视化的一个过程。在数据可视化方面，Python目前主流的可视化工具有：

Matplotlib-主要用于二维绘图，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。

Seaborn-是基于matplotlib产生的一个模块，专攻于统计可视化，可以和Pandas进行无缝连接。

按照这个流程，每个阶段所涉及的知识点可以细分如下：

书籍推荐

从零开始，一本书读懂Python数据分析、挖掘与可视化：案例源代码+视频+PPT课件，助你解锁数据价值，成为商业决策高手！

笔者根据自己多年的数据分析与挖掘经验，从零基础读者的角度，详尽地介绍了Python数据分析与挖掘的基础知识及大量的实战案例。

全书分为4篇：

• 第1篇是基础入门篇，主要介绍数据分析与挖掘的基本概念及Python语言的数据分析基础；
• 第2篇是数据分析篇，主要介绍常用的数据分析方法；
• 第3篇是数据挖掘篇，主要介绍常用的数据挖掘方法；
• 第4篇是实战应用篇，介绍两个完整的数据分析与挖掘案例，让读者了解如何系统地应用前面学到的各种方法解决实际问题。

对于书中的大部分章节，笔者还结合实际工作及面试经验，精心配备了大量高质量的练习题，供读者边学边练，以便更好地掌握本书内容。

本书配备所有案例的源码，适合有一定数学基础的读者使用，但不要求读者具备编程基础，适合刚入行的数据分析人员或从事与数据相关工作、对数据感兴趣的人员，也适合从事其他岗位但想掌握一定的数据分析能力的职场人员，还可以作为大中专院校相关专业的教学参考用书。

关键点：

• （1）理论讲解与实践结合。每个理论都有对应的实践代码讲解，读者参考源代码，完成实例，就可以看到实验效果。
• （2）知识教学与课后练习。大部分章节末尾都配备思考与练习题，旨在帮助读者巩固所学知识，并达到学以致用的目的。
• （3）综合实战，学以致用。通过最后两章完整案例的学习，可以帮助读者针对特定场景快速设计数据分析与挖掘的方案。
• （4）配套资源，轻松学会。赠送书中同步实例的相关源代码文件+重点知识的教学视频+制作精美的PPT课件。

《Python数据分析、挖掘与可视化从入门到精通》
作者：熊熙、张雪莲
熊熙，博士，成都信息工程大学网络空间安全学院副教授，硕士研究生导师，成都电子行业新经济产业专家，CCF会员，CCF计算机应用专委会执行委员。曾在大唐移动通信设备有限公司担任高级软件工程师，研究方向包括数据挖掘与分析、自然语言处理与知识图谱、信息抽取与推荐算法、工业互联网等。主持和主研国家级和省部级以上项目8项。 张雪莲，硕士，四川大学锦江学院讲师，大学计算机基础教研室主任助理，CCF会员。多年来一直从事软件工程相关课程的教学工作，具有丰富的实践教学经验。
本书购买链接：
京东：https://item.jd.com/14675056.html
当当：http://product.dangdang.com/29743769.html