01 关于本系列概述

快到年底了，回想下自己的 2018 年，就是这样滴。

感觉一整年都荒废过去了，大部分时间都在抓瞎抹黑中度过。回想起当初开始学习数据分析，面对多如牛毛一样教程，感觉像是狗咬刺猬，无处下口，整个人都是奔溃的。

好在最近天气很冷，终于慢慢地冷静了下来。

仔细的思考总结了一下，决定从零开始分享学习过程，一是能够帮助自己学习，二是或许也能够給相同境遇的人提供帮助，共同学习进步。

大坑已经挖好了，希望能够做到零基础上手、手把手演示、从简到难、通俗易懂。

入门不久，道行尚浅，如有错误，不吝赐教。

02 数据分析学习路线

数据分析的学习路线有很多种，如：

• 学习 Execl、PPT 路线
• 学习 Execl、SQL 路线
• 学习编程语言和算法知识路线

都是数据分析，其实天差地别，有些可能就是做做报表整理工作；有些则需要进行商业、市场等数据分析；有些则需采用各种算法挖掘出数据中的价值。

如果你想以后从事数据分析的工作，并把它当成职业。考虑到各种各样的因素，(省略 800 字)，最推荐的学习为 python 数据分析和数据挖掘。上一篇文章，也侧面证实了这是目前最优的学习路线。

下面记录需要接触的内容，之后一步一步进行学习。先给出大概框架，做到心中有数。

先来碗鸡汤，“人要逆转自己的困境，需要拼命的努力。”

下面记录的知识都是之后需要学习的内容，现在先来有个大概了解。

基于目前的认知，利用 python 进行数据分析大体上需要的知识构成为：

• 数学知识
• Python 基础知识
• Python 数据分析包使用

进阶部分，需要掌握的知识有：

• 机器学习和深度学习
• 爬虫
• 大数据

数学知识

需要的知识主要为：

• 《线性代数》
• 《概率论与数理统计》

Python 基础知识

由于只需要掌握计算部分的知识，Python 的基础知识需要了解以下内容：

• 基本语法
• 数据类型和变量
• 条件语句和循环语句
• 函数和模块的概念

Python 数据分析包

主要掌握 Python 相关数据分析包的使用，包括 Numpy/pandas/matplotlib 等。这也是需要重点掌握的内容。这部分的学习内容主要是练习各个包的使用，特别是 Pandas 包。另外，看书不练手往往使会使得自己很疑惑，不知道数据分析具体的工作内容到底是什么。为此，后续内容会有练手项目。

进阶知识

根据各人的基础不一样，感觉这部分学习可以稍后，可以主要学习前面的内容。大概记录下内容。

机器学习和深度学习

主要是以看书为主，推荐的书本为：

• 《机器学习》周志华，理论推导过程较简略，但是知识面广，例子多，帮助建立机器学习的知识框架；
• 《统计学习方法》李航，理论推导详细，只讲解算法，如果看不懂推导过程可参考；
• 《Pattern Recognition and Machine Learning》Christopher M. Bishop，该书非常全面，如果英文好可以直接看该书，有中文翻译版本，但还是建议看原版。

后续文章会有利用机器学习包实现数据分析的内容。

深度学习推荐花书《DEEP LEARNING》Ian Goodfellow。

大数据

推荐书本为《Hadoop 权威指南》。

03 结语

这里总结大概需要学习的内容，在后续内容中将一步一步讲解具体内容，同时也将分享具体数据分析实例。

更多内容和资料请关注公众号“从零单排数据分析”，ღ( ´･ᴗ･` )。