轉行數據分析的一些經驗和學習方法

本篇將分享轉行數據分析的一些經驗和學習方法，看完這篇你將會解決以下幾個問題：

轉行數據分析需要掌握哪些學習重點？

轉行學習數據分析有哪些好的學習資源？

注意：

本篇內容是針對所有想轉行數據分析人員的，內容深淺不一。若內容過于簡單，可直接略過，若內容過于復雜，也不必擔憂

本篇涉及到的部分推薦書籍小編已經打包，文章末尾會提供獲取方式

編程基礎

如果你是一個對編程毫無經驗的小白，那么首先你應該掌握一定的編程基礎（尤其像從其它行業轉行到IT行業的朋友們）。對于新手來說，博主認為Python語言是最佳的選擇。作為一個解釋型的動態高級語言，Python易于理解，上手簡單，非常適合初學者學習。一本快速入門Python語言的書籍推薦：簡明Python。這本書英文原版為《A Byte of Python》，經翻譯變為《簡明Python》。博主也給好多人推薦過，大家看過之后基本上都很認同，是入門Python最快效果最好的書籍。

如果你已經了解了Python編程的基礎用法想要繼續深入學習Pyhon，那么博主推薦你去看：廖學峰Python教程。它基本上涵蓋了Python編程入門到精通的所有知識，如果你能將這個看透，那么可以說你已經掌握了Python這門語言了。

學完了Python的理論知識，當然就需要應用，需要實戰。博主之前分享了一篇文章非常適合Python初學者的實戰項目，非常有趣，也易于實現。

數據分析基礎

拋開對業務層面的基本理解，學好數據分析首先需要了解統計學，統計分析是數據分析的基礎，也是靈魂。下面博主列出統計分析的幾個核心內容：

描述統計，統計推斷，概率論；

抽樣，分布，估計，置信區間，假設檢驗；

線性回歸，時間序列；

博主推薦一本比較好的統計學書籍：統計學，這本書清晰的講述了基礎的統計學知識，非常經典。

數據分析工具

SQL語言

博主之前做過一個統計，就是統計招聘網站上關于數據分析師的招聘信息關鍵詞，其中詞頻最高的是SQL。這就說明了一個問題：數據分析師最關鍵的一項技能就是會使用SQL語言操作數據庫。

關于SQL的學習博主推薦兩個學習路徑：

w3school

SQL必知必會

這個學習沒有捷徑，需要一個學習規劃，一般學習周期不長，兩個星期就可以學一遍，但是更多的是反復練習刷題，推薦到Leetcode進行一些實踐練習。

Excel基本操作

作為微軟的一個出色表格處理工具，Excel也是數據分析師需要掌握的。因為公司很多其它部門非技術人員是不會使用編程工具的，而會使用相對簡單的Excel來處理一些報表。這個時候就可能需要你可以在Excel中做一些數據分析工作然后反饋，但是也不必太深入，掌握核心的功能即可，比如：

增刪改查

各類常用函數的使用

各類基礎圖標的制作

數據透視表等

能夠熟練運用上面功能就可以，學習周期很短，甚至一天就能學會，主要是熟練。而對于剩下的復雜功能等遇到了再學習也不遲。

Python or R？

R語言就是為統計學而設計的語言，是統計行業中非常高效實用的工具，目前非常受歡迎。而Python作為目前非?；鸨恼Z言，由于其出色的科學計算包pandas，numpy，scikit-learn等的存在，非常適合于數據分析與數據挖掘，也是很多人的不二選擇。

關于這Python和R，博主認為二者皆可，選擇自己順手和喜歡的。由于博主自己是Python愛好者，也因為它的簡單易用，因此強烈推薦使用Python。在Python的基礎上有更高級的交互式IPython工具，可以說這讓數據分析變得更加方便了，博主推薦使用Jupyter notebook，非常好用，誰用誰知道，如果不知道怎么用，可以參考下面教程快速入門。

如何使用Python進行數據分析？

使用Python做數據分析，首先需要學會使用numpy和pandas包，因為它是Python數據分析的核心工具。numpy主要解決一些數學計算，矩陣變換，線性代數等問題，pandas更像是一張excel表，有行列定義，字段定義，以及數據變換和預處理等操作。兩個計算包非常強大，pandas包自己就有兩千多個方法，但是別慌，我們只要掌握核心方法就可以了。關于如何學習numpy和pandas，博主后續也會不斷分享介紹，但是這里先貼出兩張numpy和pandas學習的思維導圖，總結的非常好。

numpy學習思維導圖

（點擊放大）

pandas學習思維導圖

（點擊放大）

（點擊放大）

除此之外，推薦一本特別好的Python數據分析書籍：利用Python進行數據分析，這本書是入門Python數據分析非常好的書籍，從numpy，pandas，數據預處理，數據重塑合并，數據變換等各種關于數據的操作，最后還介紹了Python的時間序列用法以及在金融領域上的應用。

另一本推薦的數據分析書籍是：深入淺出數據分析，這本書使用圖表示意比較多，內容也很豐富，也是不錯的參考資料。

Python數據可視化

Python的數據可視化工具是matplotlib，matplotlib的功能也十分強大，將它使用好會讓你的數據可視化美觀清晰，吸人眼球。另外一個可視化工具是seaborn，它是在matplotlib基礎上封裝的更高級的可視化工具，使用方便，圖表非常美觀，并有FaceGrid，PairPlot，heatmap等強大的復合型可視化方法。

爬蟲和機器學習

好多朋友問：數據分析崗位要求會爬蟲嗎？要求會機器學習嗎？

首先說爬蟲。其實說實話，對于數據分析而言，爬蟲真不是必須的，因為一般的大公司都有專門的爬蟲團隊。數據分析只是將數據從數據庫取出然后做數據處理和分析。不過，爬蟲作為一項技能是可以在一定程度上加分的，起碼在博主的面試經歷中是這樣的。

其次是機器學習。對于機器學習，博主想說這部分還是有必要了解一下的（不是必須），因為一是可以給自己加分，另外也可以讓自己清楚未來的職業方向。數據分析的發展方向一般有BI商業方向，行業分析業務方向，和機器學習數據挖掘方向。了解常用的監督和非監督模型，如樸素貝葉斯，決策樹，聚類等可以讓自己更加深刻得理解數據分析。

機器學習的書籍推薦：《統計學習方法》，《機器學習》，《機器學習實戰》三本書。

李航的統計學方法和周志華的機器學習（西瓜書）是大家最為熟知，最經典的書籍資源，兩本書主要介紹機器學習的統計理論知識和公式推導，比較難啃，對于初學者其實并不建議花費大量時間深究。因為機器學習涉及的東西很多很雜，對于數學要有很強的功底，所以并不是短時間內可以全部掌握的。對于轉行人員來說，時間是很寶貴的，因此博主建議這兩本書可以作為參考，但不必盲目深入研究。而對于已經從事本行業的人員，這兩本書無疑是最絕佳的參考資料，可以反復閱讀。

機器學習實戰這本書從實際應用的角度出發，更多的介紹了機器學習編程方面的使用，并附有大量源碼分析，是非常具有特色的一本參考書籍，比較適合初始學習機器學習的人員。當然還有很多其它的參考資料，比如臺大林軒田，AndrewNg機器學習視頻也是非常好的教學資源。

博主的建議是：先從宏觀上了解各個模型的特征，優缺點及主要的應用，然后再慢慢由淺入深的學習各個模型算法的緣由和推導，因為這樣不但會逐漸建立信心，也會對模型算法有更深刻的理解?？偟膩碚f，幾本書各有特色，相輔相成，建議結合幾本書一起學習效果最佳。當然，關于機器學習這部分，博主后面也會陸續給大家介紹。