Python数据分析与挖掘学习路线图

为大家分享python大数据学习的一个提纲，希望对想学Python或者正在学python的你有一些帮助。

1.  Python学习

语言的学习，真正掌握语言的方式，是交流与实践，所以，这三本书，是由浅入深的步骤。大家在学习过程中，可以到群里面去进行交流沟通。

• Python初学教程：《简明Python教程》

• 《Dive Into Python》

• 《Learning Python 5th》

另，python在线精品学习博客：

• http://www.cnblogs.com/vamei/archive/2012/09/13/2682778.html

• http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/

2.   数据分析课程学习

数据分析，现在已经成为大数据这一趋势中的重点。要想学好，并且能够在实际中灵活运用，那要求同学们有扎实的数据基础（包括高等代数，概率及统计分析），需要有一定的计算机算法基础，并且有极高的对数据分析这些知识的热情。

• 《高等数学及数据分析基础课程》，请参考大学高等数学系列课本

• 《Mastering Basic Algorithms in the Python Language》

• 《利用Python进行数据分析》

• 《NumPy学习指南》

• 《NumPy攻略：Python科学计算与数据分析》

3.  NumPy、Scipy和Pandas

这是重要的python数据分析库。除了第2项中提到的课本，需要深入地学习，可以去官方学习相当文档和教程。

网址：

• http://www.numpy.org/

• http://www.scipy.org/

• http://pandas.pydata.org/

Numpy的处理能力包括：
a powerful N-dimensional array object N维数组；
advanced array slicing methods (to select array elements)： N维数组的分片方法；
convenient array reshaping methods： N维数组的变形方法；
and it even contains 3 libraries with numerical routines:

basic linear algebra functions： 基本线性代数函数；
basic Fourier transforms： 基本傅立叶变换；
sophisticated random number capabilities : 精巧的随机数生成能力；

Scipy是科学和工程计算工具。包括处理多维数组，多维数组可以是向量、矩阵、图形（图形图像是像素的二维数组）、表格（一个表格是一个二维数组）；目前能处理的对象有：
statistics： 统计学；
numeric integration： 数值积分；
special functions: 特殊函数；
integration, ordinary differential equation (ODE) solvers: 积分和解常微分方程；
gradient optimization: 梯度优化；
genetic algorithms： 遗传算法；
parallel programming tools（an expression-to-C++ compiler for fast execution, and others）： 并行编程工具；

在将来会增加下面的计算处理能力（现在已经部分地具备了这些能力）：
Circuit Analysis (wrapper around Spice?)： 电路分析；
Micro-Electro Mechanical Systems simulators (MEMs)：微电子机械系统；

Medical image processing： 医学图像处理；
Neural networks： 神经网络；
3-D Visualization via VTK： 3D可视化；
Financial analysis： 金融分析；
Economic analysis： 经济分析；
Hidden Markov Models： 隐藏马尔科夫模型；

4.  hadoop学习及python操作模块。

hadoop资料，网上非常多，也可购买书本。
hadoop的python操作模块较多，可以参考：

• http://www.oschina.net/translate/a-guide-to-python-frameworks-for-hadoop?cmp&p=2
  
  

5.  数据可视化

是为了能直观地从图示中反应出数据的各项指标，情况；直观地展示对数据分析的研究成果。所以，有必要学习这些知识。

matplotlib：

• http://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/

∞∞∞∞∞

IT派 - {技术青年圈} 持续关注互联网、区块链、人工智能领域

公众号回复“Python”，

邀你加入{ IT派Python技术群 }