Python DM Learning Intro

Python数据分析和数据挖掘学习路线图

[日期：2016-05-25]

来源：PPV课  作者：

[字体：大 中 小]

　　Python是一种面向对象、直译式计算机程序设计语言，由Guido van Rossum于1989年底发明。由于他简单、易学、免费开源、可移植性、可扩展性等特点，Python又被称之为胶水语言。由于Python语言的简洁、易读以及可扩展性，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python教授程序设计课程，并且也广泛用于商业领域。

　　下图为主要程序语言近年来的流行趋势，Python受欢迎程度扶摇直上，十年的时间一直是徐徐上升，最近大数据的兴起，Python作为数据挖掘编程语言备受数据科学家们的青睐。

　　PYPL——编程语言流行指数。

　　今天，PPV课Gary老师针对Python在数据分析领域的应用，从数据分析师从业者的角度为大家整理了一份Python数据分析入门学习路线图和相关课程，以供大家学习和参考。课程分为4个模块：

　　Python语言基础

　　Python数据挖掘基础

　　Python文本挖掘基础和实例

　　Python数据挖掘案例应用

　　此学习路线由浅入深，从基础到案例实践，手把手教你如何用Python做数据分析和数据挖掘。

　　python数据分析学习路线图

　　第一部分是Python基础部分，主要是环境的搭建，库的安装，基础语法的了解，学习时间2周

　　包括Python开发环境的搭建(使用Anaconda+pycharm，安装该环境包含了上课所需要的所有库，即包含numpy、pandas、scipy、matplotlib、scikit-learn等等，网上搜索Anaconda、pycharm即可获取安装。)基础语法的了解，语言的示例和规范，变量、常量、运算符、表达式相关基础知识。

　　第二部分是Python数据挖掘的基础，主要是python数据分析相关库的学习和应用，学习时间2周

　　Python数据挖掘基础主要是对数据分析相关库的使用，比如数据整理需要用到numpy和pandas库，数据描述与分析分析则主要用到pandas库，用Scipy处理非结构化数据，使用回归线性模型和回归树模型进行预测等等用python做数据分析和数据挖掘的库的应用。

　　第三部分是Python做文本挖掘及案例分析，主要是python爬虫的学习和应用，学习时间2周

　　数据分析离不开数据采集和爬取。第三部分主要是教如何利用Python进行网络爬虫，以及通过案例学习文本分类和聚类相关知识。学习时间2周

　　第四部分是Python数据挖掘案例，主要通过讲解案例和动手实践案例，达到知识的融会贯通的应用。学习时间2周

　　第四部分主要是动手、实践，将上面学习到的理论知识得以应用。第四部分案例覆盖决策树、朴素贝叶斯、最近邻、随机森林、支持向量机、神经网络等重要的数据挖掘方法。拟完成的案例包括不限于以下：使用关联规则进行购物篮分析、垃圾邮件的识别、图像识别、Iris数据挖掘的各种方法比较、电影或者图书推荐系统构建、屏蔽网页内容、街景识别和分类、手写文字的识别、最近邻回归进行预测、降维的各种方法、k-means聚类和中位数聚类等等。含经典编程写算法和scikit-learn等。

　　最后，除了系统的学习上述相关知识之外，最主要的还是要复习，实践，实践，实践，最后才能真正出师，成为Python数据分析和数据挖掘高手。关于本课程的系统学习，大家可以跟着Gary一起学习《Python数据挖掘实战》课程，系统的学习上述内容，到时候老师会通过直播互动的形式跟大家一起探讨学习。

　　相关中文资源如下：

　　1.python工作集成环境包

　　Python(x,y):下载地址：http://python-xy.github.io/downloads.html

　　Pycharm：下载地址：http://www.jetbrains.com/pycharm/download/#section=windows

　　2.python数据分析相关库(Pandas/Numpy/Scipy/Matplotlib)

　　如果安装了上面集成工作包，则下面的包不需要重新安装了。关于包的安装方法在学习资源图书中都有介绍，通常安装库采用pip方法，也可以用pip list查询系统安装了哪些库