8步从Python白板到专家，从基础到深度学习

摘要: 如果你想做一个数据科学家，或者作为一个数据科学家你想扩展自己的工具和知识库，那么，你来对地方了。这篇文章的目的，是给刚开始使用Python进行数据分析的人，指明一条全面的Python学习路径。这条路径提供了用Pyth ...

如果你想做一个数据科学家，或者作为一个数据科学家你想扩展自己的工具和知识库，那么，你来对地方了。 这篇文章的目的，是给刚开始使用Python进行数据分析的人，指明一条全面的Python学习路径。这条路径提供了用Python进行数据分析的必要步骤的一个全面概述。如果你已经有了一些基础，或者不需要所有的内容，可以随意调整学习路径以适合自己，并让我们知道你是怎么改动的。 0 热身运动 在开始学习之前，第一个需要回答的问题是 推荐这个30分钟的录像，它是DataRobot创始人Jeremy在2014年Python社区大会（PyCon）上的讲话，它能够让你了解Python有多有用。小编注：建议在Wi-Fi连接下观看。 1、 设置你的计算机 既然你已经下定了决心，是时候设置你的计算机了。最简单的方法是直接从Continuum.io下载Anaconda，它含有你Python生涯中需要的绝大多数好东东 。 https://store.continuum.io/cshop/anaconda/ 这样做的主要缺点是，即便有一些底层包已经有更新版本的时候，你还是需要等待Continuum更新Anaconda中的包。如果你只是刚刚开始，那这一点就不算是个问题。如果在安装时遇到任何困难，你可以在下面这个网站找到在不同操作系统下安装的详细指引。 http://www.datarobot.com/blog/getting-up-and-running-with-python/  2、 学习基本知识 你应该从了解Python语言、库和数据结构的基础知识开始，这个来自Codecademy的教程是你开始学习的最佳选择之一。 http://www.codecademy.com/tracks/python 在学完这个教程后，你应该可以轻松地用Python写些小程序，并且对类和对象的含义也有了理解。 特别学习：Lists（列表），Tuples（元组），Dictionaries（字典），列表的内涵和字典的内涵。 完成作业：完成在HackerRank上的教程习题。这些作业应该能让你的大脑因Python而“燃烧”。 备用资源：如果交互式编程学习不适合你，你也可以看看这个Google上的Python课程。这个两天的课程，内容覆盖了随后会提到的一些内容。 https://developers.google.com/edu/python/。  3、 学习正则表达式 你将会大量使用它来进行数据清洗，特别是在处理文本数据。学习正则表达式的最好方法是完成这个课程 https://developers.google.com/edu/python/regular-expressions 并把这个“夹带”（当然不是考试的小抄，是速查表）放在随手可得的地方。 小编注：请上网站查看完整内容。 www.debuggex.com/cheatsheet/regex/python 完成“婴儿取名”练习 https://developers.google.com/edu/python/exercises/baby-names 如果想（gou）要（dan）更多的练习，请学习这个文本清理的课程。该课程将会在数据清理的不同步骤给你挑战。 http://www.analyticsvidhya.com/blog/2014/11/text-data-cleaning-steps-python/。 4、 学习Python科学库 有趣之事，始于此处！这里，简要介绍不同的Python科学库——NumPy, SciPy, Matplotlib和Pandas。那么，让我们开始练习常用操作吧！ 完整地练习NumPy操作课程，特别是NumPy的数组操作。这会建立一个好的基础，为将要面临的现实挑战做准备。 http://wiki.scipy.org/Tentative_NumPy_Tutorial 接下来，看看SciPy的课程。完整学习简介和基础知识部分，剩余部分可根据个人需要进行学习。 http://docs.scipy.org/doc/scipy/reference/tutorial/ 如果你猜下一个是Matplotlib教程，那就错了！就我们目前的情况而言，它们太过全面了。事实上，把ipython笔记看到第68行（到animations）就基本可以了。 http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb  最后，我们来看Pandas。它为Python提供了数据帧（DataFrame）的功能，类似于R语言。你也需要在这上面多花时间好好练习。对于所有中等规模的数据分析来说，Panda将会成为最有效的工具。从这个短小的10分钟入门开始，了解一下Pandas。然后，... ... http://pandas.pydata.org/pandas-docs/stable/10min.html  然后，再看更详细的课程 http://www.gregreda.com/2013/10/26/intro-to-pandas-data-structures/。 你还可以看看“用Pandas进行探索性数据分析”（http://www.analyticsvidhya.com/blog/2014/09/data-munging-python-using-pandas-baby-steps-python/）以及“用Pandas进行数据整合”（http://www.analyticsvidhya.com/blog/2014/08/baby-steps-python-performing-exploratory-analysis-python/）两篇文章。 其它资源：  如果你需要一本有关Pandas和NumPy的教材，推荐Wes McKinney著的《Python for Data Analysis》  下面这个网站，还有很多的教程可作为Pandas的学习材料。 http://pandas.pydata.org/pandas-docs/stable/tutorials.html 完成来自哈佛大学CS109课程的作业。 http://nbviewer.ipython.org/github/cs109/2014/blob/master/homework/HW1.ipynb 小编注：回复 可视化 查看【数据科学之5个最佳Python库】，了解关于这些科学库的更多介绍和学习资源。 5、 有效的数据可视化 学完这个来自CS109的课程，你可以跳过前面的两分钟，接来下的内容非常精彩！ http://cm.dce.harvard.edu/2015/01/14328/L03/screen_H264LargeTalkingHead-16x9.shtml 跟着课程完成下面课程作业 http://nbviewer.ipython.org/github/cs109/2014/blob/master/homework/HW2.ipynb 6、 学习Scikit-learn和机器学习 现在，我们来到了整个过程的实质部分。Scikit-learn是在Python中对机器学习最有用的库。 学完来自哈佛大学2014年的CS109课程中第10讲到第18讲。你会全面了解机器学习，监督式学习算法（如回归、决策树、整体建模等）和非监督式学习算法（如聚类等）。切记，跟随每一讲，完成作业。 http://cs109.github.io/2014/pages/schedule.html 其它资源：  如果有一本必读的书，那就是《Programming Collective Intelligence》，非常经典，仍然是关于这方面最好的书之一  另外，如果你需要技术上更清晰的解释，可以选择Andrew Ng（这位大牛的课，不该不知道吧？）课程 ，用Python完成其中的习题。 https://www.coursera.org/course/ml Scikit-lean的教程（这个不能忘） 试着完成Kaggle上的这个挑战 http://www.kaggle.com/c/data-science-london-scikit-learn 7、 练习，练习，再练习 祝贺你，你做到了！现在，你已经拥有所需要的全部技能，只差练习了。哪里会有比在Kaggle上练习更好呢？上Kaggle与跟你一样的数据科学家一较高下。去吧，参加一个在Kaggle上正在举办的实时比赛吧！试试你所学到的全部知识！ http://www.kaggle.com/ 8、 深度学习 终于看到这个，兴奋吧？！现在，你已经学到了绝大多数关于机器学习的技术，是时候试试深度学习了。很有可能你已然知道什么是深度学习，万一仍然需要一个简要介绍，可以看看这个。 http://www.analyticsvidhya.com/blog/2014/06/deep-learning-attention/ 对于深度学习，我也是个新手，就请把这些建议当作参考吧。最全面的资源在deeplearning.net上，在那里，你会找到所有的东西——讲座、数据集、挑战和教程。 http://deeplearning.net 如果想要了解神经网络的基本知识，试着学习Geoff Hinton（这个大牛，你应该也是知道的吧）的课程 https://www.coursera.org/course/neuralnets 篇外话：假如你需要面向大数据的Python库，请试试Pydoop和PyMongo。由于“大数据的学习路径”本身就是一个完整的话题，因此，本文并未涉及。 来源： 1. http://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-python/ 2. https://www.youtube.com/watch?v=CoxjADZHUQA 【译者简介】 姚佳灵：家庭主妇，对数据处理和数据分析很感兴趣，正在学习Python，希望能和大家多交流。 康欣：博士，多年从事图像及数据处理和分析、计算机视觉、模式识别、机器学习、增强现实等领域的技术研究和创新应用，现为西门子中国研究院高级研究员。希望借此平台，与大数据分析爱好者以及专家学者交流、合作。