Python數據收集及分析學習相關

• 簡介
• • 1、所需要的基礎知識
  • 2、個人推薦書籍和網站
  • • 2.1 Python基礎
    • 2.2 Numpy基礎
    • 2.3 Pandas基礎
    • 2.4 Matplotlib基礎
    • 2.5 數據建模理論知識
    • 2.6 數據分析實戰
    • 2.7 Sklearn基礎
    • 3、Kaggle網站

簡介

數據分析基本的步驟可以分為：提出問題、導入數據、數據清洗、構建模型、數據可視化。

• 提出問題： 我們所想要知道的指標（平均消費額、客戶的年齡分布、營業額變化趨勢等等）
• 導入數據： 需要進行分析的原始數據（網絡爬蟲、數據讀取等）
• 數據清洗： 指發現并糾正數據文件中可識別的錯誤（檢查數據一致性，處理無效值和缺失值等）
• 構建模型： 針對具體的問題使用對應的數據模型找到關鍵指標，當我們想了解數據之間的相關性時就可以構建模型（一般使用線性回歸、邏輯回歸、類聚算法等）
• 數據可視化： 將結果以圖表形式呈現

1、所需要的基礎知識

可以根據網站、視頻、書籍等途徑。

python基礎： 變量、字符串、運算符、控制語句、循環、列表、元組、文件I/O、函數、異常、面向對象等；在如何創建對象即可停止python基礎學習，因為已經夠用了。 （建議可以去練習一些題目之類的鞏固自身）

數據分析基礎工具： Numpy、Pandas、Matplotlib這3個是基礎工具。

數據建模知識： sklearn是比較適合新手的建模工具，當然還有tensorflow和pytorch可以選擇。（建議使用sklearn）

2、個人推薦書籍和網站

2.1 Python基礎

這部分的學習大概可以控制在一周左右的時間完成。

• 環境推薦： 安裝Anaconda環境，其中內置Python數據分析相關的環境；在Anaconda可視化安裝界面下安裝notebook工具。
• 書籍推薦： 《Python編程：入門到實踐》
• 視頻推薦： 阿里AI天池實驗室課程

2.2 Numpy基礎

工具作用： 線性代數庫，主要用于線性代數相關的運算。這個是Pandas、Matplotlib、Sklearn的基礎工具；不能缺少的輔助！

這個工具的教程比較少，一般1天或者2天能夠完成。推薦菜鳥教程或者阿里天池實驗室；或者官方文檔。由于資料比較少，如果可以上YouTube的話，建議去YouTube看大神講解！！

2.3 Pandas基礎

工具作用： 用于數據分析，一般會使用這個做數據清洗。

這個工具的教程也比較少，耗時1到2天。推薦極客教程或者阿里天池實驗室；或者官方文檔。由于資料比較少，一樣上YouTube看大神講解！

2.4 Matplotlib基礎

工具作用： 用于圖表的繪制，一般是用在數據可視化上；在清洗時，也可以用來看相關統計等。

這個工具的教程也是比較少的，耗時1到2天。建議YouTube上面找，或者天池課程數據可視化部分；當然這個也可以看看b站up主視頻。

2.5 數據建模理論知識

理論知識這里不敢瞎嗶嗶，直接看天池給的理論部分，這個比較通俗易懂；還有另外一個推薦書籍是吳軍的《數學之美》，神作。

2.6 數據分析實戰

直接還是天池的學習網站，分別是樹形分支中的數據分析實戰、機器學習入門、機器學習進階。

2.7 Sklearn基礎

直接看sklearn中文文檔就夠了，一般只需要會用就行；這個比較容易上手。

3、Kaggle網站

介紹： 是一個國外免費提供GPU資源的網站。由于數據分析所需要消耗的計算代價比較高，因此Kaggle每周免費提供30個小時的高性能GPU服務器。

說一個概念：我的機子GPU是1050Ti，跑畢設程序要跑2周時間左右才會得到結果；而Kaggle上面只需要跑3個小時左右。

再舉個比較國際統一的標準：我的機子跑mnist數據集的cnn深度模型大概需要30秒左右，而Kaggle只需要幾秒的時間。

總結

以上是生活随笔為你收集整理的Python数据收集及分析学习相关的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。