Python数据分析入门速成路线梳理_python数据分析路线学习-CSDN博客

本文链接：https://blog.csdn.net/Java_Joker/article/details/137174402

写在前面的话

和一个刚进银行系统的朋友聊天，本科工商管理专业毕业，聊到数据分析增加竞争力，希望可以通过自学获得进步成长，但又不知道从何学起。为了给这位朋友做一些入门推荐，写了这篇短文。

有很多从业者，非计算机专业，从未接触过编程，听闻数据分析需要编程，就容易产生畏难情绪，实际上本篇内容并不能称之为速成路线，个人也并不喜欢速成的说法，之所以这样命名，也是为了降低初学者的心理负担，在b站搜索“数据分析”，搜索到的课程动辄几千分钟，初学者也难以挑选判断其中优劣，可能看了一段时间的课程，感觉自己也没学到什么，慢慢也就放弃了。

基于上述原因，想根据个人经历整理一份快速上手Python、了解Python数据分析大体构成的推荐列表，本着高效实用的原则，让非计算机专业的学生，避开很多繁琐的数据结构和编程理念，以实现数据分析目的，达到期望的效果，得到图表产出，获取数据分析结果。

推荐课程列表

1. [[Python教程]《零基础入门学习Python》-哔哩哔哩] https://b23.tv/U801he

学习部分：

第1课到第34课，每课也不长，后面的课可以不看

推荐理由：

零基础最便于上手的python教程，教学风格轻松幽默，以官方的IDLE 作为教学环境，手把手教安装和运行，建议安装python3.7版本，最新版也行，课程的版本太老了。教学内容从简单的输入输出、分支循环介绍，到列表、元组、字典、集合等基础概念的了解，还有字符串、函数和异常的介绍，课程后面的内容适合计算机专业的学习，但作为非专业的同学其实并无必要，爬虫课程之后另作推荐。

学习这一课就是为了快速了解代码怎么运作，基本的逻辑怎么写，见到各种各样的括号内的数据，知道是什么格式，之后可以自己看看这些格式的数据怎么相互转换。

2. [[莫烦Python] Numpy & Pandas (数据处理教程)-哔哩哔哩] https://b23.tv/97jTyr

学习部分：

全部总共18课每课十分钟不到

推荐理由：

numpy和pandas是python学习一定会用到的两个库，numpy用来进行科学运算，pandas用来读取文件和表格数据，也可以进行一定的数据处理。本课程仍以官方IDLE做教学环境，适合衔接，也会带领学习如何查阅官方文档或者查询一个函数的使用方法。编程过程中突然想不起来一个函数怎么写的情况时有发生，百度需要的功能就会有详细的答案，本课学习的目的是知道有这么两个工具包，了解这两个包大概有些什么功能，怎么查可以得到自己想要的答案。

之所以没有推荐其他的全面的数据分析课程，就是因为其他课程学习这两个包的内容过于详细冗长，实际上学完就忘，容易直接畏难劝退，不如先知道有这么个包，大概有什么功能，怎么搜百度可以找到这函数怎么用来的有效。

3. [Python+Anaconda+PyCharm的安装和基本使用[适合完全零基础]不只是教你如何安装，还告诉你为什么这么安装-哔哩哔哩] https://b23.tv/n4l7aH

推荐理由：

设置这一课，作为一个承上启下的引导，讲解一下anaconda虚拟环境的作用和python的关系，介绍jupyter notebook是什么工具，pycharm又是什么，安装它有什么作用。本课只作为一个引导，大家也可以搜索其他的替代性课程，关键是让我们知道以后的课程见到各种各样的写代码的界面不要慌，其实和在官方IDLE里写是一样的，只不过调试、运行更方便了。

4. [不愧是清华大佬！把Python数据分析讲得如此简单明了！从入门到精通保姆级教程（建议收藏）-哔哩哔哩] https://b23.tv/YHhPFM

学习部分：

第108课到第128课

推荐理由：

本课程的目的是学习一款可视化图表工具，用来制作一些美观的图表。推荐的学习部分包含了seaborn库和pyecharts库，其实这两个库挑一个学好也够了。之所以没有推荐更为常见常用的matplotlib库，因为这个库个人感觉更适合学术论文出图，比较严肃正经，不符合行业数据分析所需展示的艺术化效果（其实也能做就是麻烦点）。

这一课的可视化工具使用有不少参数需要调节，光靠记肯定是记不下来了，只能说把几个比较常用的留个印象，到时候再上官网查询，或者精心设计几个样式，以后直接拷贝粘贴使用。本课程后面的机器学习部分，这一阶段不接触，还没到进阶学习的时候。

5. [尚硅谷2021版Python爬虫教程小白零基础速通（含python基础+爬虫案例）-哔哩哔哩] https://b23.tv/3PxBwf

学习部分：

第51课到第72课

推荐理由：

首先，这是个人感觉讲爬虫讲的最通俗易懂的课程，对于没有网络编程基础的同学来说，相对好接受点，刚开始可能会大受震撼一脸懵逼，跟着做了几课就会好很多，推荐到72课，已经完成了最简单的爬取网页、读取网页特定内容的功能，已经可以完成全网大部分网页信息的爬取工作，感兴趣就继续看下去，一路到104课完结，勤加练习基本上就能在淘宝上接爬虫的单了，当然有些反爬手段稍微厉害点的网站还是需要继续深入学习的，由于不是主线任务这里就不推荐了。

可能疑惑，明明是搞数据分析，怎么搞起爬虫来了。因为，网络有数据。一般的数据分析，数据源都是自家公司服务器的数据库，但自学的还是以搜集开源数据为主，网上确实不乏一些问题的数据集，但毕竟每个人的项目需求不一样，所以还是学一学怎么“打渔”为妙。网络蕴含了大量信息和知识，但具体爬哪些数据，干什么用，这就是自己思考发挥无限想象力的地方了。

至此，大家已经对Python语言和技术有了一个相对基础的认识，尽管基础，但已经可以应对绝大多数的数据整理问题，所谓分析就是将学到的这些技术结合初高中学习到的统计学方法和指标，深挖自身所在领域的行业特性，进行更进一步的定制。b站有很多课程，介绍到这里，戛然而止了，因为这已经是针对数据分析Python入门学习能到的尽头，接下来的工作就是在分析思想和方法上进行提升了。

由于本文只是从自我提升、破除对编程的畏惧角度进行的推荐，与真正要向数据分析师职业发展的路径有所不同。数据分析师职业需要学习的内容还包括SQL语言，用于对数据库（可以简单理解为部署在公司服务器上的很多超级Excel表格形成的文件库）内的数据进行增删改查、批量处理；进阶的Excel软件操作，用于应对日常高效的信息处理；完善的统计学和数据分析思维的锻炼以及类似powerBI的可视化工具使用。由于自己并不是专业的数据分析师，就不在此班门弄斧了，网络上关于职业数据分析师的技能路线也比较清晰，真正想要深挖的同学也就自由探索啦~