利用python做数据分析

数据分析是指对数据进行控制、处理、整理、分析的过程。在这里，“数据”是指结构化的数据，例如：记录、多维数组、Excel 里的数据、关系型数据库中的数据、数据表等。

1、为什么要用python做数据分析

很多人都有兴趣选择python作为数据分析语言，为什么呢？原因有四个：

1. 开源——免费安装；
2. 极好的在线社区；
3. 很容易进行学习；
4. 可以成为一种通用的语言，用于基于Web的分析产品数据科学和生产中；

2、数据分析的目的

主要就是为了在复杂、庞大的数据库中提取对我们有用的信息。让这些数据产生一定的价值，帮助人们在日常生活中做一些决策时做一些参考。比如，在淘宝中买东西，我们会首先看到物品的销量、排行、以及顾客对物品的评价。这些都是经过数据分析得出来的。可见，数据分析在其中扮演着多么重要的角色。

3、数据的获取

1. 公开数据集的渠道
2. 用爬虫爬取网站数据

4、数据存储（SQL）

1. 提取特定情况下的数据;
2. 数据库的删、增、查、改;
3. 数据的分组聚合、如何建立多个表之间的联系;

5、数据预处理python（pandas）

1. 选择：数据访问（标签、特定值、布尔索引等）
2. 缺失值处理：对缺失数据行进行删除或填充
3. 重复值处理：重复值的判断与删除
4. 异常值处理：消除不必要的空格和极端、异常数据
5. 相关操作：描述性统计、Apply、直方图等
6. 合并：符合各种逻辑关系的合并操作
7. 分组：数据划分、分别执行函数、数据重组
8. Reshaping：快速生成数据透视表

6、利用概率论及统计学

1. 基本统计量：均值、中位数、众数、百分位数、极值等；
2. 其他描述性统计：偏度、方差、标准差、显著性等；
3. 其他统计知识：总体和样本、参数和统计量、ErrarBar；
4. 概率分布与假设检验：各种分布、假设检验流程；
5. 其他概率论知识：条件概率、贝叶斯等

7、python数据分析

1. 回归分析：线性回归、逻辑回归；
2. 基本的分类算法：决策树、随机森林；
3. 基本的聚类算法：k-means；
4. 特征工程基础：如何用特征选择优化模型；
5. 调参方法：如何调节参数优化模型；
6. python数据分析包：scipy、numpy、sctiti-learn等；

8、最后

如果你对Python技术比较感兴趣，这里给大家分享一份Python全套学习资料，都是我自己学习时整理的，包括Python学习路线、入门视频、实战案例、电子书和海量面试题。整理不易，请多多点赞分享哦~

😝朋友们如果有需要的话，可以V扫描下方二维码免费领取🆓

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

#### **一、Python学习路线**

二、Python基础学习

1. 开发工具

2. 学习笔记

3. 学习视频

三、Python小白必备手册

四、数据分析全套资源

五、Python面试集锦

1. 面试资料

2. 简历模板

** 因篇幅有限，仅展示部分资料，添加上方即可获取**