Python数据分析与挖掘学习路线图

最新推荐文章于 2024-05-02 19:40:35 发布

weixin_34331102

最新推荐文章于 2024-05-02 19:40:35 发布

阅读量147

点赞数

文章标签： python 大数据人工智能

原文链接：https://my.oschina.net/kyo4321/blog/596171

版权

2019独角兽企业重金招聘Python工程师标准>>>

1、Python学习。语言的学习，真正掌握语言的方式，是交流与实践，所以，这三本书，是由浅入深的步骤。大家在学习过程中，可以到群里面去进行交流沟通。

Python初学教程：《简明Python教程》
《Dive Into Python》
《Learning Python 5th》

另，python在线精品学习博客：

http://www.cnblogs.com/vamei/archive/2012/09/13/2682778.html
http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/

2、数据分析课程学习。数据分析，现在已经成为大数据这一趋势中的重点。要想学好，并且能够在实际中灵活运用，那要求同学们有扎实的数据基础（包括高等代数，概率及统计分析），需要有一定的计算机算法基础，并且有极高的对数据分析这些知识的热情。

《高等数学及数据分析基础课程》，请参考大学高等数学系列课本
《Mastering Basic Algorithms in the Python Language》
《利用Python进行数据分析》
《NumPy学习指南》
《NumPy攻略：Python科学计算与数据分析》

3、NumPy和Scipy,Pandas。这是重要的python数据分析库。除了第2项中提到的课本，需要深入地学习，可以去官方学习相当文档和教程。

网址：

http://www.numpy.org/
http://www.scipy.org/
http://pandas.pydata.org/

numpy的处理能力包括：
a powerful N-dimensional array object N维数组；
advanced array slicing methods (to select array elements)；N维数组的分片方法；
convenient array reshaping methods；N维数组的变形方法；
and it even contains 3 libraries with numerical routines:

basic linear algebra functions；基本线性代数函数；
basic Fourier transforms；基本傅立叶变换；
sophisticated random number capabilities；精巧的随机数生成能力；

scipy是科学和工程计算工具。包括处理多维数组，多维数组可以是向量、矩阵、图形（图形图像是像素的二维数组）、表格（一个表格是一个二维数组）；目前能处理的对象有：
statistics；统计学；
numeric integration；数值积分；
special functions；特殊函数；
integration, ordinary differential equation (ODE) solvers；积分和解常微分方程；
gradient optimization；梯度优化；
genetic algorithms；遗传算法；
parallel programming tools（an expression-to-C++ compiler for fast execution, and others）；并行编程工具；

在将来会增加下面的计算处理能力（现在已经部分地具备了这些能力）：
Circuit Analysis (wrapper around Spice?)；电路分析；
Micro-Electro Mechanical Systems simulators (MEMs)；
Medical image processing；医学图像处理；
Neural networks；神经网络；
3-D Visualization via VTK；3D可视化；
Financial analysis；金融分析；
Economic analysis；经济分析；
Hidden Markov Models；隐藏马尔科夫模型；

4、hadoop学习及python操作模块。
hadoop资料，网上非常多，也可购买书本。
hadoop的python操作模块较多，可以参考：