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:
http://www.oschina.net/translate/a-guide-to-python-frameworks-for-hadoop?cmp&p=2
5、数据可视化。是为了能直观地从图示中反应出数据的各项指标,情况;直观地展示对数据分析的研究成果。所以,有必要学习这些知识。
matplotlib:
http://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/