如何系统地学习Python 中 matplotlib, numpy, scipy, pandas？

链接：https://www.zhihu.com/question/37180159/answer/761102349

编辑：深度学习与计算机视觉

声明：仅做学术分享，侵删

最近在学习python绘制图形的相关知识，学习到了这几个库，所以想请教一下各位知友。希望用python来做数据挖掘相关的任务。

想问问各位知友，python做数据挖掘是否足够强大？学习数据挖掘需要学习哪些知识呢？我是一个本科生，本科学习的话能从事数据挖掘相关工作吗？

作者：Evan
https://www.zhihu.com/question/37180159/answer/303839224

对于这个问题，我觉得我还是自己来宣传一波干货哈哈。

对于题主的问题，说说我的观点：

1.首先python做数据挖掘是绝对足够强大的，虽然，现在统计，数据分析类的很多论文还是R语言用的比较多，但是，Python本身也拥有强大的数据计算库的可视化工具库，这个题主已经列出。把这几个库基本学会了，那对于数据挖掘编程任务还是有基本的保障的！而且在机器学习，人工智能领域，主流是Python，数据挖掘和机器学习，人工智能很近，很多理论相通，之后若想转机器学习，人工智能学会这些库还是有很大优势的。

2.然后数据挖掘需要学习哪些知识，一个是数学：线代，概率论，凸优化等，这个很大程度上决定了天花板。一个是算法，数据挖掘算法有很多，什么决策树，逻辑回归，BP网络等等，这些事理论知识，当学习他们是很有必要的，因为你对一个模型算法了解的越多，你就会发现它的局限性越大。对于调参调包时有很大帮助。还有就是编程，上面都是纸上，正真强体现在成果上，那这些库的理解就至关重要了！其他比如英语，计算机基础，很有必要，但我们可以先把上面的学好。

3.本科，学历我从来都不觉得是一个问题，再说，很多研究生....（省略吐槽）。只要有兴趣，现在开始，未来在等你（鸡汤味有点重，见谅）

最后，推荐我的专栏的一个系列总结：

numpy：快速存储和处理大型矩阵，主要是记住numpy特点

Numpy复习总结（一）https://zhuanlan.zhihu.com/p/32955108

Numpy复习总结（二）https://zhuanlan.zhihu.com/p/33045644

pandas：主要是思想和基本操作，各种函数不要背，浪费时间的。

pandas复习总结（一）https://zhuanlan.zhihu.com/p/33122239

pandas复习总结（二）https://zhuanlan.zhihu.com/p/33229372

matplotlib：还是主要记住思想和基本操作，各种函数不用背，多实践。

数据可视化工具matplotlib复习总结https://zhuanlan.zhihu.com/p/33299777

作者：知乎用户
https://www.zhihu.com/question/37180159/answer/80919616

首先，下载一个 anaconda，这是一个 Python 发行版，你需要用到的关于科学计算、数据处理的东西基本上都有了。
然后，去图书馆借一本《用 Python 做科学计算》忽略掉环境配置的部分，把里边关于 numpy 和 matplotlib 的内容看了。其他的部分根据自己需要选择阅读。一般来说每一个科学计算的库会自成一套体系，但是绝大多数都会基于 numpy，所以 numpy 必须学会。但是你也不用每个模块都用过，知道常用的函数和 numpy 的设计模式就好。matplotlib 是绝大多数绘图库的基础库，所以也绕不过去。
再然后，打开你需要的库的官网比如 pandas，一般都会有 getting started，先看完上个手。然后直接看 User Guide 或者 Tutorial。

之后根据自己的需求定向学习就好。每个第三方库都有自己内在的设计逻辑，比如 sklearn 就是围绕着 fit 和 predict 两个函数来做的，默认行向量是样本啦 pipline 啊之类的。pandas 核心就是 DataFrame 即就是带有 index 的 numpy 数组等等。学习一个库，重要的就是要学习这个库的内在的设计逻辑，这些一般都在 document 或者 User Guide 里边提了。并不需要每个功能/函数都记住，大致知道他有某方面的功能就好了，当你有某个功能的需求的时候猜一下然后直接 Google 就好。

比如我想求一个线性方程组的解，知道了内在逻辑闭上眼睛猜一下也知道这个函数不在 scipy 中就在 numpy 中，于是 Google 一下：solve linear equation numpy，第一条就是：

再比如，我想要合并两个 pandas 的表。闭上眼睛也知道 pandas 肯定有这个功能，数据库里边学过类似的操作叫做 Join，所以就 Google 一下：

看第二条结果，直接就是三个解决方案，读一读对比一下就好。

常用的函数查两遍之后你也就背下了，这样过一段时间的使用后基本上你就熟练了。对某个库有兴趣想要深入的话可以直接去看他的源代码。就酱紫，这就是所谓的系统方法~

作者：保一雄
https://www.zhihu.com/question/37180159/answer/230932556

题主的问题主要是两个方向，一是如何系统学习Python中跟数据分析&数据挖掘相关的库，二是对本科生从事数据挖掘行业的疑问。

先来讲讲如何系统地学习Python中有关数据分析&挖掘相关的库

什么是系统地学习？可能有人会觉得这是个伪命题，个人觉得，系统地学习就是一个先搭知识框架体系，然后不断填充知识，不断更新迭代的过程。类似于盖楼房，先做地基，再往上一层一层走。

既然要系统地学习Python中有关数据分析&挖掘相关的库，那么pandas, numpy, scipy, matplotlib, 以及scikit-learn就是知识框架体系中的必备部分: pandas用来做数据处理，numpy用来做高维度矩阵运算，scipy用来做科学计算，matplotlib用来做数据可视化，scikit-learn用来做机器学习与数据挖掘。

上面这几个库也就搭建了做数据分析&挖掘的经典workflow：拿到数据之后先要做一个数据的预处理(pandas+numpy+scipy)，接着会要对数据包含的特征做一些可视化输出(matplotlib)，之后需要提取特征&建模调参(numpy+scikit-learn)，有了模型与结果，最后归纳整理做presentation & report.

在明确了知识框架体系和workflow之后，the next step is to get your hands dirty。找一找网上的开源数据集，选一个感兴趣的，自己动手做数据分析&挖掘项目。用一种project-driven的视角去熟悉使用Python关于数据方面的这几个库。在遇到问题的时候，网上搜一搜(知乎，谷歌，StackOverflow)，或者直接看Python这几个库的documentation(pandas, numpy&scipy, matplotlib, scikit-learn)，或者翻一翻《利用Python做数据分析》。

除了学习Python的这几个库之外，做数据挖掘，对于数学&统计方面还是有很高的要求，至少对于线性代数，概率论与数理统计，机器学习都要有一定程度的掌握。比如：在做数据挖掘项目的时候，scikit-learn库里面已经涵盖了基本的算法。对于特征、模型与算法的选择，一方面是书本知识的累积，你要掌握解决哪一类问题用什么类型的算法，而在具体问题时如何调用算法，则是要反复实践的。这就是不断填充知识 & 不断更新迭代，让自己从小白变成老司机。  

简言之，学习数据挖掘，入门很容易，进门之后放弃，更容易。

所以，多动手实践，多积累知识，重在平时，贵在坚持。

再来尝试回答本科生能否从事数据挖掘？

冷静思考现实：如果不是特别优秀的本科生，可能用人单位更倾向于去招一个学历更高的人。因为做数据挖掘是理论与实践相结合的过程，需要对算法进行深入的研究，更高学历的求职者，意味着他们在读取学位的过程中会有更多的时间与精力去做这累积。比如你是一家公司的老板，想要招聘一个数据挖掘岗位，可能你会更愿意跟拥有研究生学历的求职者先聊聊，普通的本科生可能会被打上"不靠谱"的标签。

难道本科生就真的没有机会了么？

It depends. 学历只是相对，个人的努力与能力才决定了上限。多在读书的时候修一点相关课程，多积累一些个人项目，多参与一些数据挖掘比赛，这都是不断完善自己数据挖掘素养的过程。而且现在这样的平台也有很多，美国的kaggle算是数据科学社区的世界NO.1, 上面有很多用户分享了自己的成果，你也可以组队参加比赛。

当然，国内也有很棒的平台社区 --- Kesci, Kesci是目前国内唯一一个可以让你在线运行计算的数据科学平台，并将自己的成果在社区做分享交流。What's more，这里也有众多互联网公司，电商平台，以及Fintech企业通过在Kesci举办数据算法比赛的方式为自己招募人才。是不是又多了一个思路？哈哈。

学知识，做项目，打比赛，你的努力与坚持，会让你在数据挖掘的道路上有所斩获。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓