9:00
你打开电脑，双击各部门交上来的周报，轻车熟路地开始了crtlC,ctrlV工作，把表格统计在一起。
15:00
你发现投资部的表格里多了一个字段，导致你表格结构全错了，你很恼火……
16:30
重新整理好后，你舒了一口气，和往常一样你点开了数据透视表……然后屏幕灰了……
16:34
屏幕仍然灰着，你的心也灰了一些，意识开始发呆：每次数据都重复洗一遍，还这么慢，要是有一劳永逸的方法就好了。
一劳永逸的方法当然有。
这里祭出必杀技：Python数据分析
为什么要学习Python做数据分析？在我看来，大概有3大理由。
广度：各行各业都有自己的商业场景，每一个行业都需要使用数据来辅助决策。面对现在人人谈大数据的情境，数据分析是一个你不得不学（却不知上哪学的）的技能。
精度 ：Python是一门编程语言。也许从前的你完全依靠excel的默认设置生成图表，从不思考为什么做一张数据图，而使用编程工具的你必须从图表长宽开始思考每一步成形的理由，从而更精地理解数据。
高效 ：传统的数据工作涵盖大量的重复不动脑操作，比如把日表合成周表，比如批量删除某个字段，比如批量删除空值。这些工作通过鼠标点击软件没有办法编成工作流，但却可以通过python程序编写自动化，省去大量时间。
于是你不甘落后...决定加入学习python的浪潮中，和“别人”一争高下。
一个月后……
Python入门并不困难，那么“你”和“别人”的区别在哪？就四个字：学习方法。
如果你向各种前辈请教学习python的方法，那么听到的一定是这三种回答：
【1】
学习是反人类的，自己不动手永远学不会
买了一本Python入门书，翻看了20页；收集了20G Python练习资料，保存在硬盘里；看了一些视频跟着写了会，突然就开始看剧了，导致放弃。这些情况是初学者很容易碰到的，学习是反人类的，Python学习更是一项前期很枯燥的行为。
学Python的第一道坎：一旦决定学习，耐得住寂寞，坚持动手，才可能学会！
【2】
学不进去的时候
找到一个小目标才能获得学习成就感
Python语言基础很枯燥，所以需要一些目标刺激。这些目标不能像“我要学会Python去做数据挖掘工作”一样抽象，而得像“我想试试能否自动打开文件夹里所有的表格，并整理成结构化的数据”一样具体，像是做数学应用题一样，只有实战项目能让学习者快速记住python的用法和各种坑，比如一个简单的分析案例：
学Python的第二道坎：不能为学习而学习，要随时找理由去使用它！
【3】
能坚持自学是好事，
找到老师帮你答疑解惑，更会事半功倍
对于成年学习者来说，编程领域的知识可能是完全零散的，但面临的情况却可能是就业、是学业或者工作急需。那么像学拼音那样从基础学习Python并不适合。老师的作用就是免去小伙伴们大量没头没脑的搜寻时间、快速了解建立必须知识体系，有阶段的完成实战项目，启发初学者对应用场景的理解，从而降低入门到放弃的几率。
学Python的第三道坎：你需要一个愿意答疑的“好老师”。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
