图片来自Google
Python已经妥妥成为数据挖掘和机器学习的必备工具，但是国内的计算机，数据科学专业并没有开设相关的Python课程，通过自学Python，以及用Python进行数据分析实战，是每个数据分析师的必经之路。
想要借助Python进行数据分析，自然少不了学习《利用Python进行数据分析》这一经典入门书籍。
以下是我借助这本书入门Python的经验：
1.安装Python2.7最新版：
虽然书里一再提到，要找到指定的EPDFree安装包，再安装Pandas，这样做会使得后续库的安装更方便，以及操作结果对原书的精确复制。但是！不得不说原书对应的Python版本太古老了！首先，在网上找相应版本实在是太麻烦，找到接近的版本，安装Jupyter Notebook（IPython Notebook的更名）会遇到各种麻烦，需要翻阅大量的技术博客来解决。博主在这方面有很多血泪的教训。
怎么跳过麻烦的安装环节，顺利过渡到编程学习呢？有个一步到位的方法：安装Anaconda2 Python2.7版本。虽然Python2.7版本渐渐要被Pandas等数据库放弃了，但现在市面上主流的Python工具书都是以2.7作为蓝本，用2.7入门，可以解决我们不少代码转换的麻烦。等到熟练Python以后，再转3.6版本也不会是什么难题。
首先Anaconda2集合了数据科学领域的库，且自带Spyder和Jupyter Notebook，几乎是买一送三大礼包。Jupyter Notebook可以方便地在网页端进行分析，并方便地嵌入图表，实在是极佳的Python Notebook开发环境。
Jupyter Notebook网页开发环境
其次，对原书部分代码不能精确复制相应结果，或者干脆报错的问题，首先，Python会在结果做相应提醒。此外，从原书报错的旧代码入手，去学习新代码，不失为一种更好的学习模式，总要比干巴巴把所有代码敲一遍，结果复现一遍要好得多。
附本书的数据下载地：https://pan.baidu.com/s/1c2Mxhg0 密码: kyg1
如果你想改变Jupyter Notebook一开始的安装路径，请参考：ipython notebook 如何修改一开始打开的文件夹路径？
2.迅速把书末的“Python语言精要”过一遍
让自己的行为和结果之间建立及时的、高质量的反馈来提升效能。
这是艾利克森在《刻意练习》这本书里提到的学习精要。编程学习的及时反馈非常易得，在你执行Run的不久之后，就能在日志中给你一个及时反馈结果，当然，这个反馈可能是输出结果，也可能是长长的Error。
学习过程中，正面和负面的反馈都是必要的。怎么获得高质量的反馈呢？
从既往学习SAS 和R的经历，我非常推崇在学习编程的开始就进行实战演练，然后将自己的做法与其他高手进行对比，找到差距。
当然，不是无脑地一头钻进去，而是找到一个具体的数据集，从数据集出发，可以思考有什么具体方法开始开展分析，再去学习相应的章节。或者，从书的章节脉络出发，仿制章节的分析方法，看可以得到怎样的分析结果（此时分析方法的合理性并不太重要）。
所以，这个实战的战线可能会放得很长，但这种方法确保你学到的一手代码可以马上付诸实践，并由实践自发改良代码。
一切的开始只需要你迅速过一下书末的《Python语言精要》，不求熟练，只要在脑海里存下索引的地图就好。
3.两个Python（数据科学）学习网站：
Jupyter Notebook / R Studio 网页分析环境 + 数据集 + 在线比赛
你用惯Jupyter Notebook以后，一定会想，如果在任一一台电脑上都可以登录服务器进行分析操作就好了，对吧？你想过，如果能方便地找到各个行业的数据集，直接进行分析操作就好了，对吧？你甚至想过，如果能提供一个平台进行在线组队比赛，交流切磋的就更好了对吧？
这些在科赛都有，而且还令人发指地好用！！！路都铺好了，真b学不会数据分析只能怨自己了。
别人做的项目，可见源码和结果
数据集
平台提供的Data Train和企业提供的有奖比赛
Kaggle : Your Home for Data Science
Kaggle是全球最大的数据科学社群，不解释。
后续我将继续记录，分享我进阶数据科学领域的体会。
网友评论