欢迎关注我的公众号：郑小柒是西索啊

Python数据分析哪些课程好 做了11年的数据分析，从13年开始接触python，到现在也算是一个骨灰级的老玩家了。

分析阶段划分

Python数据分析的学习可以分为几个阶段： 分析：新手时期 -> 入门分析阶段 -> 提升操作阶段 -> 进阶案例阶段 -> 精通方案阶段 挖掘：数据挖掘阶段 -> 算法实践阶段以下是这些年下来从入门到精通的一些学习路径

新手时期

初识python

离不开的基础教程，菜鸟教程的两个网站：

w3school：w3school.com runoob：runoob.com

python基础的入门必选，从python入门到语法介绍，常用函数都有比较全面的介绍；

w3school用了清晰简洁，代码演示，函数列表，可以当手册用；runoob，相对杂乱些，但是好在有搜索，想用那个功能又忘记方法的话，较容易地查到。

课堂

通过问题检索来寻找实际工作过程中的场景，依葫芦画瓢，如何通过python来解决办公过程中的分析难点；

入门阶段

用python做数据分析，必不可少的几个库：pandas、numpy、matplotlib

Pandas了解：runoob.com

在分类导航中还能学习到numpy、matplotlib的教程

提升阶段

对一些基础有所了解之后，需要找一些实际案例进行学习，推荐廖雪峰老师的博客，现在已经非常的完善了

廖雪峰的官方网站：liaoxuefeng.com

进阶阶段

这个阶段已经不需要太系统性的内容，可以根据需求自己撰写一些代码，推荐几个比较实用的网站；

CSDN：csdn.net

stackoverflow：stackoverflow.com

stackoverflow是一个比较全面的技术问答网站，而且是全球性的，在寻找答案的时候还能锤炼自己的英语能力；绝大多数的技术大牛，都能在这个上面找到他们的影子！

​

精通阶段

github：github.com

你可能不会在github上拉代码，但是一定不能错过git上面的资源，只要会搜索，没有你找不到的，只有想不到的，含括了案例、算法、工程、解决方案、源码在内的所有内容；

​

挖掘阶段

机器学习中文文档：sklearncn.cn

scikit-learn是基于Python语言的机器学习库，具有：

简单高效的数据分析工具可以在多种环境中重复使用建立在Numpy，Scipy以及matplotlib等数据科学库之上开源且可商用的-基于BSD许可

​

案例练习

kaggle：kaggle.com

在kaggle上能找到主流的研究案例，也能看到知识界的大牛是如何做降维打击，真正看到知识上的差距存在，通过对案例的拆解，能够精简python的语法，也能学习到很多新奇的内容

​

推荐书籍

书籍：《利用Python进行数据分析》

其他书都不太推荐，只需要看这一本就可以了。

​

书籍：《python cookbook》

作者是Alex Martelli、Anna Martelli Ravenscrof和David Ascher，书里面覆盖了Python应用中的很多常见问题，并提出了通用的解决方案。老实说比较适合python程序员，书中包含了大量实用的编程技巧和示例代码，可以很方便地应用到实际项目中去。此外还详细讲解了解决方案是如何工作的，以及为什么能够工作。

​

写到最后 快速学习的方法是学会提问题，以及快速找到答案和解决办法？

1）学会用好搜索引擎：百度、谷歌、2）利用好互联网找到一个好的老师 3）在自己的人脉网里找到帮助

以下是我曾经写过的一些案例，可供参考：

技巧篇：常用的python代码汇总

技巧篇：python基础练习篇（一）

技巧篇：pyspark常用操作梳理

技巧篇：jupyterlab常用操作总结

技巧篇：python可视化基础代码

技巧篇：python连接Mysql语句

技巧篇：python实现分箱方法（等距、等频、聚类）

技巧篇：jupyterlab中notebook转py文件

经验篇：sklearn知识点盘点（0）

经验篇：sklearn知识点盘点（1）

实操篇：python通过wordcloud绘制词云

实操篇：python自动发送邮件

实操篇：python在ODPS上的深度应用

实操篇：python实现钉钉群机器人推送