下面分别从这四个方面来带大家学习数据分析:

一、数据分析要精通Python吗?

做数据分析不必精通Python,但至少要掌握Python基础内容。第一步是要了解一些Python的编程基础,知道Python的数据结构,什么是向量、列表、数组、字典等等;了解Python的各种函数及模块。

python数据分析主要学哪些(Python做数据分析需要学什么)(1)

二、数据分析流程是什么?学什么?

一个完整的数据分析项目,大概可以分为这五个流程:数据获取——数据存储——数据清洗——数据分析——可视化分析,具体每部分都要掌握什么,下面给大家说清楚。

数据获取

数据获取是数据分析的第一步,关于一些内部数据大家可以找公司内部的人去要,其他外部数据如市场调研、竞品分析这些报告,大家可以在这些网站获取:

数据存储

企业常用的存储数据的数据库有哪些?不同数据库的存储区别又有哪些?下面跟我一起来了解常见数据库:

以上就是几种常见的数据库及介绍,方便大家在做数据分析的时候提取数据。

数据清洗

数据清洗是利用相关技术将“脏”数据转换为满足质量要求的数据。下面通过一张图描述数据清洗的原理。

python数据分析主要学哪些(Python做数据分析需要学什么)(2)

从图中可以看出,同一值的不同表示、拼写错误、不同的命名习惯、不合法的值以及空值都会导致“脏”数据出现,通过定义好的数据清洗策略和清洗规则(即数理统计技术、数据挖掘技术等清洗策略)对“脏”数据进行清洗,得到满足数据质量要求的数据。

需要注意的是,数据清洗的目的是解决“脏”数据问题,即不是将“脏”数据洗掉,而是将“脏”数据洗干净。干净的数据指的是满足质量要求的数据。

数据分析与可视化分析

Python中常会用到一些专门的库,如NumPy、SciPy、Pandas和Matplotlib。数据处理常用到NumPy、SciPy和Pandas,数据分析常用到Pandas和Scikit-Learn,数据可视化常用到Matplotlib,而对大规模数据进行分布式挖掘时则可以使用Pyspark来调用Spark集群的资源。

三、如何培养数据分析思维?

数据分析属于分析思维的一个子类,有专门的数据方法论,只有养成正确的分析思维才能做好数据分析。什么是好的分析思维,网上有张图是这样的:

python数据分析主要学哪些(Python做数据分析需要学什么)(3)

第一个分析思维是依赖经验和直觉的线性思维,第二个分析思维则注重逻辑推导,属于结构化的思维。这两种思维也往往会导致不同的结果。

除了Excel、Tableau、SQL、Python 等工具技能的学习,另一个关键点则是数据分析思维的培养。大家在做数据分析之前需要构建分析框架、理清思路、学会运用常见的分析方法等结合具体业务进行分析。

这需要我们去做案例 看书来不断积累经验,形成自己的数据分析思维。

四、数据分析好书推荐,