1。为什么选择Python做数据分析？Python是一种动态的、面向对象的脚本语言，也是一种简单易懂的编程语言。Python入门简单，代码可读性强。一段好的Python代码读起来就像阅读一篇外文文章。Python的这个特性叫做“伪代码”，它让你只关心完成什么样的任务，而不用纠结于Python的语法。另外，Python是开源的，它有很多优秀的库可以用于数据分析等领域。更重要的是，Python与开源大数据平台Hadoop有着良好的兼容性。因此，对于有志向大数据分析岗位发展的数据分析师来说，学习Python是一件非常划算的事情。Python的众多优点使其成为最流行的编程语言之一。国内外很多公司已经在使用Python，比如YouTube、谷歌、阿里云等。2.编程基础要学习如何使用Python进行数据分析，CDA数据分析师建议首先了解Python的一些编程基础知识，了解Python的数据结构，什么是向量、列表、数组、字典等。;了解Python各种函数和模块。下图总结了这个阶段需要掌握的知识点：3.数据分析过程Python是数据分析的利器。掌握了Python编程的基础知识后，就可以逐步进入数据分析的精彩世界。CDA数据分析师认为，一个完整的数据分析项目大致可以分为以下五个过程：1）数据获取一般有数据分析师岗位需求的公司都会有自己的数据库，数据分析师可以通过SQL查询语句获取数据库想要的数据在。Python已经有了连接sqlserver、mysql、orcale等主流数据库的接口包，比如pymssql、pymysql、cx_Oracle等。获取外部数据主要有两种方式，一种是获取国内一些网站发布的数据；另一种是通过编写爬虫代码自动爬取数据。如果要使用Python爬虫获取数据，我们可以使用以下Python工具：Requests——主要用于爬取数据时发送请求操作。BeautifulSoup-用来在爬取数据时读取XML和HTML类型的数据，解析成对象再进行处理。scapy-处理交互数据的包，可以解码大部分网络协议数据包2）数据存储对于数据量小的项目，可以使用excel进行存储和处理，但是对于超过10000条数据的项目，使用数据库存储和管理将更加高效和方便。3）数据预处理笔记：加群943752371可获得20天完整python入门学习笔记、100道基础练习题及答案、入门书籍和视频源码。数据预处理也称为数据清洗。大多数情况下，我们得到的数据格式不一致，存在异常值、缺失值等问题，而且不同项目的数据预处理步骤的方法也不尽相同。CDA数据分析师认为，数据分析80%的工作都是在和数据打交道。如果选择Python作为数据清洗的工具，我们可以使用Numpy和Pandas两个工具库：Numpy-用于Python中的科学计算。它非常适合与线性代数、傅里叶变换和随机数相关的运算。它可以很好地处理多维数据，并兼容各种数据库。Pandas–Pandas基于Numpy的扩展，可以提供一系列函数来处理数据结构和操作，例如时间序列。4）建模与分析这个阶段首先要明确数据的结构，根据项目需求选择模型。常见的数据挖掘模型包括：现阶段Python也有一个很好的工具库来支持我们的建模工作：scikit-learn——一个Python实现的机器学习算法库。scikit-learn可以实现数据预处理、分类、回归、降维、模型选择等常见的机器学习算法。Tensorflow——适合深度学习和数据处理要求不高的项目。此类项目往往数据量大，最终要求精度更高。5）可视化分析数据分析的最后一步就是写数据分析报告，这也是一个数据可视化的过程。在数据可视化方面，Python目前主流的可视化工具：Matplotlib——主要用于二维绘图，它可以让用户轻松可视化数据，并提供多种输出格式。Seaborn-是一个基于matplotlib的模块，专门做统计可视化，可以和Pandas无缝对接。按照这个过程，每个阶段涉及的知识点可以细分如下：从上图我们也可以知道，在整个数据分析过程中，无论是数据抽取，数据预处理，数据建模分析，还是数据可视化，Python已经可以很好的支持我们的数据分析工作。
