假如你想成為一個(gè)數(shù)據(jù)科學(xué)家，或者已經(jīng)是數(shù)據(jù)科學(xué)家的你想擴(kuò)展你的技能，那么你已經(jīng)來(lái)對(duì)地方了。本文的目的就是給數(shù)據(jù)分析方面的Python新手提供一個(gè)完整的學(xué)習(xí)路徑。該路徑提供了你需要學(xué)習(xí)的利用Python進(jìn)行數(shù)據(jù)分析的所有步驟的完整概述。如果你已經(jīng)有一些相關(guān)的背景知識(shí)，或者你不需要路徑中的所有內(nèi)容，你可以隨意調(diào)整你自己的學(xué)習(xí)路徑，并且讓大家知道你是如何調(diào)整的。

[[319346]]

步驟0：熱身

開(kāi)始學(xué)習(xí)旅程之前，先回答第一個(gè)問(wèn)題：為什么使用Python?或者，Python如何發(fā)揮作用?

觀(guān)看DataRobot創(chuàng)始人Jeremy在PyCon Ukraine 2014上的30分鐘演講，來(lái)了解Python是多么的有用。

步驟1：設(shè)置你的機(jī)器環(huán)境

現(xiàn)在你已經(jīng)決心要好好學(xué)習(xí)了，也是時(shí)候設(shè)置你的機(jī)器環(huán)境了。最簡(jiǎn)單的方法就是從http://Continuum.io上下載分發(fā)包Anaconda。Anaconda將你以后可能會(huì)用到的大部分的東西進(jìn)行了打包。采用這個(gè)方法的主要缺點(diǎn)是，即使可能已經(jīng)有了可用的底層庫(kù)的更新，你仍然需要等待Continuum去更新Anaconda包。當(dāng)然如果你是一個(gè)初學(xué)者，這應(yīng)該沒(méi)什么問(wèn)題。

步驟2：學(xué)習(xí)Python語(yǔ)言的基礎(chǔ)知識(shí)

你應(yīng)該先去了解Python語(yǔ)言的基礎(chǔ)知識(shí)、庫(kù)和數(shù)據(jù)結(jié)構(gòu)。Codecademy上的Python課程是你最好的選擇之一。完成這個(gè)課程后，你就能輕松的利用Python寫(xiě)一些小腳本，同時(shí)也能理解Python中的類(lèi)和對(duì)象。

• 具體學(xué)習(xí)內(nèi)容：列表Lists，元組Tuples，字典Dictionaries，列表推導(dǎo)式，字典推導(dǎo)式。
• 任務(wù)：解決HackerRank上的一些Python教程題，這些題能讓你更好的用Python腳本的方式去思考問(wèn)題。
• 替代資源：如果你不喜歡交互編碼這種學(xué)習(xí)方式，你也可以學(xué)習(xí)谷歌的Python課程。這個(gè)2天的課程系列不但包含前邊提到的Python知識(shí)，還包含了一些后邊將要討論的東西。

步驟3：學(xué)習(xí)Python語(yǔ)言中的正則表達(dá)式

你會(huì)經(jīng)常用到正則表達(dá)式來(lái)進(jìn)行數(shù)據(jù)清理，尤其是當(dāng)你處理文本數(shù)據(jù)的時(shí)候。學(xué)習(xí)正則表達(dá)式的最好方法是參加谷歌的Python課程，它會(huì)讓你能更容易的使用正則表達(dá)式。

步驟4：學(xué)習(xí)Python中的科學(xué)庫(kù)—NumPy, SciPy, Matplotlib以及Pandas

從這步開(kāi)始，學(xué)習(xí)旅程將要變得有趣了。下邊是對(duì)各個(gè)庫(kù)的簡(jiǎn)介，你可以進(jìn)行一些常用的操作：

• 根據(jù)NumPy教程進(jìn)行完整的練習(xí)，特別要練習(xí)數(shù)組arrays。這將會(huì)為下邊的學(xué)習(xí)旅程打好基礎(chǔ)。
• 接下來(lái)學(xué)習(xí)Scipy教程。看完Scipy介紹和基礎(chǔ)知識(shí)后，你可以根據(jù)自己的需要學(xué)習(xí)剩余的內(nèi)容。
• 這里并不需要學(xué)習(xí)Matplotlib教程。對(duì)于我們這里的需求來(lái)說(shuō)，Matplotlib的內(nèi)容過(guò)于廣泛。目前只需要簡(jiǎn)單了解一些就可以了。
• 最后學(xué)習(xí)Pandas。Pandas為Python提供DataFrame功能(類(lèi)似于R)。這也是你應(yīng)該花更多的時(shí)間練習(xí)的地方。Pandas會(huì)成為所有中等規(guī)模數(shù)據(jù)分析的最有效的工具。

您還可以學(xué)習(xí)兩篇博客Exploratory Data Analysis with Pandas和Data munging with Pandas中的內(nèi)容。

額外資源：

• 如果你需要一本關(guān)于Pandas和Numpy的書(shū)，建議Wes McKinney寫(xiě)的“Python for Data Analysis”。

步驟5：有用的數(shù)據(jù)可視化

參加哈佛CS109的這個(gè)課程。你可以跳過(guò)前邊的2分鐘，但之后的內(nèi)容都是干貨。你可以根據(jù)這個(gè)任務(wù)來(lái)完成課程的學(xué)習(xí)。

步驟6：學(xué)習(xí)Scikit-learn庫(kù)和機(jī)器學(xué)習(xí)的內(nèi)容

現(xiàn)在，我們要開(kāi)始學(xué)習(xí)整個(gè)過(guò)程的實(shí)質(zhì)部分了。Scikit-learn是機(jī)器學(xué)習(xí)領(lǐng)域最有用的Python庫(kù)。這里是該庫(kù)的簡(jiǎn)要概述。完成哈佛CS109課程的課程10到課程18，這些課程包含了機(jī)器學(xué)習(xí)的概述，同時(shí)介紹了像回歸、決策樹(shù)、整體模型等監(jiān)督算法以及聚類(lèi)等非監(jiān)督算法。你可以根據(jù)各個(gè)課程的任務(wù)來(lái)完成相應(yīng)的課程。

額外資源：

• 如果說(shuō)有那么一本書(shū)是你必讀的，推薦Programming Collective Intelligence。這本書(shū)雖然有點(diǎn)老，但依然是該領(lǐng)域最好的書(shū)之一。
• 此外，你還可以參加來(lái)自Yaser Abu-Mostafa的機(jī)器學(xué)習(xí)課程，這是最好的機(jī)器學(xué)習(xí)課程之一。如果你需要更易懂的機(jī)器學(xué)習(xí)技術(shù)的解釋?zhuān)憧梢赃x擇來(lái)自Andrew Ng的機(jī)器學(xué)習(xí)課程，并且利用Python做相關(guān)的課程練習(xí)。

步驟7：練習(xí)，練習(xí)，再練習(xí)

恭喜你，你已經(jīng)完成了整個(gè)學(xué)習(xí)旅程。

你現(xiàn)在已經(jīng)學(xué)會(huì)了你需要的所有技能?，F(xiàn)在就是如何練習(xí)的問(wèn)題了，還有比通過(guò)在Kaggle上和數(shù)據(jù)科學(xué)家們進(jìn)行競(jìng)賽來(lái)練習(xí)更好的方式嗎?深入一個(gè)當(dāng)前Kaggle上正在進(jìn)行的比賽，嘗試使用你已經(jīng)學(xué)過(guò)的所有知識(shí)來(lái)完成這個(gè)比賽。

步驟8：深度學(xué)習(xí)

現(xiàn)在你已經(jīng)學(xué)習(xí)了大部分的機(jī)器學(xué)習(xí)技術(shù)，是時(shí)候關(guān)注一下深度學(xué)習(xí)了。很可能你已經(jīng)知道什么是深度學(xué)習(xí)，但是如果你仍然需要一個(gè)簡(jiǎn)短的介紹，可以看這里。

我自己也是深度學(xué)習(xí)的新手，所以請(qǐng)有選擇性的采納下邊的一些建議。deeplearning.net上有深度學(xué)習(xí)方面最全面的資源，在這里你會(huì)發(fā)現(xiàn)所有你想要的東西—講座、數(shù)據(jù)集、挑戰(zhàn)、教程等。你也可以嘗試參加Geoff Hinton的課程，來(lái)了解神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。

附言：這篇文章雖然是2015年的，但是對(duì)于剛?cè)腴T(mén)python，同時(shí)想學(xué)數(shù)據(jù)科學(xué)的同學(xué)還是很有參考價(jià)值的。而且點(diǎn)開(kāi)原文后，作者有在開(kāi)頭更新了一版2019年學(xué)習(xí)路徑，有興趣的也可以去看看。