|
报告为灯塔大数据原创内容，欢迎个人转载，其他机构转载请在文章开头标注： “转自：灯塔大数据；微信：DTbigdata” Python菜鸟到Python Kaggler 如果你梦想成为一名数据科学家，或者已然是数据科学家的你想扩展自己的工具库，那么，你找对地方啦。本文旨在为做数据分析的Python人提供一条全方位的学习之路，完整讲述运用Python进行数据分析的所有步骤。当然，如果你已经有了一些知识储备，或者无需掌握全部的内容，可以按照自己的需求做出调整，也欢迎与我们分享你是如何调整的。 你也可以参考本学习方法的迷你版 ——《 信息图表：Python数据科学学习之快速入门》。 本文推荐学习内容的全部清单，请关注并在公众号里回复“学神之路”即可下载！起步热身 开始这段学习旅程之前，第一个要回答的问题是：为什么使用Python？或者，Python怎样使用才有效？ 请观看Data Robot创始人Jeremy 2014年在乌克兰的PyCon大会上的前30分钟的演讲，来了解Python是多么的奇妙！（在公众号里回复“学神之路”即可下载。） 第一步设置机器环境 既然你已经下定了决心，就开始设置机器环境吧。最简单的方法就是在Continuum.io下载分发包Anaconda。 这里材料应有尽有，美中不足就是即使在数据库提供了可用的更新资源时，你也要等Continuum自行更新。不过如果你是初学者的话，这点就无关紧要了。 如果你在安装过程中遇到任何问题，你可以在这里找到不同操作系统下更详细的安装说明。（在公众号里回复“学神之路”即可下载。） 第二步学习Python语言基础 首先你要理解语言、数据库和数据结构的基础知识。Codecademy 上的Python课程是这段学习之路的最佳起点。课程结束时，用Python写计算机脚本、理解类和对象这些对你来说应该早就驾轻就熟了。 学习重点：列表Lists，元组Tuples，字典Dictionaries，列表推导式，字典推导式。 学习任务：解决HackerRank上的一些Python教程题，这些题能让你更好的用Python脚本的方式去思考问题。 替代资源：如果交互式编码不是你的风格，可以参考谷歌的Python课程，这个两天的系列课程还涵盖了接下来要讨论的一些内容。（在公众号里回复“学神之路”即可下载。） 第三步学习Python正则表达式 进行数据清理经常需要使用正则表达式，处理文本数据时尤其如此。学习正则表达式的最佳方式就是完成谷歌课程，cheat sheet会让你使用正则表达式变得更加便捷熟练。 学习任务：做关于儿童名字的正则表达式练习 如果你仍需要更多练习，请参考文本整理的教程，它会锻炼你对处理数据的各个步骤的把握能力。（在公众号里回复“学神之路”即可下载。） 第四步学习Python科学数据库——NumPy, SciPy, Matplotlib和 Pandas有趣之处由此开始！下面是对各种数据库的一一介绍，让我们开始练习一些简单操作吧。 ●系统练习NumPy 教程，尤其要练习arrays数组。这会为你接下来的学习打下良好的基础。 ●接下来了解一下SciPy教程。浏览一下SciPy介绍和基本知识之后，学习其余你需要的部分。 ●如果你猜这一步要讲Matplotlib教程——那就大错特错了。Matplotlib教程对我们目前的阶段来说综合性太强，这里我们推荐阅读ipython notebook前68行（就是到动画这一部分）。 ●最后，让我们了解下Pandas。Pandas为Python提供DataFrame功能（类R语言），这也是值得你认真花时间练习的地方。Pandas有可能成为所有中型数据分析中最有效的工具。先看一下简单介绍《十分钟走近Pandas》（10 minutes to pandas），然后再转入Pandas教程的详细学习。 你也可以参考《Pandas探索性数据分析》（Exploratory Data Analysis with Pandas）和《Pandas数据处理》（Data munging with Pandas）里的内容。（在公众号里回复“学神之路”即可下载。） 其他资源： ●如果你需要有关Pandas和NumPy的书籍，Wes McKinney 写的《运用Python的数据分析》值得一读。 ●有关Pandas文档的教程也有很多。 学习任务：完成哈佛CS109的课程作业。 第五步有效的数据可视化 学习CS109课程时，前两分钟可以忽略不看，不过后面的内容相当精彩！推荐结合作业学习本课程。（在公众号里回复“学神之路”即可下载。） 第六步学习Scikit-learn库，完成机器学习内容 现在，我们开始接触整个过程中最重要的部分了。Scikit-learn是机器学习领域最有用的Python数据库，在这里你可以查看数据库的概览。参考学习哈佛CS109课程第十节到第十八节课，你将能一览机器学习，回归、决策树方法、集成建模等监督算法，以及聚类算法等非监督式算法。可以参考上述课程的作业来规划自己的学习课程。 其他资源： ●如果说有哪本书可以作为必读书的话，推荐《集体智能编程》（Programming Collective Intelligence）—— 一部该领域的经典好书。●此外，你也可以学习Yaser Abu-Mostafa中机器学习课程中的一些优秀课程。如果你希望获得对技能更加深入浅出的解读，可以选择Andrew Ng的机器学习课程，并做一些有关Python的练习。 ●Scikit learn的教程。 学习任务：尝试Kaggle上的挑战。（在公众号里回复“学神之路”即可下载。） 第七步练习，练习，再练习 恭喜你，你成功地完成了整个学神之路啦！ 你现在已经具备了一切所需的技术技能，现在就是练习的事情了，还有比在Kaggle上与同行数据科学家切磋更好的方式么？那就出发吧，全身心投入到一个Kaggle的直播比赛中，倾尽所学放手一试吧！（在公众号里回复“学神之路”即可下载。） 第八步深度学习 现在你已经学习了大部分的机器学习技能，也是时候尝试一下深度学习了。你很有可能已经知道了深度学习的含义，当然我也可以给你们一个简单的介绍。 不过我对深度学习也不是特别了解，所以你在采纳这些建议时可以有所保留：deeplearning.net上有深度学习方面最全面的资源 ，你会发现这里应有尽有 —— 课程、数据集、挑战、各种教程等；或者你也可以尝试 Geoff Hinton的课程来试着理解神经网络（Neural Networks）的基础知识。（在公众号里回复“学神之路”即可下载。） 翻译：灯塔大数据 |
|
|
