关于Python数据分析，其实网上能够找到的学习资源很多，主要分为两类：一类是提供各种资源的推荐，比如书单、教程、以及学习的先后顺序；另一类是提供具体的学习内容，知识点或实际案例。
但很多繁琐而又杂乱的内容，除了给初学者增加理解和认识的噪音外，真正能够起到明确的方向指引导的，确实不多。以至于很多人一开始没有明确的方向就一头扎进去，学了很久却不知道自己到底在学什么，或者自己学了很久不知道能够做什么。
学习一门技术之前，你应该知道，你想要达成的目标是什么样的。也就是说，你想通过这门技术来解决哪些问题。你就可以知道要达成这样的目标，它的知识体系是怎么样的。更重要一点的是，每个部分是用来解决哪些问题，只有明确的目标导向，学习最有用的那部分知识，才能避免无效信息降低学习效率。
通过这些常见的数据分析场景，你就可以获得数据分析项目的基本流程。一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据报告”这样的步骤来实施一个数据分析项目。
按照这个流程，每个部分需要掌握的细分知识点如下：
接下来我们分别从每一个部分展开，讲讲具体应该学什么、怎么学，以及各个部分主要的知识点进行结构化地展示，并有针对性地推荐学习资源。
如何获取数据
我们分析的数据一般有内部数据和外部数据两种。
内部数据是在我们的业务运转中产生，比如常见的用户数据、产品数据、销售数据、内容数据等等。内部的数据相对来说更加完善、规整，我们经常要做的工作汇报、产品优化等分析数据一般来源于此。可以找公司的技术人员索要，或者自己去数据库提取。
当然，很多时候，我们需要利用外部的数据。比如进行市场调研，竞品分析，或者输出报告的时候，外部数据的分析是必不可少的，这也可以帮助我们得出更多的结论。如果你对Python感兴趣，欢迎关注我们，免费领取学习资料和源码。
1. 公开数据源
UCI：加州大学欧文分校开放的经典数据集，真的很经典，被很多机器学习实验室采用。
http://archive.ics.uci.edu/ml/datasets.html
国家数据：数据来源于中国国家统计局，包含了我国经济民生等多个方面的数据。
http://data.stats.gov.cn/index.htm
CEIC：超过128个国家的经济数据，能够精确查找GDP、CPI、进出口以及国际利率等深度数据。
https://www.ceicdata.com/zh-hans
中国统计信息网：国家统计局的官方网站，汇集了海量的全国各级政府各年度的国民经济和社会发展统计信息。
http://www.tjcn.org/
政务数据网站：现在各个省都在很大程度上地开放政务数据，比如北京、上海、广东、贵州等等，都有专门的数据开放网站，搜索比如“北京政务数据开放”。
2. 网络爬虫
基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。比如：
职位数据：拉勾、猎聘、51job、智联
金融数据：IT桔子、雪球网
房产数据：链家、安居客、58同城
零售数据：淘宝、京东、亚马逊
社交数据、微博、知乎、Twitter
影视数据：豆瓣、时光网、猫眼
……
在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（菜鸟教程就很好）……
以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。
掌握基础的爬虫之后，你还需要一些高级技巧。比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie等等，来应对不同网站的反爬虫限制。爬虫可以说是最为灵活、有效的数据获取方式，但学习成本相对来说也要高一些。开始建议先利用公开数据进行分析，后续有更多的数据需求，再上手爬虫。那个时候你已经掌握了Python基础，爬虫上手也会更轻松。
3. 其他数据获取方式
如果你暂时不会爬虫，但又有采集数据的需求，可以尝试各种采集软件，不需要编程知识也可以轻松爬取信息，比如火车头、八爪鱼等。很多数据竞赛网站也会公开不错的数据集，比如国外的Kaggle，国内的DataCastle、天池。这些数据都是真实的业务数据，且规模通常不小，可以经常去搜集和整理。
推荐数据汇总资源：
数据获取方式汇总
常用的数据获取方式如下:
数据存储与提取
数据库这个技能放在这里，是因为这是数据分析师的必备技能。大多数的企业，都会要求你有操作、管理数据库的基本技能，进行数据的提取和基本分析。SQL作为最经典的关系型数据库语言，为海量数据的存储与管理提供可能。MongoDB则是新崛起的非关系型数据库，掌握一种即可。
初学建议SQL。你需要掌握以下技能：
1.查询/提取特定情况下的数据：企业数据库里的数据一定是巨量而繁复的，你需要提取你想要的那一部分。
比如你可以根据你的需要提取2017年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……
2.数据库的增、删、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现。
3.数据的分组聚合、建立多个表之间的联系：这个部分是数据库的进阶操作，多个表之间的关联。
在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。
数据库听起来很可怕，但其实满足数据分析的那部分技能不要太简单。当然，还是建议你找一个数据集来实际操作一下，哪怕是最基础的查询、提取等操作。
按照这个流程，每个部分需要掌握的细分知识点如下：
1 如何获取数据：
Python起步，基础知识
这一步我不做过多的解释，重点在于掌握Python爬虫和Python工作环境及基础语法知识了解（包括正则表达式相关基础学习）
Python的基础知识比如变量声明，常用数据集合操作、运算符操作，数据类型都是要烂熟于心的,在初级的数据分析过程中，有三种数据类型是很常见的：
列表list（Python内置）
字典dic（Python内置）
DataFrame（工具包pandas下的数据类型，需要import pandas才能调用）
还有就是如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。
掌握基础的爬虫之后，下一步就可以学习一些高级技巧。比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie等等，来应对不同网站的反爬虫限制。
所以在开始上手数据分析之前，需要先掌握Python的基础和用法，这就像一出生先要学会走路一样，别着急上跑道，打好基本功才能练就硬本事。
原创文章，作者：guozi，如若转载，请注明出处：https://www.sudun.com/ask/89339.html
