不管你是待業(yè)還是失業(yè)，在這個被互聯(lián)網(wǎng)圍繞的時代里，選擇python學(xué)習(xí)數(shù)據(jù)，就多了一項技能，還怕找不到工作？，還怕不好找工作？小編就來告訴你這個專業(yè)的優(yōu)勢到底體現(xiàn)在哪里：Python數(shù)據(jù)分析學(xué)習(xí)路徑圖（120天Get新技能），數(shù)據(jù)科學(xué)家的完整學(xué)習(xí)路徑（Python版）??。

1.Python數(shù)據(jù)分析學(xué)習(xí)路徑圖（120天Get新技能）

Python是一種面向?qū)ο蟆⒅弊g式計算機程序設(shè)計語言，由Guido van Rossum于1989年底發(fā)明。由于他簡單、易學(xué)、免費開源、可移植性、可擴展性等特點，Python又被稱之為膠水語言。下圖為主要程序語言近年來的流行趨勢，Python受歡迎程度扶搖直上。 圖片來源用Python玩轉(zhuǎn)數(shù)據(jù)由于Python擁有非常豐富的庫，使其在數(shù)據(jù)分析領(lǐng)域也有廣泛的應(yīng)用。由于Python本身有十分廣泛的應(yīng)用，本期Python數(shù)據(jù)分析路線圖主要從數(shù)據(jù)分析從業(yè)人員的角度講述Python數(shù)據(jù)分析路線圖。整個路線圖計劃分成16周，120天左右。主要學(xué)習(xí)內(nèi)容包括四大部分：1）Python工作環(huán)境及基礎(chǔ)語法知識了解（包括正則表達式相關(guān)知識學(xué)習(xí)）；2）數(shù)據(jù)采集相關(guān)知識（python爬蟲相關(guān)知識）；3）數(shù)據(jù)分析學(xué)習(xí)；4）數(shù)據(jù)可視化學(xué)習(xí)。PYTHON學(xué)習(xí)路徑計劃圖Python 工作環(huán)境及基礎(chǔ)語法知識了解對于Python基礎(chǔ)語法學(xué)習(xí)部分，學(xué)習(xí)周期大概為4周，需要的相關(guān)資源在網(wǎng)絡(luò)上都能找到免費的資源，而且質(zhì)量都不錯。相關(guān)中文資源如下：1、python工作集成環(huán)境包Python(x,y):下載地址（ ）如果安裝了上面集成工作包，則下面的包不需要重新安裝了。關(guān)于包的安裝方法在學(xué)習(xí)資源圖書中都有介紹，通常安裝庫采用pip方法，也可以用pip list查詢系統(tǒng)安裝了哪些庫。3、學(xué)習(xí)資源圖書1）Python基礎(chǔ)教程（第2版）[電子版圖書自行百度]2）深入淺出Head First python（中文版）[電子版圖書自行百度]在線教程1）廖雪峰的python教程（

2.數(shù)據(jù)科學(xué)家的完整學(xué)習(xí)路徑（Python版）

這篇文章是2年前翻譯的，發(fā)表在伯樂翻譯小組，曾經(jīng)在微博上被大量轉(zhuǎn)發(fā)、收藏，所以這里拿過來再次和大家分享一下。原文地址：learning-path-data-science-python。從Python菜鳥到Python Kaggler的旅程（譯注：Kaggle是一個數(shù)據(jù)建模和數(shù)據(jù)分析競賽平臺）假如你想成為一個數(shù)據(jù)科學(xué)家，或者已經(jīng)是數(shù)據(jù)科學(xué)家的你想擴展你的技能，那么你已經(jīng)來對地方了。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，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。步驟0：熱身開始學(xué)習(xí)旅程之前，先回答*個問題：為什么使用Python？或者，Python如何發(fā)揮作用？觀看DataRobot創(chuàng)始人Jeremy在PyCon Ukraine 2014上的30分鐘演講，來了解Python是多么的有用。步驟1：設(shè)置你的機器環(huán)境現(xiàn)在你已經(jīng)決心要好好學(xué)習(xí)了，也是時候設(shè)置你的機器環(huán)境了。最簡單的方法就是從 SciPy, 以及Pandas從這步開始，學(xué)習(xí)旅程將要變得有趣了。下邊是對各個庫的簡介，你可以進行一些常用的操作：根據(jù)NumPy教程進行完整的練習(xí)，特別要練習(xí)數(shù)組arrays。這將會為下邊的學(xué)習(xí)旅程打好基礎(chǔ)。接下來學(xué)習(xí)Scipy教程。看完Scipy介紹和基礎(chǔ)知識后，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)教程。對于我們這里的需求來說，的內(nèi)容過于廣泛。取而代之的是你可以學(xué)習(xí)這個筆記中前68行的內(nèi)容。*學(xué)習(xí)Pandas。Pandas為Python提供DataFrame功能（類似于R）。這也是你應(yīng)該花更多的時間練習(xí)的地方。Pandas會成為所有中等規(guī)模數(shù)據(jù)分析的最有效的工具。作為開始，你可以先看一個關(guān)于Pandas的10分鐘簡短介紹，然后學(xué)習(xí)一個更詳細的Pandas教程。您還可以學(xué)習(xí)兩篇博客 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，建議Wes McKinney寫的“Python for Data Analysis”。在Pandas的文檔中，也有很多Pandas教程，你可以在這里查看。任務(wù)：嘗試解決哈佛CS109課程的這個任務(wù)。步驟5：有用的數(shù)據(jù)可視化參加CS109的這個課程。你可以跳過前邊的2分鐘，但之后的內(nèi)容都是干貨。你可以根據(jù)這個任務(wù)來完成課程的學(xué)習(xí)。步驟6：學(xué)習(xí)Scikit-learn庫和機器學(xué)習(xí)的內(nèi)容現(xiàn)在，我們要開始學(xué)習(xí)整個過程的實質(zhì)部分了。Scikit-learn是機器學(xué)習(xí)領(lǐng)域最有用的Python庫。這里是該庫的簡要概述。完成哈佛CS109課程的課程10到課程18，這些課程包含了機器學(xué)習(xí)的概述，同時介紹了像回歸、決策樹、整體模型等監(jiān)督算法以及聚類等非監(jiān)督算法。你可以根據(jù)各個課程的任務(wù)來完成相應(yīng)的課程。額外資源：如果說有那么一本書是你必讀的，推薦 。這本書雖然有點老，但依然是該領(lǐng)域*的書之一。此外，你還可以參加來自Yaser Abu-Mostafa的機器學(xué)習(xí)課程，這是*的機器學(xué)習(xí)課程之一。如果你需要更易懂的機器學(xué)習(xí)技術(shù)的解釋，你可以選擇來自Andrew Ng的機器學(xué)習(xí)課程，并且利用Python做相關(guān)的課程練習(xí)。Scikit-learn的教程任務(wù)：嘗試Kaggle上的這個挑戰(zhàn)步驟7：練習(xí)，練習(xí)，再練習(xí)恭喜你，你已經(jīng)完成了整個學(xué)習(xí)旅程。你現(xiàn)在已經(jīng)學(xué)會了你需要的所有技能。現(xiàn)在就是如何練習(xí)的問題了，還有比通過在Kaggle上和數(shù)據(jù)科學(xué)家們進行競賽來練習(xí)更好的方式嗎？深入一個當(dāng)前Kaggle上正在進行的比賽，嘗試使用你已經(jīng)學(xué)過的所有知識來完成這個比賽。步驟8：深度學(xué)習(xí)現(xiàn)在你已經(jīng)學(xué)習(xí)了大部分的機器學(xué)習(xí)技術(shù)，是時候關(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簡短的介紹，可以看這里。我自己也是深度學(xué)習(xí)的新手，所以請有選擇性的采納下邊的一些建議。.net上有深度學(xué)習(xí)方面最全面的資源，在這里你會發(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，來了解神經(jīng)網(wǎng)絡(luò)的基本知識。附言：如果你需要大數(shù)據(jù)方面的庫，可以試試Pydoop和PyMongo。大數(shù)據(jù)學(xué)習(xí)路線不是本文的范疇，是因為它自身就是一個完整的主題。=============================================================作者主頁：笑虎（Python愛好者，關(guān)注爬蟲、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化等）作者專欄主頁：擼代碼，學(xué)知識 - 知乎專欄作者GitHub主頁：擼代碼，學(xué)知識 - GitHub歡迎大家拍磚、提意見。相互交流，共同進步！==============================================================

就拿大數(shù)據(jù)說話，優(yōu)勢一目了然，從事IT行業(yè)，打開IT行業(yè)的新大門，找到適合自己的培訓(xùn)機構(gòu)，進行專業(yè)和系統(tǒng)的學(xué)習(xí)。