我是用Python做数据分析的，市场上python资料简直多如牛毛，真正值得看的没多少。人生苦短，少看垃圾。
补充：下面还有很多干货！！！
正文开始
先看看python岗位概况：
图片来源网络
针对数据分析岗位需要的python技能，这里分为三大块来讲。
1、数据分析需要用到那些python知识点；
2、Python数据分析最主要的工具库有哪些；
3、学习数据分析各阶段用到什么书籍或资料；
首先，python可以用作爬虫、web开发、AI、脚本、测试、数据分析等各个领域，每个领域对python的学习要求和深度不一样，数据分析不要求掌握很深的编程知识。
主要是以下内容，数据类型和结构、变量、函数、逻辑语句（判断、循环）、匿名函数、错误处理、遍历和迭代、进程和线程、库的使用。学习这些东西并不需要购买书籍，能省则省，网上很多教程。推荐菜鸟教程和w3cschool的python3教程，通俗易懂，非常适合初学者掌握基础语法，然后可以在实验楼这个网站练习编程，也可以自己搭建环境敲代码。
编程毕竟是抽象的，一开始理解诸如切片、迭代等概念比较吃力，只有多看多敲代码，后面自然而然就懂了。
学完python基础知识点，并有了一定的训练代码量（至少得1000行）之后，就可以开始学习数据分析工具了，也就是python的第三方数据分析库。按照我的使用经验和个人理解，有以下几个重点学习对象。
scipy&numpy：它是一个由多维数组对象和用于处理数组的例程集合组成的库，里面包含了大量的计算函数，可以很轻松的进行科学计算。
图片来源网络
pandas：是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的，具备强大的数据展示功能。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
matplotlib：是一个Python 2D绘图库，可以生成各种硬拷贝格式和跨平台交互式环境的出版物质量数据。Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。只需几行代码即可生成绘图，直方图，功率谱，条形图，误差图，散点图等。
图片来源网络
scikit-learn：是一个机器学习库，可以对数据进行分类，回归，无监督，数据降维，数据预处理等等，包含了常见的大部分机器学习方法。
图片来源网络
上面五种工具scipy、numpy、pandas、matplotlib、scikit-learn，基本能解决90%以上的数据分析问题，建议初学者把这五个工具重点用。
至于教程，推荐《利用python进行数据分析》第二版，可以掌握numpy、pandas、matplotlib的许多实用用法。我基本把这本书看完了，也敲了里面大部分代码。学习scikit-learn最好选择看官方文档，目前好像也有了中文版，可以多跑跑里面的sample。
sklearn文档案例（图片来源网络）
最后捎带提一下，还要学习SQL，这是数据分析最基础的能力，我用的是《SQL学习指南》这本书，很适合入门。
另外，对于所有有志于做数据分析师、商业数据分析、数据治理的小伙伴，一定要加快提升自己。世界经济论坛发布的《2023年未来就业报告》对未来五年就业市场进行深入分析，报告预测未来5年内增长最快的十大岗位，就包括了数据分析师和科学家以及数字化转型专业人员。
强烈建议重视CDA数据分析师证书，CDA数据分析师一级考试涉及的多个业务分析模型，这些模型在实战中超有用。尤其是想进入电网、银行、电信、烟草行业的小伙伴们，尽量考过CDA数据分析师二级，因为这些单位几乎都会在招聘中说明CDA数据分析师优先。
CDA数据分析师认证-全国统一网上考试报名官网
大家考个证书，既可以巩固自己的数据分析技术，还能有证书加持，对于部分工作有很大好处。
最后再梳理一下学习路径和教程，python基础语法（菜鸟教程和w3cschool）>>numpy、pandas、matplotlib（《利用python进行数据分析》）>>scikit-learn（官方文档）
我收集了一些python学习书籍
python基础：
- 《Python基础教程》（Beginning Python From Novice to Professional）
- 《Python学习手册》（Learning Python）
- 《Python编程》（Programming Python）
- 《Python编程从入门到实践》（Python Crash Course）
- 《Python Cookbook》
python数据分析
- 《利用Python进行数据分析》（Python for Data Analysis）
- 《Python数据科学手册》（Python Data Science Handbook）
- 《Python金融大数据分析》（Python for Finance）
- 《Python数据可视化编程实战》（Python Data Visualization Cookbook）
- 《Python数据处理》（Data Wrangling with Python）
python机器学习
- 《Python机器学习基础教程》（Introduction to Machine Learning with Python）
- 《Python机器学习实践指南》（Python Machine Learning Blueprints）
- 《Python机器学习实践：测试驱动的开发方法》（Thoughtful Machine Learning with Python A Test Driven Approach）
- 《Python机器学习经典实例》（Python Machine Learning Cookbook）
- 《TensorFlow：实战Google深度学习框架》
附 github大神开源的python数据科学速查小抄（仅供学习）
python
pandas
numpy
scipy
sklearn
matplotlib
python基础
数据分析