【学习】Python大数据学习路线图

1、Python学习，语言的学习，真正掌握语言的方式，是交流与实践，所以，这三本书，是由浅入深的步骤。大家在学习过程中，可以到群里面去进行交流沟通。群号：427711751。 《简明Python教程》

• Python初学教程：《简明Python教程》.pdf

《Dive Into Python》在线课程：http://woodpecker.org.cn/divei ... .html 《Learning Python 5th》

• Learning_Python_5th_Edition.pdf

另，python在线精品学习博客： http://www.cnblogs.com/vamei/a ... .html http://www.liaoxuefeng.com/wik ... a000/ 2、数据分析课程学习。数据分析，现在已经成为大数据这一趋势中的重点。要想学好，并且能够在实际中灵活运用，那要求同学们有扎实的数据基础（包括高等代数，概率及统计分析），需要有一定的计算机算法基础，并且有极高的对数据分析这些知识的热情。 《高等数学及数据分析基础课程》，请参考大学高等数学系列课本。 《Mastering Basic Algorithms in the Python Language》

• Python_Algorithms__Mastering_Basic_Algorithms_in_the_Python_Language,_2nd_edition.pdf

《利用Python进行数据分析》

• Python_For_Data_Analysis.pdf

《NumPy学习指南》 《NumPy攻略：Python科学计算与数据分析》

• NumPy_Cookbook.pdf

3、NumPy和Scipy,Pandas，这是重要的python数据分析库。除了第2项中提到的课本，需要深入地学习，可以去官方学习相当文档和教程。 网址：http://www.numpy.org/ http://www.scipy.org/ http://pandas.pydata.org/ numpy的处理能力包括： a powerful N-dimensional array object N维数组； advanced array slicing methods (to select array elements)；N维数组的分片方法； convenient array reshaping methods；N维数组的变形方法； and it even contains 3 libraries with numerical routines: basic linear algebra functions；基本线性代数函数； basic Fourier transforms；基本傅立叶变换； sophisticated random number capabilities；精巧的随机数生成能力； scipy是科学和工程计算工具。包括处理多维数组，多维数组可以是向量、矩阵、图形（图形图像是像素的二维数组）、表格（一个表格是一个二维数组）；目前能处理的对象有： statistics；统计学； numeric integration；数值积分； special functions；特殊函数； integration, ordinary differential equation (ODE) solvers；积分和解常微分方程； gradient optimization；梯度优化； genetic algorithms；遗传算法； parallel programming tools（an expression-to-C++ compiler for fast execution, and others）；并行编程工具； 在将来会增加下面的计算处理能力（现在已经部分地具备了这些能力）： Circuit Analysis (wrapper around Spice?)；电路分析； Micro-Electro Mechanical Systems simulators (MEMs)； Medical image processing；医学图像处理； Neural networks；神经网络； 3-D Visualization via VTK；3D可视化； Financial analysis；金融分析； Economic analysis；经济分析； Hidden Markov Models；隐藏马尔科夫模型； 3、hadoop学习及python操作模块。 hadoop资料，网上非常多，也可购买书本。 hadoop的python操作模块较多，可以参考：http://www.oschina.net/transla ... p%3D2 4、数据可视化，是为了能直观地从图示中反应出数据的各项指标，情况；直观地展示对数据分析的研究成果。所以，有必要学习这些知识。 matplotlib: http://liam0205.me/2014/09/11/ ... h-cn/