数据分析师入门该学些啥

作为转行学习数据分析，自然看了不少文章，走了不少弯路，学了不少有用没用的，下面推荐一篇入门该学习的文档手册。这本手册包含了入门需要掌握的技能，包括python、爬虫、数据库、统计分析知识、机器学习知识。必备的工具主要是anaconda（数据科学强烈推荐），MySQL。

主要分为以下几个部分：

Python 基础语法

数据类型：字符串、布尔型、整数、浮点数、列表、元组、字典、集合等； 运算符：Python主要的运算符有数学运算符、逻辑运算符、比较运算符；

表达式：由值、变量、运算符组成；

控制流：Python有三种控制流，if/for/while来控制表达式执行的顺序；

函数、变量作用域（局部和全局）、lambda函数：使得代码变得更简洁和更具有可迁移性；

字符串操作：替换、删除、截取、复制、连接、比较、查找、包含、大小写转换、去空格、分割等；

数据操作：数据索引、切片、添加、插入、移除、排序等方法；

正则表达式：使用正则表达式可以实现模糊匹配、替换和拆分。

SQL基础知识

建立表：SQL语句操作的对象是表格，表格的建立是操作的基础，可以使用CREATE命令进行建立；

插入、更新和删除数据：建立了表格之后需要使INSERT,DELETE,DROP来对表格进行更进一步的插入新值新列、删除部分数据、删除整张表的操作。

数据检索：用SELECT语句来实现检索功能，它是最经常被使用到的SQL语句；

数据排序：ORDER BY语句；

数据过滤：WHERE语句限定了搜索的条件；BETWEEN/IN/NOT操作符限定了查询值的范围；AND/OR操作符表达搜索条件间的逻辑关系；数据汇总和分组可以使用GROUP BY语句。

子查询：可以嵌套在主查询的SELECT,WHERE,FROM,GROUP BY等位置，使用子查询可以写出具有更复杂功能的SQL语句，使得查询更加灵活。

组合查询：使用UNION操作符，连接多个SELECT语句，把多条查询结果当做一条组合查询返回，大大简化了查询的复杂程度。

关系型数据库的设计方便了处理和提高了存储的效率，然而却带来了一个问题，就是跨表的查询。联结是一种机制，用于关联不同的表。

基本概念：主键、外键。

种类：内部联结；自然联结；外部联结；带聚集函数的联结。

LIKE操作符支持的通配符：可以用于匹配搜索值的某一部分，来实现数据的过滤。

python数据分析与可视化

数据分析（NumPy／Pandas）

Python数据可视化，常用的Python可视化工具包有：matplotlib、seaborn等。

机器学习

监督学习：线性回归，逻辑回归，决策树，朴素贝叶斯、最近邻等算法

无监督学习：聚类算法、降维算法等。

scikit-learn是一个开源学习模块，为用户提供了许多机器学习的算法接口，可以使用Python直接调用。

这些都只是一些入门需要掌握的内容，最重要的还是多实践、多练习。通时也要养成数据分析师思考问题的习惯：

问题的重要性（为什么要分析这个问题？）

问题的准确定义（可以以假设检验的方式写出）

如何选择分析所使用的数据集（数据来源是否可靠，内容是否充分？）

问题分析所采用的方法（方法是否适用？）

数据分析预处理（如何生成训练集、测试集）

分析结果所采用的评价指标

要清楚分析所使用的方法以及数据集的局限在哪里

最后就是要学会写数据分析报告，因此会ppt，数据可视化软件也是很重要的。

学习最重要的是持之以恒，不间断的学习加上练习，肯定能取得非常好的效果。今天展示的是入门需要掌握的一些知识，在以后，我会逐渐通过这些知识，完成一些有意思的项目，深入了解学习每一个功能模块。