報告為燈塔大數(shù)據(jù)原創(chuàng)內(nèi)容，歡迎個人轉(zhuǎn)載，其他機構(gòu)轉(zhuǎn)載請在文章開頭標注：
“轉(zhuǎn)自：燈塔大數(shù)據(jù)；微信：DTbigdata”
Python菜鳥到Python Kaggler
如果你夢想成為一名數(shù)據(jù)科學家，或者已然是數(shù)據(jù)科學家的你想擴展自己的工具庫，那么，你找對地方啦。本文旨在為做數(shù)據(jù)分析的Python人提供一條全方位的學習之路，完整講述運用Python進行數(shù)據(jù)分析的所有步驟。當然，如果你已經(jīng)有了一些知識儲備，或者無需掌握全部的內(nèi)容，可以按照自己的需求做出調(diào)整，也歡迎與我們分享你是如何調(diào)整的。
你也可以參考本學習方法的迷你版 ——《 信息圖表：Python數(shù)據(jù)科學學習之快速入門》。
本文推薦學習內(nèi)容的全部清單，請關(guān)注并在公眾號里回復“學神之路”即可下載！起步熱身
開始這段學習旅程之前，第一個要回答的問題是：為什么使用Python？或者，Python怎樣使用才有效？
請觀看Data Robot創(chuàng)始人Jeremy 2014年在烏克蘭的PyCon大會上的前30分鐘的演講，來了解Python是多么的奇妙?。ㄔ诠娞柪锘貜汀皩W神之路”即可下載。）
第一步設置機器環(huán)境
既然你已經(jīng)下定了決心，就開始設置機器環(huán)境吧。最簡單的方法就是在Continuum.io下載分發(fā)包Anaconda。 這里材料應有盡有，美中不足就是即使在數(shù)據(jù)庫提供了可用的更新資源時，你也要等Continuum自行更新。不過如果你是初學者的話，這點就無關(guān)緊要了。
如果你在安裝過程中遇到任何問題，你可以在這里找到不同操作系統(tǒng)下更詳細的安裝說明。（在公眾號里回復“學神之路”即可下載。）
第二步學習Python語言基礎(chǔ)
首先你要理解語言、數(shù)據(jù)庫和數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)知識。Codecademy 上的Python課程是這段學習之路的最佳起點。課程結(jié)束時，用Python寫計算機腳本、理解類和對象這些對你來說應該早就駕輕就熟了。
學習重點：列表Lists，元組Tuples，字典Dictionaries，列表推導式，字典推導式。
學習任務：解決HackerRank上的一些Python教程題，這些題能讓你更好的用Python腳本的方式去思考問題。
替代資源：如果交互式編碼不是你的風格，可以參考谷歌的Python課程，這個兩天的系列課程還涵蓋了接下來要討論的一些內(nèi)容。（在公眾號里回復“學神之路”即可下載。）
第三步學習Python正則表達式
進行數(shù)據(jù)清理經(jīng)常需要使用正則表達式，處理文本數(shù)據(jù)時尤其如此。學習正則表達式的最佳方式就是完成谷歌課程，cheat sheet會讓你使用正則表達式變得更加便捷熟練。
學習任務：做關(guān)于兒童名字的正則表達式練習
如果你仍需要更多練習，請參考文本整理的教程，它會鍛煉你對處理數(shù)據(jù)的各個步驟的把握能力。（在公眾號里回復“學神之路”即可下載。）
第四步學習Python科學數(shù)據(jù)庫——NumPy, SciPy, Matplotlib和 Pandas有趣之處由此開始！下面是對各種數(shù)據(jù)庫的一一介紹，讓我們開始練習一些簡單操作吧。
●系統(tǒng)練習NumPy 教程，尤其要練習arrays數(shù)組。這會為你接下來的學習打下良好的基礎(chǔ)。
●接下來了解一下SciPy教程。瀏覽一下SciPy介紹和基本知識之后，學習其余你需要的部分。
●如果你猜這一步要講Matplotlib教程——那就大錯特錯了。Matplotlib教程對我們目前的階段來說綜合性太強，這里我們推薦閱讀ipython notebook前68行（就是到動畫這一部分）。
●最后，讓我們了解下Pandas。Pandas為Python提供DataFrame功能（類R語言），這也是值得你認真花時間練習的地方。Pandas有可能成為所有中型數(shù)據(jù)分析中最有效的工具。先看一下簡單介紹《十分鐘走近Pandas》（10 minutes to pandas），然后再轉(zhuǎn)入Pandas教程的詳細學習。
你也可以參考《Pandas探索性數(shù)據(jù)分析》（Exploratory Data Analysis with Pandas）和《Pandas數(shù)據(jù)處理》（Data munging with Pandas）里的內(nèi)容。（在公眾號里回復“學神之路”即可下載。）
其他資源：
●如果你需要有關(guān)Pandas和NumPy的書籍，Wes McKinney 寫的《運用Python的數(shù)據(jù)分析》值得一讀。
●有關(guān)Pandas文檔的教程也有很多。
學習任務：完成哈佛CS109的課程作業(yè)。
第五步有效的數(shù)據(jù)可視化
學習CS109課程時，前兩分鐘可以忽略不看，不過后面的內(nèi)容相當精彩！推薦結(jié)合作業(yè)學習本課程。（在公眾號里回復“學神之路”即可下載。）
第六步學習Scikit-learn庫，完成機器學習內(nèi)容
現(xiàn)在，我們開始接觸整個過程中最重要的部分了。Scikit-learn是機器學習領(lǐng)域最有用的Python數(shù)據(jù)庫，在這里你可以查看數(shù)據(jù)庫的概覽。參考學習哈佛CS109課程第十節(jié)到第十八節(jié)課，你將能一覽機器學習，回歸、決策樹方法、集成建模等監(jiān)督算法，以及聚類算法等非監(jiān)督式算法?？梢詤⒖忌鲜稣n程的作業(yè)來規(guī)劃自己的學習課程。
其他資源：
●如果說有哪本書可以作為必讀書的話，推薦《集體智能編程》（Programming Collective Intelligence）—— 一部該領(lǐng)域的經(jīng)典好書。●此外，你也可以學習Yaser Abu-Mostafa中機器學習課程中的一些優(yōu)秀課程。如果你希望獲得對技能更加深入淺出的解讀，可以選擇Andrew Ng的機器學習課程，并做一些有關(guān)Python的練習。
●Scikit learn的教程。
學習任務：嘗試Kaggle上的挑戰(zhàn)。（在公眾號里回復“學神之路”即可下載。）
第七步練習，練習，再練習
恭喜你，你成功地完成了整個學神之路啦！
你現(xiàn)在已經(jīng)具備了一切所需的技術(shù)技能，現(xiàn)在就是練習的事情了，還有比在Kaggle上與同行數(shù)據(jù)科學家切磋更好的方式么？那就出發(fā)吧，全身心投入到一個Kaggle的直播比賽中，傾盡所學放手一試吧?。ㄔ诠娞柪锘貜汀皩W神之路”即可下載。）
第八步深度學習
現(xiàn)在你已經(jīng)學習了大部分的機器學習技能，也是時候嘗試一下深度學習了。你很有可能已經(jīng)知道了深度學習的含義，當然我也可以給你們一個簡單的介紹。
不過我對深度學習也不是特別了解，所以你在采納這些建議時可以有所保留：deeplearning.net上有深度學習方面最全面的資源 ，你會發(fā)現(xiàn)這里應有盡有 —— 課程、數(shù)據(jù)集、挑戰(zhàn)、各種教程等；或者你也可以嘗試 Geoff Hinton的課程來試著理解神經(jīng)網(wǎng)絡（Neural Networks）的基礎(chǔ)知識。（在公眾號里回復“學神之路”即可下載。）
翻譯：燈塔大數(shù)據(jù)
聯(lián)系客服
