求问AB3社的AB游戏公司有哪些 找到一个画风好喜欢
点击联系发帖人
时间：2018-08-24 05:23
XXX.japanese动漫
404 Not Found
The requested URL was not found on this server.
您要找的内容已被删除还在骑马闯天涯？ 《远征手游》教你一招上天时间: 11:46:38来源:分享:相关搜索&:&十年经典革新，激情等待见证！飞行国战手游《远征手游》双平台公测现已开启，邀你重返远征世界，勇者再战！U3D引擎打造掌间4K画质，画风精致惊艳红尘，场景设定浑然天成、真实再现端游经典场景。如此美丽的风景，怎能踏马而过？今日，《远征手游》教你一招“上天”，360°无死角再赏天涯！远征手游来了《远征手游》官网&& http://yzsy.q1.com【完美还原端游 全新飞行坐骑如约而至】在《远征手游》中，坐骑作为一种承载工作，可以陪伴玩家骑行三界四处，饱览名山胜景，让杀伐决断的征程也充满喜悦。除去炫酷的外表和稳步提升的实力，《远征手游》不再仅仅是陆地坐骑，高空飞行坐骑如约而至，飒踏飞马、烈焰龙皇、七彩凌空……告别分花拂柳、哒哒马蹄，“一键上天”才是最正经的事情！海陆空坐骑大满贯飒踏飞马越空而起【大世界自由飞行 赏尽三界如画美景】只要翅膀穿得好，明年维密你开场！《远征手游》倾心打造羽翼系统，火域圣翎、星界铁羽、凤凰之翼……数十款华丽羽翼不但是霸气外露的表现，同时所带来的属性加成，必将扶摇直上九万里！而与其他游戏羽翼系统不同的是，《远征手游》按上翅膀真的能上天，按下“飞行”按钮，便可自由舒展羽翼翱翔九州尽赏天下美景！除了骑马闯天涯，各位dalao羽翼飞行了解下？华丽绚烂的翅膀羽翼飞行了解下【国战融入飞行元素 羽翼加持鏖战苍穹】除了360°环游三界外，《远征手游》中羽翼系统所带来的还有一个重要元素，那就是翼装飞行和空战！大世界自由飞行和全维度立体战斗正是《远征手游》的重要特色之一。你可以挥动着翅膀发动空战、空对地等多种战斗。由于翅膀都有自己的独有属性，这也让每一场战斗都产生了无数未知性，玩家的操作及搭配都将起到决定性的作用。融入飞行元素全维度立体战斗飞行国战手游《远征手游》双平台公测现已开启，全新战斗体系、最强的经典职业、创新国战玩法火热上线，让玩家享受没有猪队友，没有膀胱局的极致撸BOSS快感！
猜你喜欢similar game
扫二维码下载手机版2019 条评论分享收藏感谢收起赞同 3添加评论分享收藏感谢收起&blockquote&世界上只有一种治不好的病，就是穷病。&/blockquote&&p&电影《我不是药神》中谁都没有罪，有罪的是贫穷。&/p&&p&&br&&/p&&p&&br&&/p&&p&首先我用通俗易懂的方式给大家科普一下故事背后的逻辑。&/p&&p&&br&&/p&&p&首先，我们要知道，研发一种药品，前期需要投入天量的研发费用。但是研制成功之后，制造成本是很低的。一个没什么水平的小企业，拿到药品的配方，就可以以极低的成本生产药品。&/p&&p&大型药企会投入大量的成本去研发新药，研发出来之后，为了收回研发成本乃至获得利润，会把药品的价钱定的很高。大型药企销售的这种很贵的药叫做“正版药”，也就是电影里提到的4万块一瓶的瑞士格列宁。&/p&&p&同时，会有一些小型药企，没有实力搞研发，就直接拿过来大型药企的配方，按照配方制造药品。这类药品的疗效和“正版药”，区别不大，但是因为没有研发成本，定价会很低。这类药品被称作“仿制药”，也就是电影里提到的印度格列宁。&/p&&p&因为正版药的价格很贵，许多病人因为买不起药，最终离开了这个世界。如果我们同情病人，强制大企业降价或者允许小企业合法生产“仿制药”的话，会导致大企业收不回研发成本，也无法获得利润。最终大企业倒闭，再也没人愿意投资研发药品。长远来看会导致更多的人因为病痛而死去。&/p&&p&这就是药品专利之所以存在的意义。药品专利保证了药品研发者可以通过研发药品获利，从而鼓励了更多的人和企业投入药品研发这个工作之中，最终拯救更多的生命。&/p&&p&所以，虽然电影里瑞士的医药代表是以反派的形象出现的，国家的法律也显得不是那么正义（明明有更便宜的印度药，却不让老百姓用，只让老百姓用天价的正版药），但是事实上，这种保护药品专利的法律，长期来看，可以拯救更多的病人。&/p&&p&&br&&/p&&p&上面是从全人类的角度来分析的。但是事实上，人类分为许多不同的国家，我们是否可以不顾西方国家的人民，只维护本国人民的利益呢？&/p&&p&理论上是可以的，但是事实上很难做到。&/p&&p&由于中国的药物研发实力很弱，现在大型药企主要是西方企业。天价的正版药也是进口为主。是否尊重西方药企的药品专利，是各国政府可以自行决定的。比如印度政府就决定不尊重西方药企的专利，允许国内企业生产仿制药，这也是电影里存在廉价印度药的原因。&/p&&p&那么我们国家是否可以像印度政府一样，允许国内生产仿制药，至少不判定印度药非法，从而造福国内老百姓呢？&/p&&p&可以当然是可以，但是我们要考虑这样做最终会导致的结果。&/p&&p&事实上，这种“研发投入很高，但是压发成功之后抄袭很容易”的情况不仅仅在药物研发中存在，在很多其他领域——比如说工业领域——中同样存在。为了鼓励创新和研发投入，遇到这种情况，我们都是依靠“专利法”，依靠法律的强制力来避免抄袭的情况出现，这就是我们平常所说的“尊重知识产权”。&/p&&p&如果我们不尊重西方国家在药品方面的知识产权，西方国家自然就不会尊重我们在其他领域——主要是工业领域——的知识产权。如果我们允许国内生产仿制药，那么西方国家就会抄袭我们的工业专利，生产工业产品。最终导致我们的工业品卖不出去，企业倒闭，人民失业，经济衰退。&/p&&p&在这种情况下，虽然药品的价格从4万降到了500块，但是人民的收入也随之降低。病人并不会获得实惠，还会连累健康的人一起承担失业和收入下降的后果。&/p&&p&印度之所以可以生产仿制药，归根结底是因为印度实在是太落后了，本身不存在什么需要西方国家尊重的知识产权，因此自然没有必要尊重西方国家的知识产权。&/p&&p&所以，虽然很残酷，但是我们却不得不主动制定法律，尊重西方国家的知识产权，让老百姓用西方国家天价的正版药。&/p&&p&&br&&/p&&p&有人可能会问，那买不起药的老百姓就只能眼睁睁地等死吗？&/p&&p&其实也不是这样，我们还是有一些办法的。最有效的办法就是，由国家出面和药企谈判。首先将白血病纳入医保范围内，保证所有得这个病的人都能看得起病。然后以几千万患者这个“大市场”为筹码和药企谈判。因为对药的需求多了，即使每盒药的售价降低一些，药企也可以收回成本，所以药企也乐得薄利多销。&/p&&p&通过这种方式，我们可以让正版药一定程度的降价，虽然还是会比仿制药贵，但好歹还是降价了。同时药品的大半成本由医保承担，患者只需要承担一小部分，这样大多数人就都可以看的起病了。&/p&&p&但即使是这样，依旧有很多人看不起病。想要彻底解决这个问题，只有一个办法，那就是全民一起脱贫致富。&/p&&p&&br&&/p&&p&&b&请大家一定要记住：发展才是最大的人权。&/b&&/p&
世界上只有一种治不好的病，就是穷病。电影《我不是药神》中谁都没有罪，有罪的是贫穷。 首先我用通俗易懂的方式给大家科普一下故事背后的逻辑。 首先，我们要知道，研发一种药品，前期需要投入天量的研发费用。但是研制成功之后，制造成本是很低的。一个没…
泻药，&br&what的回答，得从最本质的问题入手。&br&&br&什么是数据分析？数据分析是什么？&br&ok，这里的关键词就是“数据”加“分析”吧。&br&&br&什么是数据（data）？什么是分析（analysis）？&br&某度一下就知道了。&br&【“数据”就是数值，也就是我们通过观察、实验或计算得出的结果。数据有很多种，最简单的就是数字。数据也可以是文字、图像、声音等。数据可以用于科学研究、设计、查证等。 】&br&【“分析”就是将研究对象的整体分为各个部分、方面、因素和层次，并分别地加以考察的认识活动。分析的意义在于细致地寻找能够解决问题的主线，并以此解决问题。】 &br&&br&好像挺浅白的，大家都懂嘛，但是数据分析不是很高深嘛，最近几年才火的啊。&br&&br&那我们来了解“数据＋分析”是什么？&br&【“数据分析”是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。&br&数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 】&br&&br&好了，这里的信息就加了很多吧，&br&“统计方法”“大量数据”“计算机”&br& 嗯，有点意思了是不是？数学基础知识？大量数据？还要计算机基础？&br&&br&原谅我转了这么久才想把最主要的说出来。&br&力图走一下正常的认知路径，能从简单的逻辑去认知数据分析，但是，很多人搜到这里，可能已经没耐性了，想着旁边抓个人问问得了吧。&br&&br&那么，数据分析到底干啥？其实最后的搜出来的，&br&【统计学】＋【计算机】＝数据分析一大半&br&&br&这就是基础，&br&这个不是老早都有了嘛，为什么现在才火呢？忘记了，还有个大量数据不是？但是这里缺少大量的什么数据？&br&其实吧，想想以前数据是什么样的？手抄纸质版？excel表格版？各种文件版？但是，现在有太大量的数据，比如简单的银行交易记录，生产环节的数据，超市的买卖数据，它们怎么处理呢？&br&&br&最后，给个结果吧，what是数据分析？&br&【数学知识】＋【计算机工具】＋【具体业务的大量数据】＝【数据分析】&br&这个什么意思呢？&br&那就是利用强大的计算机工具，并基于严谨的数学知识，去处理复杂业务存在的大量数据，最后得出数据的结论，来验证或者发现业务存在的问题。&br&&br&但是，现实中会有很多偏差，有可能是这样的:&br&【屌丝版】&br&1.利用简单的excel，基于初级的统计学知识，处理简单业务存在的小量数据，得出鬼都知道的数据结论，验证了业务实在不行或业务杠杠好的问题。&br&【高级版】&br&2.利用复杂的计算机工具（SPSS,SAS,R,MATLAB）,基于数据挖掘知识，处理复杂业务存在于数据库里的多维度的大量的数据，得出资深业务员都发现不了的数据结论，发现了业务存在的不足或异常问题的所在，支持或引导业务的决策。&br&&br&还有更多的偏差，例如数据分析，产品分析，市场分析，运营分析，销售分析，业务分析，这些岗位太多交叉，很难说得准，这个跟公司的业务与岗位的划分很有关系，这也难怪，不仅仅是数据分析分不清，其他岗位也一样不是？&br&&br&数据分析的理解，觉得最好的角度就是“互联网＋”的思维，这是神马啊？&br&&br&那就是“数据＋”的思维！&br&&br&数据单独没有任何意义，要放到具体的实际的业务才有意义，问你100你知道是什么意思？100元？100订单？100 pv？100 游戏币？。。。&br&&br&那么把数据分析当做一种技能，去对接具体业务才是实际有效的落地方案。&br&数据分析＋产品＝产品数据分析&br&数据分析＋运营＝运营数据分析&br&数据分析＋金融＝金融数据分析&br&数据分析＋网站＝网站数据分析&br&。。。&br&当然，还可以更细分。&br&数据分析＋运营+游戏＝游戏运营数据分析&br&多落地的岗位是吧。&br&&br&手机码字，排版可能乱点。如有问题，多多指出哈，欢迎一起交流，多年游戏＋APP数据分析从业者。&br&&br&另外欢迎加入目前灰常活跃的数据分析2000人QQ群:【数据分析在路上 】&br&数据分析在路上，我们晃晃悠悠！
泻药， what的回答，得从最本质的问题入手。 什么是数据分析？数据分析是什么？ ok，这里的关键词就是“数据”加“分析”吧。 什么是数据（data）？什么是分析（analysis）？ 某度一下就知道了。 【“数据”就是数值，也就是我们通过观察、实验或计算得出的…
&p&没有什么牛逼的事情是能够速成的，越是底层的、收益周期越长的技能越是这样。&/p&&p&但这并不代表，我们不能用一些有意思的方法，把学习的过程变得高效而有趣。&/p&&p&学习一门技术之前，你应该知道，你想要达成的目标是什么样的，也就是说，你想通过这门技术来解决哪些问题。有了这个目标，你就可以知道要达成这样的目标，它的知识体系是怎么样的。更重要一点的是，每个部分是用来解决哪些问题，只有明确的目标导向，学习最有用的那部分知识，才能避免无效信息降低学习效率。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&明确知识框架和学习路径&/b&&/h2&&p&比如数据分析这件事情，如果你要成为数据分析师，那么你可以去招聘网站看看，对应的职位的需求是什么，一般来说你就会对应该掌握的知识架构有初步的了解。你可以去看看数据分析师职位，企业对技能需求可总结如下：&/p&&ul&&li&&i&SQL数据库的基本操作，会基本的数据管理&/i&&/li&&li&&i&会用Excel/SQL做基本的数据提取、分析和展示&/i&&/li&&li&&i&会用脚本语言进行数据分析，Python or R&/i&&/li&&li&&i&有获取外部数据的能力加分，如爬虫或熟悉公开数据集&/i&&/li&&li&&i&会基本的数据可视化技能，能撰写数据报告&/i&&/li&&li&&i&熟悉常用的数据挖掘算法：回归分析、决策树、分类、聚类方法&/i&&/li&&/ul&&p&其次是数据分析的流程，一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实施一个数据分析项目。按照这个流程，每个部分需要掌握的细分知识点如下：&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-380a0f9a27f3ec3396fe1aec33ea8e38_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1044& data-rawheight=&832& class=&origin_image zh-lightbox-thumb& width=&1044& data-original=&https://pic4.zhimg.com/50/v2-380a0f9a27f3ec3396fe1aec33ea8e38_r.jpg&&&/figure&&p&&br&&/p&&p&高效的学习路径是什么？就是数据分析的这个流程。按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。然后每学习一个部分，你就能够有一些实际的成果输出，有正向的反馈和成就感，你才会愿意花更多的时间投入进去。以解决问题为目标，效率自然不会低。&/p&&p&按照上面的流程，我们分需要获取外部数据和不需要获取外部数据两类分析师，总结学习路径如下：&/p&&p&&b&1.需要获取外部数据分析师：&/b&&/p&&p&python基础知识&/p&&p&python爬虫&/p&&p&SQL语言&/p&&p&python科学计算包：pandas、numpy、scipy、scikit-learn&/p&&p&统计学基础&/p&&p&回归分析方法&/p&&p&数据挖掘基本算法：分类、聚类&/p&&p&模型优化：特征提取&/p&&p&数据可视化：seaborn、matplotlib&/p&&p&&br&&/p&&p&&b&2.不需要获取外部数据分析师：&/b&&/p&&p&SQL语言&/p&&p&python基础知识&/p&&p&python科学计算包：pandas、numpy、scipy、scikit-learn&/p&&p&统计学基础&/p&&p&回归分析方法&/p&&p&数据挖掘基本算法：分类、聚类&/p&&p&模型优化：特征提取&/p&&p&数据可视化：seaborn、matplotlib&/p&&p&&br&&/p&&p&接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据获取：公开数据、Python爬虫&/b&&/h2&&blockquote&&i&如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。&/i&&/blockquote&&p&外部数据的获取方式主要有以下两种。&/p&&p&&br&&/p&&p&第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。给大家推荐一些常用的可以获取数据集的网站：&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//archive.ics.uci.edu/ml/datasets.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&UCI&/a&：加州大学欧文分校开放的经典数据集，真的很经典，被很多机器学习实验室采用。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//data.stats.gov.cn/index.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&国家数据&/a&：数据来源于中国国家统计局，包含了我国经济民生等多个方面的数据。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.ceicdata.com/zh-hans& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CEIC&/a&：超过128个国家的经济数据，能够精确查找GDP, CPI, 进口，出口，外资直接投资，零售，销售，以及国际利率等深度数据。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.tjcn.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中国统计信息网&/a&：国家统计局的官方网站，汇集了海量的全国各级政府各年度的国民经济和社会发展统计信息。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.youedata.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优易数据&/a&：由国家信息中心发起，拥有国家级信息资源的数据平台，国内领先的数据交易平台。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.datatang.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据堂&/a&：同为数据交易平台，包含语音识别、医疗健康、交通地理、电子商务、社交网络、图像识别等方面的数据。&/p&&p&其他可以参考：&a href=&//link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s/Lggp4sBux_FFnC3m8xEWIA& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&有哪些一般人不知道的数据获取方式&/a&&/p&&p&&br&&/p&&p&另一种获取外部数据费的方式就是爬虫。&/p&&p&比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。&/p&&p&在爬虫之前你需要先了解一些 Python 的基础知识：&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/python/python-basic-syntax.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&元素（列表、字典、元组等）、变量、循环、函数&/a&（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）&/p&&p&网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。&/p&&p&掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。&/p&&p&除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据存取：SQL语言&/b&&/h2&&p&你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。&/p&&p&SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：&/p&&p&&b&提取特定情况下的数据：&/b&企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2017年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。&/p&&p&&b&数据库的增、删、查、改：&/b&这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。&/p&&p&&b&数据的分组聚合、如何建立多个表之间的联系：&/b&这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。&/p&&p&SQL这个部分相对来说比较简单，可以去这个教程：&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/mysql/mysql-tutorial.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MySQL-菜鸟教程&/a&&/p&&p&简单到怀疑人生，学完这个教程的内容就够了。当然，还是建议你找一个数据集来实际操作一下，哪怕是最基础的查询、提取等操作。你可以去调用一些公司的数据来进行实际的演练，如果没有合适的，这里推荐UCI经典的&a href=&//link.zhihu.com/?target=http%3A//archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&鸢尾花数据集&/a&。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据预处理：Python（pandas）&/b&&/h2&&p&很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。&/p&&p&比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。&/p&&p&那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。&/p&&p&对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：&/p&&p&&b&选择&/b&：数据访问（标签、特定值、布尔索引等）&/p&&p&&b&缺失值处理&/b&：对缺失数据行进行删除或填充&/p&&p&&b&重复值处理：&/b&重复值的判断与删除&/p&&p&&b&空格和异常值处理&/b&：清楚不必要的空格和极端、异常数据&/p&&p&&b&相关操作：&/b&描述性统计、Apply、直方图等&/p&&p&&b&合并&/b&：符合各种逻辑关系的合并操作&/p&&p&&b&分组&/b&：数据划分、分别执行函数、数据重组&/p&&p&&b&Reshaping&/b&：快速生成数据透视表&/p&&p&&br&&/p&&p&网上有很多pandas的教程，主要是一些函数的应用，也都非常简单，如果遇到问题，可以参看pandas操作的&a href=&//link.zhihu.com/?target=http%3A//pandas.pydata.org/pandas-docs/stable/tutorials.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&官方文档&/a&。&/p&&p&&br&&/p&&p&推荐书：&a href=&//link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&利用Python进行数据分析 (豆瓣)&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&概率论及统计学知识 &/b&&/h2&&p&数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：&/p&&p&&b&基本统计量&/b&：均值、中位数、众数、百分位数、极值等&/p&&p&&b&其他描述性统计量&/b&：偏度、方差、标准差、显著性等&/p&&p&&b&其他统计知识&/b&：总体和样本、参数和统计量、ErrorBar&/p&&p&&b&概率分布与假设检验&/b&：各种分布、假设检验流程&/p&&p&&b&其他概率论知识&/b&：条件概率、贝叶斯等&/p&&p&&br&&/p&&p&有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……&/p&&p&你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。&/p&&p&&br&&/p&&p&推荐书：&a href=&//link.zhihu.com/?target=https%3A//book.douban.com/subject/7056708/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出统计学 (豆瓣)&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&python数据分析 &/b&&/h2&&p&如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。&/p&&p&比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E7%25BE%258E%25E5%259B%25BDKing%2520County%25E6%2588%25BF%25E4%25BB%25B7%25E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&房价预测&/a&”和“&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E5%E5%25B7%25A5%25E7%25A6%25BB%25E8%E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&职位预测&/a&”，都可以通过回归分析实现。这部分需要掌握的知识点如下：&/p&&p&&b&回归分析&/b&：线性回归、逻辑回归&/p&&p&&b&基本的分类算法&/b&：决策树、随机森林……&/p&&p&&b&基本的聚类算法&/b&：k-means……&/p&&p&&b&特征工程基础&/b&：如何用特征选择优化模型&/p&&p&&b&调参方法&/b&：如何调节参数优化模型&/p&&p&&b&Python 数据分析包&/b&：scipy、numpy、scikit-learn等&/p&&p&&br&&/p&&p&在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。&/p&&p&当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。&/p&&p&&br&&/p&&p&推荐：&a href=&//link.zhihu.com/?target=http%3A//scikit-learn.org/dev/_downloads/scikit-learn-docs.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&scikit-learn官方文档&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&系统实战 &/b&&/h2&&p&这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。&/p&&p&如何进行实战呢？&/p&&p&上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。&/p&&p&另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。&/p&&p&开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。&/p&&p&你也可以看看行业的分析报告，推荐：&a href=&//link.zhihu.com/?target=http%3A//www.iresearch.com.cn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&艾瑞咨询&/a&&/p&&p&看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。&/p&&p&在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E5%E5%25B7%25A5%25E7%25A6%25BB%25E8%E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&员工离职预测训练赛&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E7%25BE%258E%25E5%259B%25BDKing%2520County%25E6%2588%25BF%25E4%25BB%25B7%25E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&美国King County房价预测训练赛&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.dcjingsai.com/common/cmpt/%25E5%258C%%25BA%25ACPM2.5%25E6%25B5%%25BA%25A6%25E5%259B%259E%25E5%25BD%%E6%259E%%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&北京PM2.5浓度分析训练赛&/a&&/p&&p&&br&&/p&&p&你也可以关注一些知乎大V，他们的经验可能让你少走弯路。&/p&&p&&a class=&member_mention& href=&//www.zhihu.com/people/1226dd3baaf60e6904a7e& data-hash=&1226dd3baaf60e6904a7e& data-hovercard=&p$b$1226dd3baaf60e6904a7e&&@邹昕&/a& &a class=&member_mention& href=&//www.zhihu.com/people/f0c76dd186cadbfe466f22& data-hash=&f0c76dd186cadbfe466f22& data-hovercard=&p$b$f0c76dd186cadbfe466f22&&@卡牌大师&/a& &a class=&member_mention& href=&//www.zhihu.com/people/29a386cc4b62dd3a95af790ba2fcf1cb& data-hash=&29a386cc4b62dd3a95af790ba2fcf1cb& data-hovercard=&p$b$29a386cc4b62dd3a95af790ba2fcf1cb&&@Han Hsiao&/a& &a class=&member_mention& href=&//www.zhihu.com/people/4920fca107ec266a26bf578ff112a6d3& data-hash=&4920fca107ec266a26bf578ff112a6d3& data-hovercard=&p$b$4920fca107ec266a26bf578ff112a6d3&&@何明科&/a& &a class=&member_mention& href=&//www.zhihu.com/people/b09ea18dcf0c0& data-hash=&b09ea18dcf0c0& data-hovercard=&p$b$b09ea18dcf0c0&&@chenqin&/a& &a class=&member_mention& href=&//www.zhihu.com/people/8f89f417fbed95a9a9bf2& data-hash=&8f89f417fbed95a9a9bf2& data-hovercard=&p$b$8f89f417fbed95a9a9bf2&&@桑文锋&/a& &/p&&p&&br&&/p&&p&知乎上还有一些非常好的数据分析专栏，经常会有一些有意思的文章。&/p&&p&&a href=&https://zhuanlan.zhihu.com/hemingke& class=&internal&&数据冰山&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/dataman& class=&internal&&数据分析侠&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/donglaoshi& class=&internal&&董老师在硅谷&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/data-analyst-improvement& class=&internal&&一个数据分析师的自我修养&/a&&/p&&p&&br&&/p&&p&你看，其实梳理一遍之后是不是清晰了很多。把每一个部分的内容找来学习就可以了，但一定要在学习过程中找不同的问题来实践，在实践中发现问题去寻找答案，补足知识。种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！&/p&&p&&br&&/p&&p&DC学院总结了无数的优秀分析师爬坑经验，和无数的数据分析书籍，开了一门系统数据分析课，就是按照以上的学习路径。如果你有兴趣，可以看看：&a href=&//link.zhihu.com/?target=https%3A//www.dcxueyuan.com/%3Fslxydc%3D3c75bf%23/classDetail/classIntroduce/1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据分析师（入门）-DC学院&/a&&/p&&p&关注公众号（datacastle2016），获取更多数据分析干货。&/p&
没有什么牛逼的事情是能够速成的，越是底层的、收益周期越长的技能越是这样。但这并不代表，我们不能用一些有意思的方法，把学习的过程变得高效而有趣。学习一门技术之前，你应该知道，你想要达成的目标是什么样的，也就是说，你想通过这门技术来解决哪些问…
&p&我是看了这个回答来慢慢学习的，一共用了一个月时间，走了很多弯路总结一下这一个月的努力。希望大家少走点弯路&/p&&p&&b&一、基础理论篇&/b&&/p&&p&&b&目的：&/b&&/p&&p&1.了解建立数据库的意义，为什么不能用excel而需要用数据库？以及有哪些方面的应用？&br&2.数据库系统在整个网站中处于一个什么位置？在数据后台如何调用数据库的数据？&br&3.数据库的应用范围？什么时候才不得不使用数据库？什么时候数据库也不灵了？&br&（大概10万条就可以使用了，千万级的就到极限了，这玩意谁知道了）&br&4.表与表之间存在着怎样的逻辑？理解实体、关系、主键、外键。&/p&&p&&b&推荐资料：&/b&&/p&&p&数据库原理（第5版）—清华大学出版社—赵艳铎和葛萌萌翻译的&/p&&p&这本书讲的比较通俗易懂，很快就能理解数据库是怎么回事。其次再看看知乎里面关于数据库的性能评价。&/p&&p&&b&二、基础操作篇&/b&&/p&&p&&b&目的:&/b&&/p&&p&1.学会操作一些基本的select的操作：&/p&&p&重点注意：&br&where和having的区别，&br&join需要注意用on，&br&like、=、is null的区别 还有null与空格的区别&br&order by的局限&br&group by如何在count等命令下分组，&br&mid如何正向反向查询字符串位置&/p&&p&基本做到给你一堆数据，你可以查到你想要的&/p&&p&2.了解索引，知道如何建立索引，应用索引&/p&&p&3.了解数据类型，知道如何给各个数据建立对应的模型（兄弟连视频教学讲的比较明白）&/p&&p&重点了解：&/p&&p&char与varchar的区别&br&tinyint、smallint的范围&br&float与double的区别&br&date相关类型的输入条件与输出效果。&/p&&p&&b&推荐资料：&/b&&/p&&p&w3school&br&链接：&a href=&//link.zhihu.com/?target=http%3A//www.w3school.com.cn/sql/sql_create_table.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL CREATE TABLE 语句&/a&&/p&&p&sql执行顺序&br&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/qanholas/archive//1859924.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql执行顺序 - qanholas - 博客园&/a&&/p&&p&数据库系统概论第四版&/p&&p&w3school介绍了一些基本的操作指令，浅显易懂，但是远远不够，需要再看看数据库系统概论第四版的第三章和第九章作为补充。&br&对了，安装也是个事，看附件吧。&/p&&p&&b&三、练习篇&/b&&/p&&p&&b&推荐：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/friendan/article/details/8072668& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL查询语句练习题27道 - friendan的专栏 - 博客频道 - CSDN.NET&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.360doc.com/content/12/76.shtml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql 经典试题&/a&&/p&&p&先做前面的，不会的再到网上查，后面的确实比较难，FUCK，我就做反了。&/p&&p&&b&四、原理篇（这里主要是HIVE的原理）&/b&&/p&&p&这是我们内部的分享资料，重点是需要大家了解HIVE的执行原理，join的用法，SQL的执行顺序等等，这是我们写复杂SQL的基础。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-53c939bcaafa9e2598bbb1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1063& data-rawheight=&589& data-default-watermark-src=&https://pic2.zhimg.com/50/v2-59a214f4ce59e282a2f722aa_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1063& data-original=&https://pic3.zhimg.com/50/v2-53c939bcaafa9e2598bbb1_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-71ffecd958b61eeabb01db1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1068& data-rawheight=&584& data-default-watermark-src=&https://pic1.zhimg.com/50/v2-67da74fcdda35b1caedeef_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1068& data-original=&https://pic1.zhimg.com/50/v2-71ffecd958b61eeabb01db1_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-d8f4dba767_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1068& data-rawheight=&597& data-default-watermark-src=&https://pic4.zhimg.com/50/v2-9effad04c17b9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1068& data-original=&https://pic4.zhimg.com/50/v2-d8f4dba767_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-d556eb5e39c932c0f46f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1066& data-rawheight=&598& data-default-watermark-src=&https://pic4.zhimg.com/50/v2-052e91ca0c_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1066& data-original=&https://pic2.zhimg.com/50/v2-d556eb5e39c932c0f46f_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-3285870dce8ee3c0cc06ed19d961cf31_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1073& data-rawheight=&598& data-default-watermark-src=&https://pic3.zhimg.com/50/v2-e3317854baa1740dccd2a_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1073& data-original=&https://pic1.zhimg.com/50/v2-3285870dce8ee3c0cc06ed19d961cf31_r.jpg&&&/figure&&p&&br&&/p&&p&&b&学到这时候，你基本就算入门了，可以上手写SQL了，但是SQL中会遇到一些有难度的问题，需要掌握一些牛逼的函数，把他们学会，再练一下复杂的SQL，那么恭喜你，你的SQL技能已经完全可以经得起任何面试和工作了（查询部分哈）&/b&&/p&&hr&&p&&b&五、高阶段语句掌握&/b&&/p&&p&&b&case when then else end&/b&&/p&&p&个人认为性价比最高&br&&br&对于分组查询非常有用。&br&例如你想要查各个时间段各数据出现的次数，你只有07:28这样的时间，而你需要的是07:00~08:00这样的时间段，这时就需要case来转化&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//lj.soft.blog.163.com/blog/static//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL中的case when then else end用法&/a&&/p&&p&&br&&/p&&p&&b&开窗函数（row_number（）over（partition by 分组字段 order by 排序字段）是最常用的）&/b&&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//blog.csdn.net/qq_/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql中的开窗函数over() - CSDN博客&/a&&/p&&p&&br&&/p&&p&HIVE时间函数汇总（这个是HIVE的哈）&/p&&p&对于美团，滴滴，快手等大部分互联网公司，大部分数据需求都是和时间相关的，所以熟练掌握时间函数非常的重要。&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&赵立生：SQL进阶--hive中的时间函数&/a&&/p&&p&&br&&/p&&p&正则表达式&/p&&p&做文本挖掘的时候经常会用到正则表达式，比如说我想查订单地址中含有赵立生这三个字的订单明细&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/regexp/regexp-metachar.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&正则表达式 - 元字符 | 菜鸟教程&/a&&/p&&p&&br&&/p&&p&&b&怎么样？又感觉自己牛逼的不行了？再练点更难的题吧!&/b&&/p&&p&&br&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&奔跑的向日葵：Mysql 面试习题（一）深坑&/a&&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//www.nowcoder.com/ta/sql%3Fpage%3D0& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据库SQL实战_牛客网&/a&&/p&&p&&br&&/p&&p&再来一道我面试时遇到的一道题：&/p&&p&&br&&/p&&p&主播表：字段名称：日期，主播ID，房间ID，开播时间；&/p&&p&观众表：字段名称：日期，观众ID，房间ID，进入房间时间&/p&&p&问，主播开播三分钟内没有观众的房间数量（本月日均的）？&/p&
我是看了这个回答来慢慢学习的，一共用了一个月时间，走了很多弯路总结一下这一个月的努力。希望大家少走点弯路一、基础理论篇目的：1.了解建立数据库的意义，为什么不能用excel而需要用数据库？以及有哪些方面的应用？ 2.数据库系统在整个网站中处于一个什…
&figure&&img src=&https://pic4.zhimg.com/v2-14f7d02ce0f3b8da3281d_b.jpg& data-rawwidth=&640& data-rawheight=&445& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-14f7d02ce0f3b8da3281d_r.jpg&&&/figure&&p&因为工作原因，要和数据库打交道，除了公司内网自带的指标平台、可供下载固定格式固定内容的有限张表之外，更多情况下需要自己从数据库中灵活的取数，因此必须迅速学习和使用SQL语言。事实上，作为使用最为广泛的数据库语言，SQL是有些明显的优点的：通用性强，几乎所有重要的DSMS都支持SQL，针对不同的数据库，如hivesql、mysql、sql server、oracle等，sql语法总体上大同小异，只是细微处的差别；简单易学，关键词很少，且贴近英文语法，普通的使用，一到两周应该可以初步使用。我们公司使用的是ADHOC(advanced&br&data handler for on-line control)平台下的，hiveSQL语法，我的学习也是先基于标准SQL语法学习的。为了鼓励大家，我想说我也是纯小白一枚，零基础，现在谈谈我的学习顺序和一点心得。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7ac3b629a5ae_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&426& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-7ac3b629a5ae_r.jpg&&&/figure&&p&学习程序 也要发扬匠心精神，如切如磋，如琢如磨！&/p&&p&首先声明，我们公司使用的数据库，使用的代码结构并不复杂，不需要很高级的语句，只用最基本的select、join、group by就可以，只要你语法正确、能顺利跑下来，就可以了。所以，一开始我就奔着实用的态度选取资料学习的；大而全的专业书籍直接pass、高级技巧先放在一边，号召“打好基础”、一来就推荐好几本类似《数据库基础》的纯理论基础大部头也只能弃之不用。经过仔细搜索，我确定的方法是：纸质书一本《SQL必知必会（第4版）》(Ben Forta)，在线刷题网站一个SQLZOO，&a href=&https://link.zhihu.com/?target=http%3A//sqlzoo.net/wiki/SELECT_basics/zh& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&sqlzoo.net/wiki/SELECT_&/span&&span class=&invisible&&basics/zh&/span&&span class=&ellipsis&&&/span&&/a&。书看两遍，题刷两遍，就能实现掌握基础知识，大约70%？吧。学完这些，就可以硬着头皮开始尝试取数了，当然刚开始会有很多报错，但是通过错误能学到更多、进步更快。这时要想进阶的话，书可以看更全更专业一些的，刷题的话，可能要找找英文网站或者用一个数据库管理软件自己创建数据库然后练习。关于自学方法和资料网上一搜一大堆，可以自己关注下吧，这里不多说哦。&/p&&p&我想分享的是我学习的一点总结，和初始阶段经过的一些雷区。&/p&&p&首先说语句结构。SQL 语句有一个让大部分人都感到困惑的特性，就是SQL 语句的执行顺序跟其语句的语法顺序并不一致。当然也温馨提示下，并非所有的数据库对 SQL 语句使用相同的解析方式，这时具体情况具体对待吧，如果出现报错，可以查阅相关帮助文档或咨询度娘。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-92ccf9af2b37e5d81e990_b.jpg& data-size=&normal& data-rawwidth=&668& data-rawheight=&577& class=&origin_image zh-lightbox-thumb& width=&668& data-original=&https://pic4.zhimg.com/v2-92ccf9af2b37e5d81e990_r.jpg&&&figcaption&SQL语法及执行顺序&/figcaption&&/figure&&p&&br&&/p&&p&如图所示，我们书写的时候，要注意关键字的顺序，比如select，from写完后，要先where，然后group by，然后having，order by永远是放在最后面。但是实际执行的时候，系统先跳过select，从from开始、加载需要处理的表格，然后where进行初步过滤，注意这个过滤是在分组前进行过滤，然后通过group by进行分组，再利用having进行分组后的过滤、筛选满足条件的组，然后才是select及其之后的语句。理解了这一点，也就很容易理解一些语法规定了，例如：where条件中不能跟聚合函数，而having后面可以；执行顺序where&聚合函数(sum,min,max,avg,count)&having，order by是最后的显示结果进行排序，必须放于最后，等等规定。&/p&&p&其次，是一些关键而重要的关键词的使用。&/p&&p&（1）LIKE关键字，Like中最好只用%通配符。例如，要显示包含单词“United”为名称的国家：WHERE name LIKE '%United%';（正确），WHERE name LIKE '*United*'（报错）。很多朋友会问，为什么我在以上查询时用“%”而不用“*”？我也查了资料，表明：%表示包含零个或更多字符的任意字符串。在搜索串中，%表示任何字符出现任意次数。百分号很兼容，但是其他的通配符都不一定兼容。也有说，星号往往使用在首尾的时候，例如姓张的名字：’张*’，或以强结尾：’*强’，等等。但为了保险起见，我建议以后在使用like关键字时，优先用%通配符。另外，注意“或”的用法，例如：提取以A或B开头的国家名称，&/p&&p&where name like ’A%’ or ’B%’（错误），where name like&br&('A%' or 'B%' )（错误），&/p&&p&WHERE name LIKE 'A%' OR name LIKE 'B%';（正确）。&/p&&p&（2）In，当结果不止一个时使用。例如：where name in&br&(‘France’, ‘Germany’, ‘Italy’)，这里，一是注意要用圆括号，二是，内容如果是字符串，要用英文状态下的单引号。这里还有些雷区，例如题目：选取在阿根廷Argentina及澳大利亞 Australia所在的洲份中，&/p&&p&where continent &b&in&/b&&br&(select continent from world where name in ('Argentina','Australia‘) ) （正确）&/p&&p&注意：这里，嵌套括号中的结果不止一个，就要用in(),而不能用等于=号，否则出错。类似的，&，&，&=等等，后面都只能跟一个值，如果值多于一个，要用all，例如：where&br&&= &b&all&/b&(select population&br&from world b where b.continent = a.continent )，如果省了all，则会报错。&/p&&p&另外有一个雷区，in的对立面并不是NOT IN！not in等价的含义是&& all，例如In(‘A’,’B’)：A或者B；not in (‘A’,’B’)：不是A且B。为避免混淆，最好尽量避免或使用not in。&/p&&p&（3）关于聚集函数。为方便数据统计的检索，SQL给出了5个聚集函数(aggregate&br&function)，COUNT，SUM，AVG，MAX，MIN，计算并返回一个值。SQL的聚集函数在各种主要SQL实现中得到了相当一致的支持。聚集函数使用语法简单，尤其当group by与聚合函数配合，十分好用！要求什么的聚合函数，就先按照它来group by，然后直接count即可。不过，也有一些雷区要注意：&/p&&p&①在不用聚合函数的时候，单独用group by，group by 子句中必须包含所有的列，否则会报错，但此时虽然成功执行了，group by在这里并没有发挥任何的作用，完全可以不用；若不用聚合函数，就是按照group by后面字段的顺序，把相同内容归纳在一起&/p&&p&③如果只有聚合函数，而没有group by，则聚合函数用于聚合整个结果集 (匹配WHERE子句的所有行)，相当于只分一组。&/p&&p&④where后面不能放聚合函数！无论是count还是sum。那么如何解决呢，使用HAVING关键字！例如：having&br&sum(amount) &100&/p&&p&⑤order by 后面是可以跟聚合函数的，即可以用聚合函数排序。&/p&&p&另外，除了Count(*)函数外，所有的聚合函数都忽略NULL值。&/p&&p&（4）注意语句末尾的分号！SQL是不区分大小写的，也会忽略所有的空格。所以，SQL语句可以写成多行，但是写成长长的一行也是完全没有错的。但是，每一句话结束，如果不加分号，则出错。这里注意，select，create table，insert into 语句都是完整的一句话，分号结束。例如：&/p&&p&create table games (yr int,city varchar(255)) ;&/p&&p&insert into games (yr,city) values (2004,'Athens') ;&/p&&p&insert into games (yr,city) values (2008,'Beijing')&br&;&/p&&p&insert into games (yr,city) values (2012,'London') ;&/p&&p&SELECT * FROM&/p&&p&平时若只有一句话（例如select），可能没加分号也能执行，但如果涉及创建表、插入、改写，必须注意分号。值得一提的是case when语句，case when语句分为简单case函数和case搜索函数，具体含义自行百度，但是例如：SELECT name, （逗号不可丢！case when本质上还是一个字段的选取！）CASE WHEN&br&continent=‘Oceania’ THEN (不用加continent=)&br&'Australasia’ ELSE continent (不可省) END。最后的End容易丢，千万不要忘记。&/p&&p&（5）最后，说两个典型小问题的解决方法，看了很受启发。一是，最后排序时若要将某一类放在最前或最后，可以利用case when，巧妙的引用辅助列，帮助排序。例如：&/p&&p&①ORDER BY (case&br&when subject in ('Physics','Chemistry') then 1 else 0 end ), subject, winner&/p&&p&结果：科目为(‘Physics’,’Chemistry’)&br&的排在最后，其余科目按subject升序排列，&/p&&p&②ORDER BY (case&br&when subject in ('Physics','Chemistry') then 1 else 0 end ) desc, yr desc, winner&/p&&p&结果：将(‘Physics’,’Chemistry’)&br&排在最前；同一科目种类时，按年份从新到老；同一科目、同一年份时，按获奖者名字升序排列。&/p&&p&二是，一个经典问题：分组后取每组的前几条记录。这里看一个例子吧。&/p&&p&例：已知一个表， StudentGrade&br&(stuid--学号, subid--课程号, grade--成绩)。PRIMARY KEY&br&(stuid, subid)。&/p&&p&想要：查询每门课程的前2名成绩。&/p&&p&方法①：&/p&&p&select distinct * from&br&studentgrade as t1&/p&&p&where stuid in&/p&&p&(select top 2 stuid from&br&studentgrade as t2&/p&&p& where t1.subid=t2.subid &/p&&p& order by t2.grade desc) order by subid, grade&br&desc&/p&&p&思路：相同的表格自联结，第二个表格将相同学科的所有学生按成绩排序-倒序，选取前二。注意，mysql不支持select top n的语法！但是mysql可用limit来实现相关功能。&/p&&p&方法②：&/p&&p&select * from StudentGrade a&br&&/p&&p&where (select count(1) from&br&studentGrade b&/p&&p& where b.subId=a.subId and b.grade&br&&= a.grade) &=2&/p&&p&思路：第一个&=号，限制了查询条件是相同科目下成绩从大往小排，第二个&=号，表示筛选个数是2个（从1开始的）。&/p&&p&注意，这里大于等于、小于等于容易弄错，尤其是第二个。&/p&&p&方法③：&/p&&p&select * from StudentGrade a&br&&/p&&p&where (select count(1) from&br&StudentGrade b&/p&&p& where b.subid=a.subid and&br&b.grade& a.grade) &=1&/p&&p&order by subId, grade desc&/p&&p&思路：这两张表思路相同：相同表格自联结，返回相同学科并且成绩大于a表的影响行数。这就是查询条件，再按 subId,grade 排序。&/p&&p&SQL才入手两周，学习代码一定要实践，一定要实践，一定要实践（重要的事情说三遍）！毕竟不是科班出身，学习不够系统，只能通过不断实践总结和不断踩雷排雷来进步了，但是，重复重复重复，是时候发扬匠心精神了！&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&?\Fe?&/p&
因为工作原因，要和数据库打交道，除了公司内网自带的指标平台、可供下载固定格式固定内容的有限张表之外，更多情况下需要自己从数据库中灵活的取数，因此必须迅速学习和使用SQL语言。事实上，作为使用最为广泛的数据库语言，SQL是有些明显的优点的：通用性…
&p&首先，sql是所有数据库查询的语言，sql由于本身结构化的特点，非常容易入手。针对不同的数据库，如hivesql、mysql、sqlserver、oracle等，sql语法会有所不同，但是总体上大同小异，只是细微处的差别。&/p&&p&如果你是数据库小白，可以先补一下数据库知识；&/p&&p&如果你有数据库基础的，只需要找些sql查询的习题来做一下，就会很快的得到提高；&/p&&p&接着你想提高sql水平，进阶，就要学习一些比较高级的用法和技巧。&/p&&br&&p&&b&&u&1&/u&&/b&&b&&u&、数据库基础&/u&&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/yutianzuijin/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据库基础知识复习&/a&&/p&&p&其实这篇文章讲的就是所有要点，可以有针对性的了解不熟悉的。不太明白的就直接找一本《数据库原理》看看，大概5小时。&/p&&br&&p&&b&&u&2、sql习题&/u&&/b&&br&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/qaz13177_58_/article/details/5575711/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&经典SQL练习题&/a&&br&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/friendan/article/details/8072668& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL查询语句练习题27道&/a&&br&&/p&&p&可以自己搜索sql习题来实践，这里推荐2个习题。大概10小时就可以掌握。&/p&&br&&p&&b&&u&3&/u&&/b&&b&&u&、sql进阶&/u&&/b&&/p&&p&（1）sql执行顺序。当sql逻辑复杂后，sql的执行顺序就会非常重要。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/qanholas/archive//1859924.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql执行顺序 - qanholas&/a&&/p&&p&（2）SQL ROW_NUMBER() OVER函数。用作分组排序，比如各个省份税收排名前20的企业。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/gy51Testing/archive//2609832.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL ROW_NUMBER() OVER函数的基本用法用法&/a&&/p&&p&（3）case when then else end。用作条件判断，比如将10、11、12、13……19、20岁的人群新生成一个字段‘年龄段’取值为10-20岁；聚合函数分别计算，如sum(case when 性别=‘男’
then 收入 end) as 收入_男，sum(case when 性别=‘n女’
then 收入 end) as 收入_女&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//lj.soft.blog.163.com/blog/static//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL中的case when then else end用法&/a&&/p&&p&（4）select时加标签。例如select出某一特征user_id时新建一个tag字段作为用户的标签。&/p&&p&select user_id,'白领' as tag&/p&&p&（5）差集运算。例如取A集合中不包含在B集合的用户，做差集。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/dr_guo/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Hive差集运算详解&/a&&/p&&p&进阶技巧和方法是在平常使用中逐步积累的，这里只举出几个常用的。&/p&
首先，sql是所有数据库查询的语言，sql由于本身结构化的特点，非常容易入手。针对不同的数据库，如hivesql、mysql、sqlserver、oracle等，sql语法会有所不同，但是总体上大同小异，只是细微处的差别。如果你是数据库小白，可以先补一下数据库知识；如果你有…
&figure&&img src=&https://pic3.zhimg.com/v2-a8faed3fc6fa4bceb198f_b.jpg& data-rawwidth=&1920& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-a8faed3fc6fa4bceb198f_r.jpg&&&/figure&&h2&&b&01 序幕&/b&&/h2&&p&大家好，我是翻滚吧美队，在今年3月左右成功转行到数据分析领域，是真正的零基础转行数据分析。想必许多人想往这方面发展，而我的经历恰好能够证明：&/p&&p&&b&零基础转行数据分析是可行的！&/b&&/p&&p&&b&要入门的话，3个月的时间也是足够的！&/b&&/p&&p&但转行之路并不是轻松，中间的经历、迷茫、困难有很多，但你要始终相信：&/p&&p&&b&人往高处走，水往低处流，当你感觉到吃力时，往往是你进步最快的时候！！！&/b&&/p&&blockquote&&b&蔡康永说：&/b& &br&&b&15岁觉得游泳难，放弃游泳，&/b& &br&&b&18岁遇到一个你喜欢的人约你去游泳，你只好说“我不会”。&/b&&br&&b&18岁觉得英文难，放弃英文，28岁出现一个很棒但要会英文的工作，你只好说“我不会”。&/b&&br&&b&人生前期越嫌麻烦，越懒得学，后来就越可能错过让你动心的人和事，错过新风景。&/b&&/blockquote&&p&下面我将分享一下我的数据分析转行经历，与大家漫谈一些心得，愿这些知识可以帮你少走弯路，尽早达到人生巅峰。（我会按照下面的图示来讲）&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-210cfafb2ca5ee3e5b58_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&777& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&777& data-original=&https://pic1.zhimg.com/v2-210cfafb2ca5ee3e5b58_r.jpg&&&/figure&&p&&b&02 数据分析是什么？&/b&&/p&&p&&b&数据分析是什么玩意？你要转行到一个陌生的行业，你必须先要明白以下五点：&/b&&/p&&ul&&li&数据分析是啥？&/li&&li&学了它有什么用？&/li&&li&掌握它需要哪些必备技能？&/li&&li&数据分析的职业发展道路&/li&&li&行业今后的发展状况&/li&&/ul&&p&&br&&/p&&p&接下来我将针对上述几点，结合我的转行经历，分别来讲述关于数据分析的一系列问题。&/p&&p&首先，数据分析是如何定义的？&/p&&p&最开始你不需要对其有很深的了解，知道其基本情况即可，引用度娘的话语就是：&/p&&blockquote&数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。&/blockquote&&p&是不是感觉有些啰嗦？&/p&&p&我简单描述为：用一些方法对大量数据进行分析，提取总结关键信息，并以此来做决策。&/p&&p&&b&下图更为形象：&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e807f3d866dde24a8e2a30b3f705a5e1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&848& data-rawheight=&553& class=&origin_image zh-lightbox-thumb& width=&848& data-original=&https://pic2.zhimg.com/v2-e807f3d866dde24a8e2a30b3f705a5e1_r.jpg&&&/figure&&p&当然，数据分析是一个不断发展的体系，单用一行文字难以诠释它的内涵，必须结合工作实际加以应用，结合工作后，相信你会数据分析有更加高层次的理解。&/p&&p&&br&&/p&&p&&b&03 个人转行背景&/b&&/p&&p&&b&本人&/b&男，今年25岁，目前工作四年，之前从事财务相关的职位，现已转行到数据分析。&/p&&p&从去年3月开始做一些关于转行数据分析的准备，有两句话说的挺好的：&/p&&blockquote&God helps those who help themselves.&br&&b&机会总是留给有准备的人。&/b&&/blockquote&&p&还有一句是：&/p&&blockquote&&b&勤能补拙是良训,一分辛苦一分才。&/b&&/blockquote&&p&我要去一个陌生的领域，必须有所准备，俗话说：不打无准备之战。&/p&&p&我与数据分析结缘是来源一个机缘巧合，好，来开始介绍我的转行背景。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-eea6f613b533_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&440& data-rawheight=&311& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&https://pic4.zhimg.com/v2-eea6f613b533_r.jpg&&&/figure&&p&本人大学学的财务专业，为啥选这个专业呢？当时高中毕业时和很多人一样，&/p&&p&对自己大学读的专业是感到迷茫的，有人说读财务专业好，跟钱相关，数钱呢！&/p&&p&而且就业好，好多公司都要！&/p&&p&看来当时头脑比较简单，想到“钱”进选了这个专业。&/p&&p&毕业后，自己凭借实力（这里指当时的综合实力）去面试了多家公司，拿了不少offer，&/p&&p&是当时班上的一大霸主，简称“面霸”，心中也欣喜了一阵子，至少有很多公司使认可我的实力。当年6月我经过认真考虑后，选择了沿海的一家知名企业，做汽车方面的，名气挺大的，重点是看上了它的发展潜力和公司业务的前景，所以把另外一个特区城市的当地国企婉拒了。&/p&&p&当时我的感受的是这样的：（悠闲...）&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-cc749db979c7ccb3e3a97bfe33511a15_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&140& data-rawheight=&116& class=&content_image& width=&140&&&/figure&&p&后来家人介绍说来某个公司试试，我想离正式工作有一个多月，就答应回去试下机会。&/p&&p&这是一家国企，然后，家里人开始跟我做思想工作，说各种好，比如要考虑职业稳定，要考虑结婚、这里工作悠闲等各类好话，我经不起他们的说辞，就答应了。工作后，我认为工作环境是这样的...&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1b6e5c80c5aef6a047cd0_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&525& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&525& data-original=&https://pic1.zhimg.com/v2-1b6e5c80c5aef6a047cd0_r.jpg&&&/figure&&p&&br&&/p&&p&然后是这样的画风...(在大山里...）&/p&&figure&&img src=&https://pic2.zhimg.com/v2-321bace286bcd57fb9e21_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&940& data-rawheight=&627& class=&origin_image zh-lightbox-thumb& width=&940& data-original=&https://pic2.zhimg.com/v2-321bace286bcd57fb9e21_r.jpg&&&/figure&&p&&br&&/p&&p&有人说风景很好呀，空气好，山清水秀的。&/p&&p&是的，风景是可以，确实也是山清水秀，但远离城市，远离社会的信息中心，即使有网络，有篮球、羽毛球、乒乓球等各种运动来丰富生活，吃饭不要钱，住宿免费，即使这样，你每天面对的人几乎一成不变，人际圈小，交流也比较匮乏，你在这里呆一两个月当做体验没有问题，但时间变成是一年、两年甚至更久了？&/p&&blockquote&&b&我在这里可以看到30年后的自己的样子，你不觉得可怕吗？&/b&&/blockquote&&p&我心中一直有一个闯劲，一直想去一个地方证明自己的实力，不想人生就这样被定型，过一个自己想要的生活。&/p&&p&一年过年前夕，在偶然的机缘机遇下，我在看一本杂志，我随意翻开其中一页，是介绍今年的就业行情和信息的。这本杂志叫做《第一财经周刊》，它形象的介绍了各类最有“钱途”的职业，我看到排名第四位是一个陌生的名词，是数据分析职位，从数据来看，是挺有“钱途”的。&/p&&p&杂志长这样的：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-c4d02eb8abfdfdbc6a318_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&808& data-rawheight=&349& class=&origin_image zh-lightbox-thumb& width=&808& data-original=&https://pic1.zhimg.com/v2-c4d02eb8abfdfdbc6a318_r.jpg&&&/figure&&p&&br&&/p&&p&当时我在想，既然打算去一线城市走走，而且自己也年轻，不如来一次华丽的转行？&/p&&p&虽然有人说：“转行穷三年”，但时代在变化，有可能转行不会变穷（比如我，哈哈...）,&/p&&p&此时各类成本最小，像刘欢的歌词所说：&/p&&blockquote&&b&大不了从来再来！&/b&&/blockquote&&p&&b&既然有破釜沉舟的勇气，那就砥砺前行，勇往直前！&/b&&/p&&p&&br&&/p&&p&&b&04 关键知识储备&/b&&/p&&p&&b&既然准备转行，那就必须进行一些前期准备，知识要求可参照下面的文字云：&/b&&/p&&p&&b&（借鉴了某人的...）&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-3f7a6b8b0f72aabe712ea5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&541& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&541& data-original=&https://pic2.zhimg.com/v2-3f7a6b8b0f72aabe712ea5_r.jpg&&&/figure&&p&&br&&/p&&p&&b&同时参照某知名招聘网站的要求一条条来解读分析，举个例子：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ec0fb487aeb3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&801& data-rawheight=&577& class=&origin_image zh-lightbox-thumb& width=&801& data-original=&https://pic4.zhimg.com/v2-ec0fb487aeb3_r.jpg&&&/figure&&p&&br&&/p&&ul&&li&&b&工作经验先忽略（我们刚转行的...手动笑脸...）；&/b&&/li&&/ul&&p&&br&&/p&&ul&&li&&b&国家重点院校，本科要求：（学历是敲门砖）&/b&&/li&&/ul&&p&
这个每个人情况不同，是自身的学校实力表现，是面试一个加分项；&/p&&p&&br&&/p&&ul&&li&&b&有较强的数据敏感性和数据驱动业务意识：&/b&&/li&&/ul&&p&
这个是指你必须要对数据敏感，数据驱动业务意识是指你要学会用数据指导业务，帮助业务发展壮大，是数据分析的一个关键目标，简言之：能赚钱！&/p&&p&
这类意识需要在工作中不断积累和培养。&/p&&p&&br&&/p&&ul&&li&&b&关键技能：精通SQL、Excel，熟悉python或者R等统计类工具：&/b&&/li&&/ul&&p&
这个是重点技能，请看用词，精通SQL、Excel，两大王牌你必须要精通，是基础分析工具；而python或者R等统计工具你要熟悉，熟悉即可，根据工作需要进行调整学习。&/p&&p&
我的建议是：先学Excel、SQL，两项可以占日常工作量的80%（一般公司规模），&/p&&p&根据二八原则，明智的选择是把两项技能学扎实，请注意，扎实！！！&/p&&p&python/R技能也要学习，根据自己的进度来学习，俗话说：“技多不压身！”哈哈~~&/p&&ul&&li&&b&百万产品经验先忽略，新手没有这些；而后面的沟通能力等描述是指：&/b&&/li&&/ul&&p&
作为数据分析师，你要首先熟悉业务，只有基于业务才能进行有效的分析，这也是数据分析师的重要技能之一。&/p&&p&&br&&/p&&p&&b&总结：作为一名合格的数据分析师，你需要至少以下三点技能：&/b&&/p&&ul&&li&必要的SQL、Excel+python\R技能；&/li&&li&正确的理解业务；&/li&&li&基本的数据使用意识和学习能力。&/li&&/ul&&p&&br&&/p&&p&&b&05 心态历练&/b&&/p&&p&转行过程中个人必要技能的锤炼是很重要，&/p&&p&&b&但转行过程中保持良好积极的心态也是转行成功的必备要素之一。&/b&&/p&&p&我转行前是受到家人、某些朋友的质疑和反对的，他们始终认为有一份体制内的工作是不错的选择，但个人想出去走走，体验一番新的生活。&/p&&p&&b&这其中有两个关键节点的心态非常重要：&/b&&/p&&ul&&li&&b&学习知识时候的心态；&/b&&/li&&/ul&&p&
你是不是发现每当你热情满满的开始新一轮学习后，学了几天就放弃了？&/p&&p&
你是不是发现你遇到一个难题时，无人帮你解答而感到无助？&/p&&p&
你是不是发现一人独自学习时未免有些孤独？&/p&&blockquote&&b&但往往是越困难的时候，人越想放弃，但一旦越过这个坎，那就是&/b& &b&
“柳暗花明又一村啦”！&/b&&/blockquote&&p&&br&&/p&&ul&&li&&b&求职时的心态；&/b&&/li&&/ul&&p&求职也是同样的道理，它是一件极度考验人的耐心的时候，&/p&&p&
此时你需要保持积极乐观的心态（不是吹牛...），每次面试总结经验，不断提高自身的水平，自信在此时是非常非常重要的！！！&/p&&p&
（求职方面可以写很多，鉴于篇幅有限，我会再另起一篇专门写这个的...）&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&06 职业发展道路&/b&&/p&&p&数据分析是一类新型职业，是统计学和分析类的职业的结合而形成的。&/p&&p&关于它的职业规划目前有三种，分别是&/p&&p&&b&市场调研方向、数据分析/挖掘方向和数据工程师方向。&/b&&/p&&p&&b&我参照挖数哥的路径，截取了部分图&/b& &a class=&member_mention& href=&http://www.zhihu.com/people/f4bb407ada02f85806d50& data-hash=&f4bb407ada02f85806d50& data-hovercard=&p$b$f4bb407ada02f85806d50&&@挖数&/a& （如有侵犯，我会删图的）&/p&&p&（挖数哥必须是资深的大数据挖掘工程师，哈哈...）&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e70bae884e301edb62d7ea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&513& data-rawheight=&439& class=&origin_image zh-lightbox-thumb& width=&513& data-original=&https://pic3.zhimg.com/v2-e70bae884e301edb62d7ea_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-0dab2ae50_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&461& data-rawheight=&440& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic1.zhimg.com/v2-0dab2ae50_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d1aa3500f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&427& data-rawheight=&436& class=&origin_image zh-lightbox-thumb& width=&427& data-original=&https://pic2.zhimg.com/v2-d1aa3500f1_r.jpg&&&/figure&&p&&b&第一个偏业务&/b&，主要是市场上的咨询公司，不太喜欢技术的，可以考虑这个类型；&/p&&p&&b&第二个目前是我走的路线，数据分析师方向&/b&，其中也可能涉及到数据挖掘，&/p&&p&我觉得这条路线会同时涉及到业务和技术，但在做数据挖掘之前不需要太硬的技术。&/p&&p&但你想走的更远，那算法、机器学习你总要了解一下。&/p&&p&&b&第三个是工程师方向&/b&，以技术为主，类似于现在的java开发，现在流行的大数据工程师，如hadoop、scala、spark等大数据建模技巧，实现数据仓库的搭建等等。它们的技术性很强，适合喜欢做开发的GG和MM们。&/p&&p&&br&&/p&&p&&b&总之，根据自身的特点选择适合自己的职业发展方向，有目标才有前进的动力！&/b&&/p&&p&&br&&/p&&p&&b&07 后记&/b&&/p&&p&&b&这里我来谈谈转行学习时我会如何找乐子的，就拿我学习python的过程来说。&/b&&/p&&p&我是零基础没有学过任何编程语言，我入门python时，发现其语言的简洁性和易读性使我能够快速的学习它，就像学英语一样。当然我找了学python的一个重要分支来入门，那就是&/p&&p&&b&爬虫！！！&/b&&/p&&p&爬虫通俗来说就是用程序去网上抓取一些数据，把数据copy下来。&/p&&p&&b&为啥从爬虫入手？因为这是我看来学习python最有成就感的事情！可以快速看到自己的学习成果！而且很有趣。&/b&&/p&&p&&b&成果类似下面的：&/b&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4ba068e9198d55dbcbaa11b8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&476& data-rawheight=&514& class=&origin_image zh-lightbox-thumb& width=&476& data-original=&https://pic1.zhimg.com/v2-4ba068e9198d55dbcbaa11b8_r.jpg&&&/figure&&p&&br&&/p&&p&我用这些数据来分析现在市场上关于数据分析职位的招聘需求数、热门程度、工作类型、公司规模大小、需要的工作能力、薪资等方面，有这些数据，我才能针对性的学习技能和求职。&/p&&blockquote&&b&若学习python知识是输入，则爬虫是一个很好的输出！&/b&&/blockquote&&p&&b&下面是我用软件做的爬虫结果图：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-eadcd02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&2048& data-rawheight=&1536& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&https://pic3.zhimg.com/v2-eadcd02_r.jpg&&&/figure&&p&&b&有些牛人的效果图是这样的：&/b&&/p&&p&（挺好看的...哈哈...）&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0e9a685ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&352& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic3.zhimg.com/v2-0e9a685ee_r.jpg&&&/figure&&p&&br&&/p&&blockquote&&b&种一棵树&i&最好的时间是&/i&十年前,其次是现在。&/b&&/blockquote&&p&&b&望我的转行经历能对迷茫中的你有一点点帮助和启发，&/b&&/p&&p&为了共同学习，记录数据分析的成长史，我做了一个公众号，有兴趣可以关注：&/p&&p&&b&公众号：蜂鸟数据&/b&&/p&&p&&b&关注公众号，回复“数据”，即可获得最新一份数据分析资料。&/b&&/p&&p&&b&
回复&sql&，获得小白必备数据库教程，&/b&&/p&&p&&b&
回复&python&，获得python入门的好书（包通俗易懂~~）。&/b&&/p&&p&&br&&/p&&p&&b&（&/b&听说它可以帮你节省很多准备时间~~&b&）&/b&&/p&&p&&br&&/p&&p&&b&下面最新的文章或许能帮你拿到offer：&/b&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&翻滚吧美队：数据分析告诉你，这一招让你offer拿到手软！&/a&&/p&&p&&/p&
01 序幕大家好，我是翻滚吧美队，在今年3月左右成功转行到数据分析领域，是真正的零基础转行数据分析。想必许多人想往这方面发展，而我的经历恰好能够证明：零基础转行数据分析是可行的！要入门的话，3个月的时间也是足够的！但转行之路并不是轻松，中间的…
&figure&&img src=&https://pic4.zhimg.com/v2-3acf2c690a78dd36db0281_b.jpg& data-rawwidth=&692& data-rawheight=&433& class=&origin_image zh-lightbox-thumb& width=&692& data-original=&https://pic4.zhimg.com/v2-3acf2c690a78dd36db0281_r.jpg&&&/figure&&p&注公众号，&b&让时间慢下来&/b&，或者加作者（城市规划师也是专栏作家）微信unclecui1949。自动回复我多年来收集的&b&Matlab、Python、R、SPSS、数据建模、机器学习&/b&教程。记得点赞哦，多多支持。&/p&&p&更多文章：&/p&&p&PPT：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&让你的PPT脱颖而出的系统教程 - 知乎专栏&/a&&/p&&p&Photoshop：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&这可能是你见到的最系统学习Photoshop教程 - 知乎专栏&/a&&/p&&p&Word：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&Word基本功训练 - 知乎专栏&/a&&/p&&p&&b&数据源&/b&&/p&&blockquote&1：20个数据来源总结：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA3MDA3MjQ1MQ%3D%3D%26mid%3D%26idx%3D3%26sn%3D20a77bfc6f0%26scene%3D2%26srcid%3D0819qxdvzoKT44TavAIsSFQ0%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&收藏！这些数据获取方式，一般人不知道&/a&&/blockquote&&p&&b&SQL&/b&&/p&&p&1 ：W3School的基础教程：&a href=&http://link.zhihu.com/?target=http%3A//www.w3school.com.cn/sql/index.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL 教程&/a&&br&2 ：十步完全理解 SQL：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/55086/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&十步完全理解 SQL&/a&&br&3 ：让数据库变快的10个建议：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/12413/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&让数据库变快的10个建议&/a&&br&4 ：探索数据库的事务隔离级别：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/99774/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索数据库的事务隔离级别&/a&&br&5 ：格式化SQL来提高效率：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/85900/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&格式化 SQL 来提高效率&/a&&br&6： 优化SQL_SELECT语句性能的 6 个简单技巧：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/86391/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优化 SQL SELECT 语句性能的 6 个简单技巧&/a&&br&7 ：表达式，排名函数:&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/95110/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你真的会玩SQL吗？表表达式，排名函数&/a&&br&8： 子查询：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/95027/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你真的会玩SQL吗？无处不在的子查询&/a&&br&9 ：索引的重要性：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/93586/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&记一次 T-SQL 查询优化 索引的重要性&/a&&br&10： 记一次苦逼的SQL查询优化：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/88342/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&记一次苦逼的SQL查询优化&/a&&br&11： SQL Server 索引维护：如何获取索引使用情况：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/94300/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 索引维护：如何获取索引使用情况&/a&&br&12： SQL从入门到精通：&a href=&http://link.zhihu.com/?target=http%3A//database.51cto.com/art/08.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&专题：SQL Server入门到精通_51CTO.COM&/a&&/p&&p&&b&Python &/b&&/p&&p&1：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfa31d3bbdd8%26scene%3D2%26srcid%3D0427odiw0CEsMsrvaaqakryQ%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&给Python初学者的一些技巧 &/a&&/p&&p&2：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbf6b4206551fa%26scene%3D2%26srcid%3D0519Ery1ib9N5mRUWL10xdAi%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 资源大全 &/a&&/p&&p&3：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3Dc146f82bb2bc22ba5ce43f380escene%3D2%26srcid%3D0519NJ2raIuZ1IIkLfNYiRm0%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 的一些误区 &/a&&/p&&p&4：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dec53fdf044bdee4d19a2%26scene%3D2%26srcid%3D06148mLIwl3Qkc05e6vYafDQ%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 程序员的常见错误 &/a&&/p&&p&5：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3D474b41aaf59e3ascene%3D2%26srcid%3D0618j7tptIeRvLPiM2sookqc%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 性能优化的 20 条建议 &/a&&/p&&p&6：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3D5cd033f7bfe%26scene%3D2%26srcid%3D07189AuNI9PQo2oSsmdgX6CR%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferr}
404 Not Found
The requested URL was not found on this server.
您要找的内容已被删除还在骑马闯天涯？ 《远征手游》教你一招上天时间: 11:46:38来源:分享:相关搜索&:&十年经典革新，激情等待见证！飞行国战手游《远征手游》双平台公测现已开启，邀你重返远征世界，勇者再战！U3D引擎打造掌间4K画质，画风精致惊艳红尘，场景设定浑然天成、真实再现端游经典场景。如此美丽的风景，怎能踏马而过？今日，《远征手游》教你一招“上天”，360°无死角再赏天涯！远征手游来了《远征手游》官网&& http://yzsy.q1.com【完美还原端游 全新飞行坐骑如约而至】在《远征手游》中，坐骑作为一种承载工作，可以陪伴玩家骑行三界四处，饱览名山胜景，让杀伐决断的征程也充满喜悦。除去炫酷的外表和稳步提升的实力，《远征手游》不再仅仅是陆地坐骑，高空飞行坐骑如约而至，飒踏飞马、烈焰龙皇、七彩凌空……告别分花拂柳、哒哒马蹄，“一键上天”才是最正经的事情！海陆空坐骑大满贯飒踏飞马越空而起【大世界自由飞行 赏尽三界如画美景】只要翅膀穿得好，明年维密你开场！《远征手游》倾心打造羽翼系统，火域圣翎、星界铁羽、凤凰之翼……数十款华丽羽翼不但是霸气外露的表现，同时所带来的属性加成，必将扶摇直上九万里！而与其他游戏羽翼系统不同的是，《远征手游》按上翅膀真的能上天，按下“飞行”按钮，便可自由舒展羽翼翱翔九州尽赏天下美景！除了骑马闯天涯，各位dalao羽翼飞行了解下？华丽绚烂的翅膀羽翼飞行了解下【国战融入飞行元素 羽翼加持鏖战苍穹】除了360°环游三界外，《远征手游》中羽翼系统所带来的还有一个重要元素，那就是翼装飞行和空战！大世界自由飞行和全维度立体战斗正是《远征手游》的重要特色之一。你可以挥动着翅膀发动空战、空对地等多种战斗。由于翅膀都有自己的独有属性，这也让每一场战斗都产生了无数未知性，玩家的操作及搭配都将起到决定性的作用。融入飞行元素全维度立体战斗飞行国战手游《远征手游》双平台公测现已开启，全新战斗体系、最强的经典职业、创新国战玩法火热上线，让玩家享受没有猪队友，没有膀胱局的极致撸BOSS快感！
猜你喜欢similar game
扫二维码下载手机版2019 条评论分享收藏感谢收起赞同 3添加评论分享收藏感谢收起&blockquote&世界上只有一种治不好的病，就是穷病。&/blockquote&&p&电影《我不是药神》中谁都没有罪，有罪的是贫穷。&/p&&p&&br&&/p&&p&&br&&/p&&p&首先我用通俗易懂的方式给大家科普一下故事背后的逻辑。&/p&&p&&br&&/p&&p&首先，我们要知道，研发一种药品，前期需要投入天量的研发费用。但是研制成功之后，制造成本是很低的。一个没什么水平的小企业，拿到药品的配方，就可以以极低的成本生产药品。&/p&&p&大型药企会投入大量的成本去研发新药，研发出来之后，为了收回研发成本乃至获得利润，会把药品的价钱定的很高。大型药企销售的这种很贵的药叫做“正版药”，也就是电影里提到的4万块一瓶的瑞士格列宁。&/p&&p&同时，会有一些小型药企，没有实力搞研发，就直接拿过来大型药企的配方，按照配方制造药品。这类药品的疗效和“正版药”，区别不大，但是因为没有研发成本，定价会很低。这类药品被称作“仿制药”，也就是电影里提到的印度格列宁。&/p&&p&因为正版药的价格很贵，许多病人因为买不起药，最终离开了这个世界。如果我们同情病人，强制大企业降价或者允许小企业合法生产“仿制药”的话，会导致大企业收不回研发成本，也无法获得利润。最终大企业倒闭，再也没人愿意投资研发药品。长远来看会导致更多的人因为病痛而死去。&/p&&p&这就是药品专利之所以存在的意义。药品专利保证了药品研发者可以通过研发药品获利，从而鼓励了更多的人和企业投入药品研发这个工作之中，最终拯救更多的生命。&/p&&p&所以，虽然电影里瑞士的医药代表是以反派的形象出现的，国家的法律也显得不是那么正义（明明有更便宜的印度药，却不让老百姓用，只让老百姓用天价的正版药），但是事实上，这种保护药品专利的法律，长期来看，可以拯救更多的病人。&/p&&p&&br&&/p&&p&上面是从全人类的角度来分析的。但是事实上，人类分为许多不同的国家，我们是否可以不顾西方国家的人民，只维护本国人民的利益呢？&/p&&p&理论上是可以的，但是事实上很难做到。&/p&&p&由于中国的药物研发实力很弱，现在大型药企主要是西方企业。天价的正版药也是进口为主。是否尊重西方药企的药品专利，是各国政府可以自行决定的。比如印度政府就决定不尊重西方药企的专利，允许国内企业生产仿制药，这也是电影里存在廉价印度药的原因。&/p&&p&那么我们国家是否可以像印度政府一样，允许国内生产仿制药，至少不判定印度药非法，从而造福国内老百姓呢？&/p&&p&可以当然是可以，但是我们要考虑这样做最终会导致的结果。&/p&&p&事实上，这种“研发投入很高，但是压发成功之后抄袭很容易”的情况不仅仅在药物研发中存在，在很多其他领域——比如说工业领域——中同样存在。为了鼓励创新和研发投入，遇到这种情况，我们都是依靠“专利法”，依靠法律的强制力来避免抄袭的情况出现，这就是我们平常所说的“尊重知识产权”。&/p&&p&如果我们不尊重西方国家在药品方面的知识产权，西方国家自然就不会尊重我们在其他领域——主要是工业领域——的知识产权。如果我们允许国内生产仿制药，那么西方国家就会抄袭我们的工业专利，生产工业产品。最终导致我们的工业品卖不出去，企业倒闭，人民失业，经济衰退。&/p&&p&在这种情况下，虽然药品的价格从4万降到了500块，但是人民的收入也随之降低。病人并不会获得实惠，还会连累健康的人一起承担失业和收入下降的后果。&/p&&p&印度之所以可以生产仿制药，归根结底是因为印度实在是太落后了，本身不存在什么需要西方国家尊重的知识产权，因此自然没有必要尊重西方国家的知识产权。&/p&&p&所以，虽然很残酷，但是我们却不得不主动制定法律，尊重西方国家的知识产权，让老百姓用西方国家天价的正版药。&/p&&p&&br&&/p&&p&有人可能会问，那买不起药的老百姓就只能眼睁睁地等死吗？&/p&&p&其实也不是这样，我们还是有一些办法的。最有效的办法就是，由国家出面和药企谈判。首先将白血病纳入医保范围内，保证所有得这个病的人都能看得起病。然后以几千万患者这个“大市场”为筹码和药企谈判。因为对药的需求多了，即使每盒药的售价降低一些，药企也可以收回成本，所以药企也乐得薄利多销。&/p&&p&通过这种方式，我们可以让正版药一定程度的降价，虽然还是会比仿制药贵，但好歹还是降价了。同时药品的大半成本由医保承担，患者只需要承担一小部分，这样大多数人就都可以看的起病了。&/p&&p&但即使是这样，依旧有很多人看不起病。想要彻底解决这个问题，只有一个办法，那就是全民一起脱贫致富。&/p&&p&&br&&/p&&p&&b&请大家一定要记住：发展才是最大的人权。&/b&&/p&
世界上只有一种治不好的病，就是穷病。电影《我不是药神》中谁都没有罪，有罪的是贫穷。 首先我用通俗易懂的方式给大家科普一下故事背后的逻辑。 首先，我们要知道，研发一种药品，前期需要投入天量的研发费用。但是研制成功之后，制造成本是很低的。一个没…
泻药，&br&what的回答，得从最本质的问题入手。&br&&br&什么是数据分析？数据分析是什么？&br&ok，这里的关键词就是“数据”加“分析”吧。&br&&br&什么是数据（data）？什么是分析（analysis）？&br&某度一下就知道了。&br&【“数据”就是数值，也就是我们通过观察、实验或计算得出的结果。数据有很多种，最简单的就是数字。数据也可以是文字、图像、声音等。数据可以用于科学研究、设计、查证等。 】&br&【“分析”就是将研究对象的整体分为各个部分、方面、因素和层次，并分别地加以考察的认识活动。分析的意义在于细致地寻找能够解决问题的主线，并以此解决问题。】 &br&&br&好像挺浅白的，大家都懂嘛，但是数据分析不是很高深嘛，最近几年才火的啊。&br&&br&那我们来了解“数据＋分析”是什么？&br&【“数据分析”是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。&br&数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 】&br&&br&好了，这里的信息就加了很多吧，&br&“统计方法”“大量数据”“计算机”&br& 嗯，有点意思了是不是？数学基础知识？大量数据？还要计算机基础？&br&&br&原谅我转了这么久才想把最主要的说出来。&br&力图走一下正常的认知路径，能从简单的逻辑去认知数据分析，但是，很多人搜到这里，可能已经没耐性了，想着旁边抓个人问问得了吧。&br&&br&那么，数据分析到底干啥？其实最后的搜出来的，&br&【统计学】＋【计算机】＝数据分析一大半&br&&br&这就是基础，&br&这个不是老早都有了嘛，为什么现在才火呢？忘记了，还有个大量数据不是？但是这里缺少大量的什么数据？&br&其实吧，想想以前数据是什么样的？手抄纸质版？excel表格版？各种文件版？但是，现在有太大量的数据，比如简单的银行交易记录，生产环节的数据，超市的买卖数据，它们怎么处理呢？&br&&br&最后，给个结果吧，what是数据分析？&br&【数学知识】＋【计算机工具】＋【具体业务的大量数据】＝【数据分析】&br&这个什么意思呢？&br&那就是利用强大的计算机工具，并基于严谨的数学知识，去处理复杂业务存在的大量数据，最后得出数据的结论，来验证或者发现业务存在的问题。&br&&br&但是，现实中会有很多偏差，有可能是这样的:&br&【屌丝版】&br&1.利用简单的excel，基于初级的统计学知识，处理简单业务存在的小量数据，得出鬼都知道的数据结论，验证了业务实在不行或业务杠杠好的问题。&br&【高级版】&br&2.利用复杂的计算机工具（SPSS,SAS,R,MATLAB）,基于数据挖掘知识，处理复杂业务存在于数据库里的多维度的大量的数据，得出资深业务员都发现不了的数据结论，发现了业务存在的不足或异常问题的所在，支持或引导业务的决策。&br&&br&还有更多的偏差，例如数据分析，产品分析，市场分析，运营分析，销售分析，业务分析，这些岗位太多交叉，很难说得准，这个跟公司的业务与岗位的划分很有关系，这也难怪，不仅仅是数据分析分不清，其他岗位也一样不是？&br&&br&数据分析的理解，觉得最好的角度就是“互联网＋”的思维，这是神马啊？&br&&br&那就是“数据＋”的思维！&br&&br&数据单独没有任何意义，要放到具体的实际的业务才有意义，问你100你知道是什么意思？100元？100订单？100 pv？100 游戏币？。。。&br&&br&那么把数据分析当做一种技能，去对接具体业务才是实际有效的落地方案。&br&数据分析＋产品＝产品数据分析&br&数据分析＋运营＝运营数据分析&br&数据分析＋金融＝金融数据分析&br&数据分析＋网站＝网站数据分析&br&。。。&br&当然，还可以更细分。&br&数据分析＋运营+游戏＝游戏运营数据分析&br&多落地的岗位是吧。&br&&br&手机码字，排版可能乱点。如有问题，多多指出哈，欢迎一起交流，多年游戏＋APP数据分析从业者。&br&&br&另外欢迎加入目前灰常活跃的数据分析2000人QQ群:【数据分析在路上 】&br&数据分析在路上，我们晃晃悠悠！
泻药， what的回答，得从最本质的问题入手。 什么是数据分析？数据分析是什么？ ok，这里的关键词就是“数据”加“分析”吧。 什么是数据（data）？什么是分析（analysis）？ 某度一下就知道了。 【“数据”就是数值，也就是我们通过观察、实验或计算得出的…
&p&没有什么牛逼的事情是能够速成的，越是底层的、收益周期越长的技能越是这样。&/p&&p&但这并不代表，我们不能用一些有意思的方法，把学习的过程变得高效而有趣。&/p&&p&学习一门技术之前，你应该知道，你想要达成的目标是什么样的，也就是说，你想通过这门技术来解决哪些问题。有了这个目标，你就可以知道要达成这样的目标，它的知识体系是怎么样的。更重要一点的是，每个部分是用来解决哪些问题，只有明确的目标导向，学习最有用的那部分知识，才能避免无效信息降低学习效率。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&明确知识框架和学习路径&/b&&/h2&&p&比如数据分析这件事情，如果你要成为数据分析师，那么你可以去招聘网站看看，对应的职位的需求是什么，一般来说你就会对应该掌握的知识架构有初步的了解。你可以去看看数据分析师职位，企业对技能需求可总结如下：&/p&&ul&&li&&i&SQL数据库的基本操作，会基本的数据管理&/i&&/li&&li&&i&会用Excel/SQL做基本的数据提取、分析和展示&/i&&/li&&li&&i&会用脚本语言进行数据分析，Python or R&/i&&/li&&li&&i&有获取外部数据的能力加分，如爬虫或熟悉公开数据集&/i&&/li&&li&&i&会基本的数据可视化技能，能撰写数据报告&/i&&/li&&li&&i&熟悉常用的数据挖掘算法：回归分析、决策树、分类、聚类方法&/i&&/li&&/ul&&p&其次是数据分析的流程，一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实施一个数据分析项目。按照这个流程，每个部分需要掌握的细分知识点如下：&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-380a0f9a27f3ec3396fe1aec33ea8e38_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1044& data-rawheight=&832& class=&origin_image zh-lightbox-thumb& width=&1044& data-original=&https://pic4.zhimg.com/50/v2-380a0f9a27f3ec3396fe1aec33ea8e38_r.jpg&&&/figure&&p&&br&&/p&&p&高效的学习路径是什么？就是数据分析的这个流程。按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。然后每学习一个部分，你就能够有一些实际的成果输出，有正向的反馈和成就感，你才会愿意花更多的时间投入进去。以解决问题为目标，效率自然不会低。&/p&&p&按照上面的流程，我们分需要获取外部数据和不需要获取外部数据两类分析师，总结学习路径如下：&/p&&p&&b&1.需要获取外部数据分析师：&/b&&/p&&p&python基础知识&/p&&p&python爬虫&/p&&p&SQL语言&/p&&p&python科学计算包：pandas、numpy、scipy、scikit-learn&/p&&p&统计学基础&/p&&p&回归分析方法&/p&&p&数据挖掘基本算法：分类、聚类&/p&&p&模型优化：特征提取&/p&&p&数据可视化：seaborn、matplotlib&/p&&p&&br&&/p&&p&&b&2.不需要获取外部数据分析师：&/b&&/p&&p&SQL语言&/p&&p&python基础知识&/p&&p&python科学计算包：pandas、numpy、scipy、scikit-learn&/p&&p&统计学基础&/p&&p&回归分析方法&/p&&p&数据挖掘基本算法：分类、聚类&/p&&p&模型优化：特征提取&/p&&p&数据可视化：seaborn、matplotlib&/p&&p&&br&&/p&&p&接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据获取：公开数据、Python爬虫&/b&&/h2&&blockquote&&i&如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。&/i&&/blockquote&&p&外部数据的获取方式主要有以下两种。&/p&&p&&br&&/p&&p&第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。给大家推荐一些常用的可以获取数据集的网站：&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//archive.ics.uci.edu/ml/datasets.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&UCI&/a&：加州大学欧文分校开放的经典数据集，真的很经典，被很多机器学习实验室采用。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//data.stats.gov.cn/index.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&国家数据&/a&：数据来源于中国国家统计局，包含了我国经济民生等多个方面的数据。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.ceicdata.com/zh-hans& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CEIC&/a&：超过128个国家的经济数据，能够精确查找GDP, CPI, 进口，出口，外资直接投资，零售，销售，以及国际利率等深度数据。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.tjcn.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中国统计信息网&/a&：国家统计局的官方网站，汇集了海量的全国各级政府各年度的国民经济和社会发展统计信息。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.youedata.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优易数据&/a&：由国家信息中心发起，拥有国家级信息资源的数据平台，国内领先的数据交易平台。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.datatang.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据堂&/a&：同为数据交易平台，包含语音识别、医疗健康、交通地理、电子商务、社交网络、图像识别等方面的数据。&/p&&p&其他可以参考：&a href=&//link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s/Lggp4sBux_FFnC3m8xEWIA& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&有哪些一般人不知道的数据获取方式&/a&&/p&&p&&br&&/p&&p&另一种获取外部数据费的方式就是爬虫。&/p&&p&比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。&/p&&p&在爬虫之前你需要先了解一些 Python 的基础知识：&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/python/python-basic-syntax.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&元素（列表、字典、元组等）、变量、循环、函数&/a&（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）&/p&&p&网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。&/p&&p&掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。&/p&&p&除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据存取：SQL语言&/b&&/h2&&p&你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。&/p&&p&SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：&/p&&p&&b&提取特定情况下的数据：&/b&企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2017年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。&/p&&p&&b&数据库的增、删、查、改：&/b&这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。&/p&&p&&b&数据的分组聚合、如何建立多个表之间的联系：&/b&这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。&/p&&p&SQL这个部分相对来说比较简单，可以去这个教程：&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/mysql/mysql-tutorial.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&MySQL-菜鸟教程&/a&&/p&&p&简单到怀疑人生，学完这个教程的内容就够了。当然，还是建议你找一个数据集来实际操作一下，哪怕是最基础的查询、提取等操作。你可以去调用一些公司的数据来进行实际的演练，如果没有合适的，这里推荐UCI经典的&a href=&//link.zhihu.com/?target=http%3A//archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&鸢尾花数据集&/a&。&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&数据预处理：Python（pandas）&/b&&/h2&&p&很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。&/p&&p&比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。&/p&&p&那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。&/p&&p&对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：&/p&&p&&b&选择&/b&：数据访问（标签、特定值、布尔索引等）&/p&&p&&b&缺失值处理&/b&：对缺失数据行进行删除或填充&/p&&p&&b&重复值处理：&/b&重复值的判断与删除&/p&&p&&b&空格和异常值处理&/b&：清楚不必要的空格和极端、异常数据&/p&&p&&b&相关操作：&/b&描述性统计、Apply、直方图等&/p&&p&&b&合并&/b&：符合各种逻辑关系的合并操作&/p&&p&&b&分组&/b&：数据划分、分别执行函数、数据重组&/p&&p&&b&Reshaping&/b&：快速生成数据透视表&/p&&p&&br&&/p&&p&网上有很多pandas的教程，主要是一些函数的应用，也都非常简单，如果遇到问题，可以参看pandas操作的&a href=&//link.zhihu.com/?target=http%3A//pandas.pydata.org/pandas-docs/stable/tutorials.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&官方文档&/a&。&/p&&p&&br&&/p&&p&推荐书：&a href=&//link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&利用Python进行数据分析 (豆瓣)&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&概率论及统计学知识 &/b&&/h2&&p&数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：&/p&&p&&b&基本统计量&/b&：均值、中位数、众数、百分位数、极值等&/p&&p&&b&其他描述性统计量&/b&：偏度、方差、标准差、显著性等&/p&&p&&b&其他统计知识&/b&：总体和样本、参数和统计量、ErrorBar&/p&&p&&b&概率分布与假设检验&/b&：各种分布、假设检验流程&/p&&p&&b&其他概率论知识&/b&：条件概率、贝叶斯等&/p&&p&&br&&/p&&p&有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……&/p&&p&你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。&/p&&p&&br&&/p&&p&推荐书：&a href=&//link.zhihu.com/?target=https%3A//book.douban.com/subject/7056708/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深入浅出统计学 (豆瓣)&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&python数据分析 &/b&&/h2&&p&如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。&/p&&p&比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E7%25BE%258E%25E5%259B%25BDKing%2520County%25E6%2588%25BF%25E4%25BB%25B7%25E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&房价预测&/a&”和“&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E5%E5%25B7%25A5%25E7%25A6%25BB%25E8%E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&职位预测&/a&”，都可以通过回归分析实现。这部分需要掌握的知识点如下：&/p&&p&&b&回归分析&/b&：线性回归、逻辑回归&/p&&p&&b&基本的分类算法&/b&：决策树、随机森林……&/p&&p&&b&基本的聚类算法&/b&：k-means……&/p&&p&&b&特征工程基础&/b&：如何用特征选择优化模型&/p&&p&&b&调参方法&/b&：如何调节参数优化模型&/p&&p&&b&Python 数据分析包&/b&：scipy、numpy、scikit-learn等&/p&&p&&br&&/p&&p&在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。&/p&&p&当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。&/p&&p&&br&&/p&&p&推荐：&a href=&//link.zhihu.com/?target=http%3A//scikit-learn.org/dev/_downloads/scikit-learn-docs.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&scikit-learn官方文档&/a&&/p&&p&&br&&/p&&p&&br&&/p&&h2&&b&系统实战 &/b&&/h2&&p&这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。&/p&&p&如何进行实战呢？&/p&&p&上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。&/p&&p&另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。&/p&&p&开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。&/p&&p&你也可以看看行业的分析报告，推荐：&a href=&//link.zhihu.com/?target=http%3A//www.iresearch.com.cn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&艾瑞咨询&/a&&/p&&p&看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。&/p&&p&在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E5%E5%25B7%25A5%25E7%25A6%25BB%25E8%E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&员工离职预测训练赛&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.pkbigdata.com/common/cmpt/%25E7%25BE%258E%25E5%259B%25BDKing%2520County%25E6%2588%25BF%25E4%25BB%25B7%25E9%25A2%%25B5%258B%25E8%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&美国King County房价预测训练赛&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.dcjingsai.com/common/cmpt/%25E5%258C%%25BA%25ACPM2.5%25E6%25B5%%25BA%25A6%25E5%259B%259E%25E5%25BD%%E6%259E%%25AE%25AD%25E7%25BB%%25B5%259B_%25E7%25AB%259E%25E8%25B5%259B%25E4%25BF%25A1%25E6%2581%25AF.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&北京PM2.5浓度分析训练赛&/a&&/p&&p&&br&&/p&&p&你也可以关注一些知乎大V，他们的经验可能让你少走弯路。&/p&&p&&a class=&member_mention& href=&//www.zhihu.com/people/1226dd3baaf60e6904a7e& data-hash=&1226dd3baaf60e6904a7e& data-hovercard=&p$b$1226dd3baaf60e6904a7e&&@邹昕&/a& &a class=&member_mention& href=&//www.zhihu.com/people/f0c76dd186cadbfe466f22& data-hash=&f0c76dd186cadbfe466f22& data-hovercard=&p$b$f0c76dd186cadbfe466f22&&@卡牌大师&/a& &a class=&member_mention& href=&//www.zhihu.com/people/29a386cc4b62dd3a95af790ba2fcf1cb& data-hash=&29a386cc4b62dd3a95af790ba2fcf1cb& data-hovercard=&p$b$29a386cc4b62dd3a95af790ba2fcf1cb&&@Han Hsiao&/a& &a class=&member_mention& href=&//www.zhihu.com/people/4920fca107ec266a26bf578ff112a6d3& data-hash=&4920fca107ec266a26bf578ff112a6d3& data-hovercard=&p$b$4920fca107ec266a26bf578ff112a6d3&&@何明科&/a& &a class=&member_mention& href=&//www.zhihu.com/people/b09ea18dcf0c0& data-hash=&b09ea18dcf0c0& data-hovercard=&p$b$b09ea18dcf0c0&&@chenqin&/a& &a class=&member_mention& href=&//www.zhihu.com/people/8f89f417fbed95a9a9bf2& data-hash=&8f89f417fbed95a9a9bf2& data-hovercard=&p$b$8f89f417fbed95a9a9bf2&&@桑文锋&/a& &/p&&p&&br&&/p&&p&知乎上还有一些非常好的数据分析专栏，经常会有一些有意思的文章。&/p&&p&&a href=&https://zhuanlan.zhihu.com/hemingke& class=&internal&&数据冰山&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/dataman& class=&internal&&数据分析侠&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/donglaoshi& class=&internal&&董老师在硅谷&/a&&/p&&p&&a href=&https://zhuanlan.zhihu.com/data-analyst-improvement& class=&internal&&一个数据分析师的自我修养&/a&&/p&&p&&br&&/p&&p&你看，其实梳理一遍之后是不是清晰了很多。把每一个部分的内容找来学习就可以了，但一定要在学习过程中找不同的问题来实践，在实践中发现问题去寻找答案，补足知识。种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！&/p&&p&&br&&/p&&p&DC学院总结了无数的优秀分析师爬坑经验，和无数的数据分析书籍，开了一门系统数据分析课，就是按照以上的学习路径。如果你有兴趣，可以看看：&a href=&//link.zhihu.com/?target=https%3A//www.dcxueyuan.com/%3Fslxydc%3D3c75bf%23/classDetail/classIntroduce/1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据分析师（入门）-DC学院&/a&&/p&&p&关注公众号（datacastle2016），获取更多数据分析干货。&/p&
没有什么牛逼的事情是能够速成的，越是底层的、收益周期越长的技能越是这样。但这并不代表，我们不能用一些有意思的方法，把学习的过程变得高效而有趣。学习一门技术之前，你应该知道，你想要达成的目标是什么样的，也就是说，你想通过这门技术来解决哪些问…
&p&我是看了这个回答来慢慢学习的，一共用了一个月时间，走了很多弯路总结一下这一个月的努力。希望大家少走点弯路&/p&&p&&b&一、基础理论篇&/b&&/p&&p&&b&目的：&/b&&/p&&p&1.了解建立数据库的意义，为什么不能用excel而需要用数据库？以及有哪些方面的应用？&br&2.数据库系统在整个网站中处于一个什么位置？在数据后台如何调用数据库的数据？&br&3.数据库的应用范围？什么时候才不得不使用数据库？什么时候数据库也不灵了？&br&（大概10万条就可以使用了，千万级的就到极限了，这玩意谁知道了）&br&4.表与表之间存在着怎样的逻辑？理解实体、关系、主键、外键。&/p&&p&&b&推荐资料：&/b&&/p&&p&数据库原理（第5版）—清华大学出版社—赵艳铎和葛萌萌翻译的&/p&&p&这本书讲的比较通俗易懂，很快就能理解数据库是怎么回事。其次再看看知乎里面关于数据库的性能评价。&/p&&p&&b&二、基础操作篇&/b&&/p&&p&&b&目的:&/b&&/p&&p&1.学会操作一些基本的select的操作：&/p&&p&重点注意：&br&where和having的区别，&br&join需要注意用on，&br&like、=、is null的区别 还有null与空格的区别&br&order by的局限&br&group by如何在count等命令下分组，&br&mid如何正向反向查询字符串位置&/p&&p&基本做到给你一堆数据，你可以查到你想要的&/p&&p&2.了解索引，知道如何建立索引，应用索引&/p&&p&3.了解数据类型，知道如何给各个数据建立对应的模型（兄弟连视频教学讲的比较明白）&/p&&p&重点了解：&/p&&p&char与varchar的区别&br&tinyint、smallint的范围&br&float与double的区别&br&date相关类型的输入条件与输出效果。&/p&&p&&b&推荐资料：&/b&&/p&&p&w3school&br&链接：&a href=&//link.zhihu.com/?target=http%3A//www.w3school.com.cn/sql/sql_create_table.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL CREATE TABLE 语句&/a&&/p&&p&sql执行顺序&br&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/qanholas/archive//1859924.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql执行顺序 - qanholas - 博客园&/a&&/p&&p&数据库系统概论第四版&/p&&p&w3school介绍了一些基本的操作指令，浅显易懂，但是远远不够，需要再看看数据库系统概论第四版的第三章和第九章作为补充。&br&对了，安装也是个事，看附件吧。&/p&&p&&b&三、练习篇&/b&&/p&&p&&b&推荐：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/friendan/article/details/8072668& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL查询语句练习题27道 - friendan的专栏 - 博客频道 - CSDN.NET&/a&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.360doc.com/content/12/76.shtml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql 经典试题&/a&&/p&&p&先做前面的，不会的再到网上查，后面的确实比较难，FUCK，我就做反了。&/p&&p&&b&四、原理篇（这里主要是HIVE的原理）&/b&&/p&&p&这是我们内部的分享资料，重点是需要大家了解HIVE的执行原理，join的用法，SQL的执行顺序等等，这是我们写复杂SQL的基础。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-53c939bcaafa9e2598bbb1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1063& data-rawheight=&589& data-default-watermark-src=&https://pic2.zhimg.com/50/v2-59a214f4ce59e282a2f722aa_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1063& data-original=&https://pic3.zhimg.com/50/v2-53c939bcaafa9e2598bbb1_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-71ffecd958b61eeabb01db1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1068& data-rawheight=&584& data-default-watermark-src=&https://pic1.zhimg.com/50/v2-67da74fcdda35b1caedeef_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1068& data-original=&https://pic1.zhimg.com/50/v2-71ffecd958b61eeabb01db1_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/v2-d8f4dba767_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1068& data-rawheight=&597& data-default-watermark-src=&https://pic4.zhimg.com/50/v2-9effad04c17b9_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1068& data-original=&https://pic4.zhimg.com/50/v2-d8f4dba767_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/v2-d556eb5e39c932c0f46f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1066& data-rawheight=&598& data-default-watermark-src=&https://pic4.zhimg.com/50/v2-052e91ca0c_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1066& data-original=&https://pic2.zhimg.com/50/v2-d556eb5e39c932c0f46f_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/v2-3285870dce8ee3c0cc06ed19d961cf31_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1073& data-rawheight=&598& data-default-watermark-src=&https://pic3.zhimg.com/50/v2-e3317854baa1740dccd2a_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1073& data-original=&https://pic1.zhimg.com/50/v2-3285870dce8ee3c0cc06ed19d961cf31_r.jpg&&&/figure&&p&&br&&/p&&p&&b&学到这时候，你基本就算入门了，可以上手写SQL了，但是SQL中会遇到一些有难度的问题，需要掌握一些牛逼的函数，把他们学会，再练一下复杂的SQL，那么恭喜你，你的SQL技能已经完全可以经得起任何面试和工作了（查询部分哈）&/b&&/p&&hr&&p&&b&五、高阶段语句掌握&/b&&/p&&p&&b&case when then else end&/b&&/p&&p&个人认为性价比最高&br&&br&对于分组查询非常有用。&br&例如你想要查各个时间段各数据出现的次数，你只有07:28这样的时间，而你需要的是07:00~08:00这样的时间段，这时就需要case来转化&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//lj.soft.blog.163.com/blog/static//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL中的case when then else end用法&/a&&/p&&p&&br&&/p&&p&&b&开窗函数（row_number（）over（partition by 分组字段 order by 排序字段）是最常用的）&/b&&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//blog.csdn.net/qq_/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql中的开窗函数over() - CSDN博客&/a&&/p&&p&&br&&/p&&p&HIVE时间函数汇总（这个是HIVE的哈）&/p&&p&对于美团，滴滴，快手等大部分互联网公司，大部分数据需求都是和时间相关的，所以熟练掌握时间函数非常的重要。&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&赵立生：SQL进阶--hive中的时间函数&/a&&/p&&p&&br&&/p&&p&正则表达式&/p&&p&做文本挖掘的时候经常会用到正则表达式，比如说我想查订单地址中含有赵立生这三个字的订单明细&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.runoob.com/regexp/regexp-metachar.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&正则表达式 - 元字符 | 菜鸟教程&/a&&/p&&p&&br&&/p&&p&&b&怎么样？又感觉自己牛逼的不行了？再练点更难的题吧!&/b&&/p&&p&&br&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&奔跑的向日葵：Mysql 面试习题（一）深坑&/a&&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//www.nowcoder.com/ta/sql%3Fpage%3D0& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据库SQL实战_牛客网&/a&&/p&&p&&br&&/p&&p&再来一道我面试时遇到的一道题：&/p&&p&&br&&/p&&p&主播表：字段名称：日期，主播ID，房间ID，开播时间；&/p&&p&观众表：字段名称：日期，观众ID，房间ID，进入房间时间&/p&&p&问，主播开播三分钟内没有观众的房间数量（本月日均的）？&/p&
我是看了这个回答来慢慢学习的，一共用了一个月时间，走了很多弯路总结一下这一个月的努力。希望大家少走点弯路一、基础理论篇目的：1.了解建立数据库的意义，为什么不能用excel而需要用数据库？以及有哪些方面的应用？ 2.数据库系统在整个网站中处于一个什…
&figure&&img src=&https://pic4.zhimg.com/v2-14f7d02ce0f3b8da3281d_b.jpg& data-rawwidth=&640& data-rawheight=&445& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-14f7d02ce0f3b8da3281d_r.jpg&&&/figure&&p&因为工作原因，要和数据库打交道，除了公司内网自带的指标平台、可供下载固定格式固定内容的有限张表之外，更多情况下需要自己从数据库中灵活的取数，因此必须迅速学习和使用SQL语言。事实上，作为使用最为广泛的数据库语言，SQL是有些明显的优点的：通用性强，几乎所有重要的DSMS都支持SQL，针对不同的数据库，如hivesql、mysql、sql server、oracle等，sql语法总体上大同小异，只是细微处的差别；简单易学，关键词很少，且贴近英文语法，普通的使用，一到两周应该可以初步使用。我们公司使用的是ADHOC(advanced&br&data handler for on-line control)平台下的，hiveSQL语法，我的学习也是先基于标准SQL语法学习的。为了鼓励大家，我想说我也是纯小白一枚，零基础，现在谈谈我的学习顺序和一点心得。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7ac3b629a5ae_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&426& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-7ac3b629a5ae_r.jpg&&&/figure&&p&学习程序 也要发扬匠心精神，如切如磋，如琢如磨！&/p&&p&首先声明，我们公司使用的数据库，使用的代码结构并不复杂，不需要很高级的语句，只用最基本的select、join、group by就可以，只要你语法正确、能顺利跑下来，就可以了。所以，一开始我就奔着实用的态度选取资料学习的；大而全的专业书籍直接pass、高级技巧先放在一边，号召“打好基础”、一来就推荐好几本类似《数据库基础》的纯理论基础大部头也只能弃之不用。经过仔细搜索，我确定的方法是：纸质书一本《SQL必知必会（第4版）》(Ben Forta)，在线刷题网站一个SQLZOO，&a href=&https://link.zhihu.com/?target=http%3A//sqlzoo.net/wiki/SELECT_basics/zh& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&sqlzoo.net/wiki/SELECT_&/span&&span class=&invisible&&basics/zh&/span&&span class=&ellipsis&&&/span&&/a&。书看两遍，题刷两遍，就能实现掌握基础知识，大约70%？吧。学完这些，就可以硬着头皮开始尝试取数了，当然刚开始会有很多报错，但是通过错误能学到更多、进步更快。这时要想进阶的话，书可以看更全更专业一些的，刷题的话，可能要找找英文网站或者用一个数据库管理软件自己创建数据库然后练习。关于自学方法和资料网上一搜一大堆，可以自己关注下吧，这里不多说哦。&/p&&p&我想分享的是我学习的一点总结，和初始阶段经过的一些雷区。&/p&&p&首先说语句结构。SQL 语句有一个让大部分人都感到困惑的特性，就是SQL 语句的执行顺序跟其语句的语法顺序并不一致。当然也温馨提示下，并非所有的数据库对 SQL 语句使用相同的解析方式，这时具体情况具体对待吧，如果出现报错，可以查阅相关帮助文档或咨询度娘。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-92ccf9af2b37e5d81e990_b.jpg& data-size=&normal& data-rawwidth=&668& data-rawheight=&577& class=&origin_image zh-lightbox-thumb& width=&668& data-original=&https://pic4.zhimg.com/v2-92ccf9af2b37e5d81e990_r.jpg&&&figcaption&SQL语法及执行顺序&/figcaption&&/figure&&p&&br&&/p&&p&如图所示，我们书写的时候，要注意关键字的顺序，比如select，from写完后，要先where，然后group by，然后having，order by永远是放在最后面。但是实际执行的时候，系统先跳过select，从from开始、加载需要处理的表格，然后where进行初步过滤，注意这个过滤是在分组前进行过滤，然后通过group by进行分组，再利用having进行分组后的过滤、筛选满足条件的组，然后才是select及其之后的语句。理解了这一点，也就很容易理解一些语法规定了，例如：where条件中不能跟聚合函数，而having后面可以；执行顺序where&聚合函数(sum,min,max,avg,count)&having，order by是最后的显示结果进行排序，必须放于最后，等等规定。&/p&&p&其次，是一些关键而重要的关键词的使用。&/p&&p&（1）LIKE关键字，Like中最好只用%通配符。例如，要显示包含单词“United”为名称的国家：WHERE name LIKE '%United%';（正确），WHERE name LIKE '*United*'（报错）。很多朋友会问，为什么我在以上查询时用“%”而不用“*”？我也查了资料，表明：%表示包含零个或更多字符的任意字符串。在搜索串中，%表示任何字符出现任意次数。百分号很兼容，但是其他的通配符都不一定兼容。也有说，星号往往使用在首尾的时候，例如姓张的名字：’张*’，或以强结尾：’*强’，等等。但为了保险起见，我建议以后在使用like关键字时，优先用%通配符。另外，注意“或”的用法，例如：提取以A或B开头的国家名称，&/p&&p&where name like ’A%’ or ’B%’（错误），where name like&br&('A%' or 'B%' )（错误），&/p&&p&WHERE name LIKE 'A%' OR name LIKE 'B%';（正确）。&/p&&p&（2）In，当结果不止一个时使用。例如：where name in&br&(‘France’, ‘Germany’, ‘Italy’)，这里，一是注意要用圆括号，二是，内容如果是字符串，要用英文状态下的单引号。这里还有些雷区，例如题目：选取在阿根廷Argentina及澳大利亞 Australia所在的洲份中，&/p&&p&where continent &b&in&/b&&br&(select continent from world where name in ('Argentina','Australia‘) ) （正确）&/p&&p&注意：这里，嵌套括号中的结果不止一个，就要用in(),而不能用等于=号，否则出错。类似的，&，&，&=等等，后面都只能跟一个值，如果值多于一个，要用all，例如：where&br&&= &b&all&/b&(select population&br&from world b where b.continent = a.continent )，如果省了all，则会报错。&/p&&p&另外有一个雷区，in的对立面并不是NOT IN！not in等价的含义是&& all，例如In(‘A’,’B’)：A或者B；not in (‘A’,’B’)：不是A且B。为避免混淆，最好尽量避免或使用not in。&/p&&p&（3）关于聚集函数。为方便数据统计的检索，SQL给出了5个聚集函数(aggregate&br&function)，COUNT，SUM，AVG，MAX，MIN，计算并返回一个值。SQL的聚集函数在各种主要SQL实现中得到了相当一致的支持。聚集函数使用语法简单，尤其当group by与聚合函数配合，十分好用！要求什么的聚合函数，就先按照它来group by，然后直接count即可。不过，也有一些雷区要注意：&/p&&p&①在不用聚合函数的时候，单独用group by，group by 子句中必须包含所有的列，否则会报错，但此时虽然成功执行了，group by在这里并没有发挥任何的作用，完全可以不用；若不用聚合函数，就是按照group by后面字段的顺序，把相同内容归纳在一起&/p&&p&③如果只有聚合函数，而没有group by，则聚合函数用于聚合整个结果集 (匹配WHERE子句的所有行)，相当于只分一组。&/p&&p&④where后面不能放聚合函数！无论是count还是sum。那么如何解决呢，使用HAVING关键字！例如：having&br&sum(amount) &100&/p&&p&⑤order by 后面是可以跟聚合函数的，即可以用聚合函数排序。&/p&&p&另外，除了Count(*)函数外，所有的聚合函数都忽略NULL值。&/p&&p&（4）注意语句末尾的分号！SQL是不区分大小写的，也会忽略所有的空格。所以，SQL语句可以写成多行，但是写成长长的一行也是完全没有错的。但是，每一句话结束，如果不加分号，则出错。这里注意，select，create table，insert into 语句都是完整的一句话，分号结束。例如：&/p&&p&create table games (yr int,city varchar(255)) ;&/p&&p&insert into games (yr,city) values (2004,'Athens') ;&/p&&p&insert into games (yr,city) values (2008,'Beijing')&br&;&/p&&p&insert into games (yr,city) values (2012,'London') ;&/p&&p&SELECT * FROM&/p&&p&平时若只有一句话（例如select），可能没加分号也能执行，但如果涉及创建表、插入、改写，必须注意分号。值得一提的是case when语句，case when语句分为简单case函数和case搜索函数，具体含义自行百度，但是例如：SELECT name, （逗号不可丢！case when本质上还是一个字段的选取！）CASE WHEN&br&continent=‘Oceania’ THEN (不用加continent=)&br&'Australasia’ ELSE continent (不可省) END。最后的End容易丢，千万不要忘记。&/p&&p&（5）最后，说两个典型小问题的解决方法，看了很受启发。一是，最后排序时若要将某一类放在最前或最后，可以利用case when，巧妙的引用辅助列，帮助排序。例如：&/p&&p&①ORDER BY (case&br&when subject in ('Physics','Chemistry') then 1 else 0 end ), subject, winner&/p&&p&结果：科目为(‘Physics’,’Chemistry’)&br&的排在最后，其余科目按subject升序排列，&/p&&p&②ORDER BY (case&br&when subject in ('Physics','Chemistry') then 1 else 0 end ) desc, yr desc, winner&/p&&p&结果：将(‘Physics’,’Chemistry’)&br&排在最前；同一科目种类时，按年份从新到老；同一科目、同一年份时，按获奖者名字升序排列。&/p&&p&二是，一个经典问题：分组后取每组的前几条记录。这里看一个例子吧。&/p&&p&例：已知一个表， StudentGrade&br&(stuid--学号, subid--课程号, grade--成绩)。PRIMARY KEY&br&(stuid, subid)。&/p&&p&想要：查询每门课程的前2名成绩。&/p&&p&方法①：&/p&&p&select distinct * from&br&studentgrade as t1&/p&&p&where stuid in&/p&&p&(select top 2 stuid from&br&studentgrade as t2&/p&&p& where t1.subid=t2.subid &/p&&p& order by t2.grade desc) order by subid, grade&br&desc&/p&&p&思路：相同的表格自联结，第二个表格将相同学科的所有学生按成绩排序-倒序，选取前二。注意，mysql不支持select top n的语法！但是mysql可用limit来实现相关功能。&/p&&p&方法②：&/p&&p&select * from StudentGrade a&br&&/p&&p&where (select count(1) from&br&studentGrade b&/p&&p& where b.subId=a.subId and b.grade&br&&= a.grade) &=2&/p&&p&思路：第一个&=号，限制了查询条件是相同科目下成绩从大往小排，第二个&=号，表示筛选个数是2个（从1开始的）。&/p&&p&注意，这里大于等于、小于等于容易弄错，尤其是第二个。&/p&&p&方法③：&/p&&p&select * from StudentGrade a&br&&/p&&p&where (select count(1) from&br&StudentGrade b&/p&&p& where b.subid=a.subid and&br&b.grade& a.grade) &=1&/p&&p&order by subId, grade desc&/p&&p&思路：这两张表思路相同：相同表格自联结，返回相同学科并且成绩大于a表的影响行数。这就是查询条件，再按 subId,grade 排序。&/p&&p&SQL才入手两周，学习代码一定要实践，一定要实践，一定要实践（重要的事情说三遍）！毕竟不是科班出身，学习不够系统，只能通过不断实践总结和不断踩雷排雷来进步了，但是，重复重复重复，是时候发扬匠心精神了！&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&?\Fe?&/p&
因为工作原因，要和数据库打交道，除了公司内网自带的指标平台、可供下载固定格式固定内容的有限张表之外，更多情况下需要自己从数据库中灵活的取数，因此必须迅速学习和使用SQL语言。事实上，作为使用最为广泛的数据库语言，SQL是有些明显的优点的：通用性…
&p&首先，sql是所有数据库查询的语言，sql由于本身结构化的特点，非常容易入手。针对不同的数据库，如hivesql、mysql、sqlserver、oracle等，sql语法会有所不同，但是总体上大同小异，只是细微处的差别。&/p&&p&如果你是数据库小白，可以先补一下数据库知识；&/p&&p&如果你有数据库基础的，只需要找些sql查询的习题来做一下，就会很快的得到提高；&/p&&p&接着你想提高sql水平，进阶，就要学习一些比较高级的用法和技巧。&/p&&br&&p&&b&&u&1&/u&&/b&&b&&u&、数据库基础&/u&&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/yutianzuijin/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数据库基础知识复习&/a&&/p&&p&其实这篇文章讲的就是所有要点，可以有针对性的了解不熟悉的。不太明白的就直接找一本《数据库原理》看看，大概5小时。&/p&&br&&p&&b&&u&2、sql习题&/u&&/b&&br&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/qaz13177_58_/article/details/5575711/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&经典SQL练习题&/a&&br&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/friendan/article/details/8072668& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL查询语句练习题27道&/a&&br&&/p&&p&可以自己搜索sql习题来实践，这里推荐2个习题。大概10小时就可以掌握。&/p&&br&&p&&b&&u&3&/u&&/b&&b&&u&、sql进阶&/u&&/b&&/p&&p&（1）sql执行顺序。当sql逻辑复杂后，sql的执行顺序就会非常重要。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/qanholas/archive//1859924.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&sql执行顺序 - qanholas&/a&&/p&&p&（2）SQL ROW_NUMBER() OVER函数。用作分组排序，比如各个省份税收排名前20的企业。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.cnblogs.com/gy51Testing/archive//2609832.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL ROW_NUMBER() OVER函数的基本用法用法&/a&&/p&&p&（3）case when then else end。用作条件判断，比如将10、11、12、13……19、20岁的人群新生成一个字段‘年龄段’取值为10-20岁；聚合函数分别计算，如sum(case when 性别=‘男’
then 收入 end) as 收入_男，sum(case when 性别=‘n女’
then 收入 end) as 收入_女&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//lj.soft.blog.163.com/blog/static//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL中的case when then else end用法&/a&&/p&&p&（4）select时加标签。例如select出某一特征user_id时新建一个tag字段作为用户的标签。&/p&&p&select user_id,'白领' as tag&/p&&p&（5）差集运算。例如取A集合中不包含在B集合的用户，做差集。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//blog.csdn.net/dr_guo/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Hive差集运算详解&/a&&/p&&p&进阶技巧和方法是在平常使用中逐步积累的，这里只举出几个常用的。&/p&
首先，sql是所有数据库查询的语言，sql由于本身结构化的特点，非常容易入手。针对不同的数据库，如hivesql、mysql、sqlserver、oracle等，sql语法会有所不同，但是总体上大同小异，只是细微处的差别。如果你是数据库小白，可以先补一下数据库知识；如果你有…
&figure&&img src=&https://pic3.zhimg.com/v2-a8faed3fc6fa4bceb198f_b.jpg& data-rawwidth=&1920& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-a8faed3fc6fa4bceb198f_r.jpg&&&/figure&&h2&&b&01 序幕&/b&&/h2&&p&大家好，我是翻滚吧美队，在今年3月左右成功转行到数据分析领域，是真正的零基础转行数据分析。想必许多人想往这方面发展，而我的经历恰好能够证明：&/p&&p&&b&零基础转行数据分析是可行的！&/b&&/p&&p&&b&要入门的话，3个月的时间也是足够的！&/b&&/p&&p&但转行之路并不是轻松，中间的经历、迷茫、困难有很多，但你要始终相信：&/p&&p&&b&人往高处走，水往低处流，当你感觉到吃力时，往往是你进步最快的时候！！！&/b&&/p&&blockquote&&b&蔡康永说：&/b& &br&&b&15岁觉得游泳难，放弃游泳，&/b& &br&&b&18岁遇到一个你喜欢的人约你去游泳，你只好说“我不会”。&/b&&br&&b&18岁觉得英文难，放弃英文，28岁出现一个很棒但要会英文的工作，你只好说“我不会”。&/b&&br&&b&人生前期越嫌麻烦，越懒得学，后来就越可能错过让你动心的人和事，错过新风景。&/b&&/blockquote&&p&下面我将分享一下我的数据分析转行经历，与大家漫谈一些心得，愿这些知识可以帮你少走弯路，尽早达到人生巅峰。（我会按照下面的图示来讲）&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-210cfafb2ca5ee3e5b58_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&777& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&777& data-original=&https://pic1.zhimg.com/v2-210cfafb2ca5ee3e5b58_r.jpg&&&/figure&&p&&b&02 数据分析是什么？&/b&&/p&&p&&b&数据分析是什么玩意？你要转行到一个陌生的行业，你必须先要明白以下五点：&/b&&/p&&ul&&li&数据分析是啥？&/li&&li&学了它有什么用？&/li&&li&掌握它需要哪些必备技能？&/li&&li&数据分析的职业发展道路&/li&&li&行业今后的发展状况&/li&&/ul&&p&&br&&/p&&p&接下来我将针对上述几点，结合我的转行经历，分别来讲述关于数据分析的一系列问题。&/p&&p&首先，数据分析是如何定义的？&/p&&p&最开始你不需要对其有很深的了解，知道其基本情况即可，引用度娘的话语就是：&/p&&blockquote&数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。&/blockquote&&p&是不是感觉有些啰嗦？&/p&&p&我简单描述为：用一些方法对大量数据进行分析，提取总结关键信息，并以此来做决策。&/p&&p&&b&下图更为形象：&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e807f3d866dde24a8e2a30b3f705a5e1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&848& data-rawheight=&553& class=&origin_image zh-lightbox-thumb& width=&848& data-original=&https://pic2.zhimg.com/v2-e807f3d866dde24a8e2a30b3f705a5e1_r.jpg&&&/figure&&p&当然，数据分析是一个不断发展的体系，单用一行文字难以诠释它的内涵，必须结合工作实际加以应用，结合工作后，相信你会数据分析有更加高层次的理解。&/p&&p&&br&&/p&&p&&b&03 个人转行背景&/b&&/p&&p&&b&本人&/b&男，今年25岁，目前工作四年，之前从事财务相关的职位，现已转行到数据分析。&/p&&p&从去年3月开始做一些关于转行数据分析的准备，有两句话说的挺好的：&/p&&blockquote&God helps those who help themselves.&br&&b&机会总是留给有准备的人。&/b&&/blockquote&&p&还有一句是：&/p&&blockquote&&b&勤能补拙是良训,一分辛苦一分才。&/b&&/blockquote&&p&我要去一个陌生的领域，必须有所准备，俗话说：不打无准备之战。&/p&&p&我与数据分析结缘是来源一个机缘巧合，好，来开始介绍我的转行背景。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-eea6f613b533_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&440& data-rawheight=&311& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&https://pic4.zhimg.com/v2-eea6f613b533_r.jpg&&&/figure&&p&本人大学学的财务专业，为啥选这个专业呢？当时高中毕业时和很多人一样，&/p&&p&对自己大学读的专业是感到迷茫的，有人说读财务专业好，跟钱相关，数钱呢！&/p&&p&而且就业好，好多公司都要！&/p&&p&看来当时头脑比较简单，想到“钱”进选了这个专业。&/p&&p&毕业后，自己凭借实力（这里指当时的综合实力）去面试了多家公司，拿了不少offer，&/p&&p&是当时班上的一大霸主，简称“面霸”，心中也欣喜了一阵子，至少有很多公司使认可我的实力。当年6月我经过认真考虑后，选择了沿海的一家知名企业，做汽车方面的，名气挺大的，重点是看上了它的发展潜力和公司业务的前景，所以把另外一个特区城市的当地国企婉拒了。&/p&&p&当时我的感受的是这样的：（悠闲...）&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-cc749db979c7ccb3e3a97bfe33511a15_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&140& data-rawheight=&116& class=&content_image& width=&140&&&/figure&&p&后来家人介绍说来某个公司试试，我想离正式工作有一个多月，就答应回去试下机会。&/p&&p&这是一家国企，然后，家里人开始跟我做思想工作，说各种好，比如要考虑职业稳定，要考虑结婚、这里工作悠闲等各类好话，我经不起他们的说辞，就答应了。工作后，我认为工作环境是这样的...&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1b6e5c80c5aef6a047cd0_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&525& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&525& data-original=&https://pic1.zhimg.com/v2-1b6e5c80c5aef6a047cd0_r.jpg&&&/figure&&p&&br&&/p&&p&然后是这样的画风...(在大山里...）&/p&&figure&&img src=&https://pic2.zhimg.com/v2-321bace286bcd57fb9e21_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&940& data-rawheight=&627& class=&origin_image zh-lightbox-thumb& width=&940& data-original=&https://pic2.zhimg.com/v2-321bace286bcd57fb9e21_r.jpg&&&/figure&&p&&br&&/p&&p&有人说风景很好呀，空气好，山清水秀的。&/p&&p&是的，风景是可以，确实也是山清水秀，但远离城市，远离社会的信息中心，即使有网络，有篮球、羽毛球、乒乓球等各种运动来丰富生活，吃饭不要钱，住宿免费，即使这样，你每天面对的人几乎一成不变，人际圈小，交流也比较匮乏，你在这里呆一两个月当做体验没有问题，但时间变成是一年、两年甚至更久了？&/p&&blockquote&&b&我在这里可以看到30年后的自己的样子，你不觉得可怕吗？&/b&&/blockquote&&p&我心中一直有一个闯劲，一直想去一个地方证明自己的实力，不想人生就这样被定型，过一个自己想要的生活。&/p&&p&一年过年前夕，在偶然的机缘机遇下，我在看一本杂志，我随意翻开其中一页，是介绍今年的就业行情和信息的。这本杂志叫做《第一财经周刊》，它形象的介绍了各类最有“钱途”的职业，我看到排名第四位是一个陌生的名词，是数据分析职位，从数据来看，是挺有“钱途”的。&/p&&p&杂志长这样的：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-c4d02eb8abfdfdbc6a318_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&808& data-rawheight=&349& class=&origin_image zh-lightbox-thumb& width=&808& data-original=&https://pic1.zhimg.com/v2-c4d02eb8abfdfdbc6a318_r.jpg&&&/figure&&p&&br&&/p&&p&当时我在想，既然打算去一线城市走走，而且自己也年轻，不如来一次华丽的转行？&/p&&p&虽然有人说：“转行穷三年”，但时代在变化，有可能转行不会变穷（比如我，哈哈...）,&/p&&p&此时各类成本最小，像刘欢的歌词所说：&/p&&blockquote&&b&大不了从来再来！&/b&&/blockquote&&p&&b&既然有破釜沉舟的勇气，那就砥砺前行，勇往直前！&/b&&/p&&p&&br&&/p&&p&&b&04 关键知识储备&/b&&/p&&p&&b&既然准备转行，那就必须进行一些前期准备，知识要求可参照下面的文字云：&/b&&/p&&p&&b&（借鉴了某人的...）&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-3f7a6b8b0f72aabe712ea5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&541& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&541& data-original=&https://pic2.zhimg.com/v2-3f7a6b8b0f72aabe712ea5_r.jpg&&&/figure&&p&&br&&/p&&p&&b&同时参照某知名招聘网站的要求一条条来解读分析，举个例子：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ec0fb487aeb3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&801& data-rawheight=&577& class=&origin_image zh-lightbox-thumb& width=&801& data-original=&https://pic4.zhimg.com/v2-ec0fb487aeb3_r.jpg&&&/figure&&p&&br&&/p&&ul&&li&&b&工作经验先忽略（我们刚转行的...手动笑脸...）；&/b&&/li&&/ul&&p&&br&&/p&&ul&&li&&b&国家重点院校，本科要求：（学历是敲门砖）&/b&&/li&&/ul&&p&
这个每个人情况不同，是自身的学校实力表现，是面试一个加分项；&/p&&p&&br&&/p&&ul&&li&&b&有较强的数据敏感性和数据驱动业务意识：&/b&&/li&&/ul&&p&
这个是指你必须要对数据敏感，数据驱动业务意识是指你要学会用数据指导业务，帮助业务发展壮大，是数据分析的一个关键目标，简言之：能赚钱！&/p&&p&
这类意识需要在工作中不断积累和培养。&/p&&p&&br&&/p&&ul&&li&&b&关键技能：精通SQL、Excel，熟悉python或者R等统计类工具：&/b&&/li&&/ul&&p&
这个是重点技能，请看用词，精通SQL、Excel，两大王牌你必须要精通，是基础分析工具；而python或者R等统计工具你要熟悉，熟悉即可，根据工作需要进行调整学习。&/p&&p&
我的建议是：先学Excel、SQL，两项可以占日常工作量的80%（一般公司规模），&/p&&p&根据二八原则，明智的选择是把两项技能学扎实，请注意，扎实！！！&/p&&p&python/R技能也要学习，根据自己的进度来学习，俗话说：“技多不压身！”哈哈~~&/p&&ul&&li&&b&百万产品经验先忽略，新手没有这些；而后面的沟通能力等描述是指：&/b&&/li&&/ul&&p&
作为数据分析师，你要首先熟悉业务，只有基于业务才能进行有效的分析，这也是数据分析师的重要技能之一。&/p&&p&&br&&/p&&p&&b&总结：作为一名合格的数据分析师，你需要至少以下三点技能：&/b&&/p&&ul&&li&必要的SQL、Excel+python\R技能；&/li&&li&正确的理解业务；&/li&&li&基本的数据使用意识和学习能力。&/li&&/ul&&p&&br&&/p&&p&&b&05 心态历练&/b&&/p&&p&转行过程中个人必要技能的锤炼是很重要，&/p&&p&&b&但转行过程中保持良好积极的心态也是转行成功的必备要素之一。&/b&&/p&&p&我转行前是受到家人、某些朋友的质疑和反对的，他们始终认为有一份体制内的工作是不错的选择，但个人想出去走走，体验一番新的生活。&/p&&p&&b&这其中有两个关键节点的心态非常重要：&/b&&/p&&ul&&li&&b&学习知识时候的心态；&/b&&/li&&/ul&&p&
你是不是发现每当你热情满满的开始新一轮学习后，学了几天就放弃了？&/p&&p&
你是不是发现你遇到一个难题时，无人帮你解答而感到无助？&/p&&p&
你是不是发现一人独自学习时未免有些孤独？&/p&&blockquote&&b&但往往是越困难的时候，人越想放弃，但一旦越过这个坎，那就是&/b& &b&
“柳暗花明又一村啦”！&/b&&/blockquote&&p&&br&&/p&&ul&&li&&b&求职时的心态；&/b&&/li&&/ul&&p&求职也是同样的道理，它是一件极度考验人的耐心的时候，&/p&&p&
此时你需要保持积极乐观的心态（不是吹牛...），每次面试总结经验，不断提高自身的水平，自信在此时是非常非常重要的！！！&/p&&p&
（求职方面可以写很多，鉴于篇幅有限，我会再另起一篇专门写这个的...）&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&06 职业发展道路&/b&&/p&&p&数据分析是一类新型职业，是统计学和分析类的职业的结合而形成的。&/p&&p&关于它的职业规划目前有三种，分别是&/p&&p&&b&市场调研方向、数据分析/挖掘方向和数据工程师方向。&/b&&/p&&p&&b&我参照挖数哥的路径，截取了部分图&/b& &a class=&member_mention& href=&http://www.zhihu.com/people/f4bb407ada02f85806d50& data-hash=&f4bb407ada02f85806d50& data-hovercard=&p$b$f4bb407ada02f85806d50&&@挖数&/a& （如有侵犯，我会删图的）&/p&&p&（挖数哥必须是资深的大数据挖掘工程师，哈哈...）&/p&&figure&&img src=&https://pic3.zhimg.com/v2-e70bae884e301edb62d7ea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&513& data-rawheight=&439& class=&origin_image zh-lightbox-thumb& width=&513& data-original=&https://pic3.zhimg.com/v2-e70bae884e301edb62d7ea_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-0dab2ae50_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&461& data-rawheight=&440& class=&origin_image zh-lightbox-thumb& width=&461& data-original=&https://pic1.zhimg.com/v2-0dab2ae50_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d1aa3500f1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&427& data-rawheight=&436& class=&origin_image zh-lightbox-thumb& width=&427& data-original=&https://pic2.zhimg.com/v2-d1aa3500f1_r.jpg&&&/figure&&p&&b&第一个偏业务&/b&，主要是市场上的咨询公司，不太喜欢技术的，可以考虑这个类型；&/p&&p&&b&第二个目前是我走的路线，数据分析师方向&/b&，其中也可能涉及到数据挖掘，&/p&&p&我觉得这条路线会同时涉及到业务和技术，但在做数据挖掘之前不需要太硬的技术。&/p&&p&但你想走的更远，那算法、机器学习你总要了解一下。&/p&&p&&b&第三个是工程师方向&/b&，以技术为主，类似于现在的java开发，现在流行的大数据工程师，如hadoop、scala、spark等大数据建模技巧，实现数据仓库的搭建等等。它们的技术性很强，适合喜欢做开发的GG和MM们。&/p&&p&&br&&/p&&p&&b&总之，根据自身的特点选择适合自己的职业发展方向，有目标才有前进的动力！&/b&&/p&&p&&br&&/p&&p&&b&07 后记&/b&&/p&&p&&b&这里我来谈谈转行学习时我会如何找乐子的，就拿我学习python的过程来说。&/b&&/p&&p&我是零基础没有学过任何编程语言，我入门python时，发现其语言的简洁性和易读性使我能够快速的学习它，就像学英语一样。当然我找了学python的一个重要分支来入门，那就是&/p&&p&&b&爬虫！！！&/b&&/p&&p&爬虫通俗来说就是用程序去网上抓取一些数据，把数据copy下来。&/p&&p&&b&为啥从爬虫入手？因为这是我看来学习python最有成就感的事情！可以快速看到自己的学习成果！而且很有趣。&/b&&/p&&p&&b&成果类似下面的：&/b&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4ba068e9198d55dbcbaa11b8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&476& data-rawheight=&514& class=&origin_image zh-lightbox-thumb& width=&476& data-original=&https://pic1.zhimg.com/v2-4ba068e9198d55dbcbaa11b8_r.jpg&&&/figure&&p&&br&&/p&&p&我用这些数据来分析现在市场上关于数据分析职位的招聘需求数、热门程度、工作类型、公司规模大小、需要的工作能力、薪资等方面，有这些数据，我才能针对性的学习技能和求职。&/p&&blockquote&&b&若学习python知识是输入，则爬虫是一个很好的输出！&/b&&/blockquote&&p&&b&下面是我用软件做的爬虫结果图：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-eadcd02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&2048& data-rawheight=&1536& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&https://pic3.zhimg.com/v2-eadcd02_r.jpg&&&/figure&&p&&b&有些牛人的效果图是这样的：&/b&&/p&&p&（挺好看的...哈哈...）&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0e9a685ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&352& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic3.zhimg.com/v2-0e9a685ee_r.jpg&&&/figure&&p&&br&&/p&&blockquote&&b&种一棵树&i&最好的时间是&/i&十年前,其次是现在。&/b&&/blockquote&&p&&b&望我的转行经历能对迷茫中的你有一点点帮助和启发，&/b&&/p&&p&为了共同学习，记录数据分析的成长史，我做了一个公众号，有兴趣可以关注：&/p&&p&&b&公众号：蜂鸟数据&/b&&/p&&p&&b&关注公众号，回复“数据”，即可获得最新一份数据分析资料。&/b&&/p&&p&&b&
回复&sql&，获得小白必备数据库教程，&/b&&/p&&p&&b&
回复&python&，获得python入门的好书（包通俗易懂~~）。&/b&&/p&&p&&br&&/p&&p&&b&（&/b&听说它可以帮你节省很多准备时间~~&b&）&/b&&/p&&p&&br&&/p&&p&&b&下面最新的文章或许能帮你拿到offer：&/b&&/p&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&翻滚吧美队：数据分析告诉你，这一招让你offer拿到手软！&/a&&/p&&p&&/p&
01 序幕大家好，我是翻滚吧美队，在今年3月左右成功转行到数据分析领域，是真正的零基础转行数据分析。想必许多人想往这方面发展，而我的经历恰好能够证明：零基础转行数据分析是可行的！要入门的话，3个月的时间也是足够的！但转行之路并不是轻松，中间的…
&figure&&img src=&https://pic4.zhimg.com/v2-3acf2c690a78dd36db0281_b.jpg& data-rawwidth=&692& data-rawheight=&433& class=&origin_image zh-lightbox-thumb& width=&692& data-original=&https://pic4.zhimg.com/v2-3acf2c690a78dd36db0281_r.jpg&&&/figure&&p&注公众号，&b&让时间慢下来&/b&，或者加作者（城市规划师也是专栏作家）微信unclecui1949。自动回复我多年来收集的&b&Matlab、Python、R、SPSS、数据建模、机器学习&/b&教程。记得点赞哦，多多支持。&/p&&p&更多文章：&/p&&p&PPT：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&让你的PPT脱颖而出的系统教程 - 知乎专栏&/a&&/p&&p&Photoshop：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&这可能是你见到的最系统学习Photoshop教程 - 知乎专栏&/a&&/p&&p&Word：&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&Word基本功训练 - 知乎专栏&/a&&/p&&p&&b&数据源&/b&&/p&&blockquote&1：20个数据来源总结：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA3MDA3MjQ1MQ%3D%3D%26mid%3D%26idx%3D3%26sn%3D20a77bfc6f0%26scene%3D2%26srcid%3D0819qxdvzoKT44TavAIsSFQ0%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&收藏！这些数据获取方式，一般人不知道&/a&&/blockquote&&p&&b&SQL&/b&&/p&&p&1 ：W3School的基础教程：&a href=&http://link.zhihu.com/?target=http%3A//www.w3school.com.cn/sql/index.asp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL 教程&/a&&br&2 ：十步完全理解 SQL：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/55086/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&十步完全理解 SQL&/a&&br&3 ：让数据库变快的10个建议：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/12413/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&让数据库变快的10个建议&/a&&br&4 ：探索数据库的事务隔离级别：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/99774/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索数据库的事务隔离级别&/a&&br&5 ：格式化SQL来提高效率：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/85900/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&格式化 SQL 来提高效率&/a&&br&6： 优化SQL_SELECT语句性能的 6 个简单技巧：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/86391/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优化 SQL SELECT 语句性能的 6 个简单技巧&/a&&br&7 ：表达式，排名函数:&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/95110/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你真的会玩SQL吗？表表达式，排名函数&/a&&br&8： 子查询：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/95027/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你真的会玩SQL吗？无处不在的子查询&/a&&br&9 ：索引的重要性：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/93586/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&记一次 T-SQL 查询优化 索引的重要性&/a&&br&10： 记一次苦逼的SQL查询优化：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/88342/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&记一次苦逼的SQL查询优化&/a&&br&11： SQL Server 索引维护：如何获取索引使用情况：&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/94300/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SQL Server 索引维护：如何获取索引使用情况&/a&&br&12： SQL从入门到精通：&a href=&http://link.zhihu.com/?target=http%3A//database.51cto.com/art/08.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&专题：SQL Server入门到精通_51CTO.COM&/a&&/p&&p&&b&Python &/b&&/p&&p&1：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfa31d3bbdd8%26scene%3D2%26srcid%3D0427odiw0CEsMsrvaaqakryQ%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&给Python初学者的一些技巧 &/a&&/p&&p&2：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbf6b4206551fa%26scene%3D2%26srcid%3D0519Ery1ib9N5mRUWL10xdAi%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 资源大全 &/a&&/p&&p&3：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3Dc146f82bb2bc22ba5ce43f380escene%3D2%26srcid%3D0519NJ2raIuZ1IIkLfNYiRm0%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 的一些误区 &/a&&/p&&p&4：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dec53fdf044bdee4d19a2%26scene%3D2%26srcid%3D06148mLIwl3Qkc05e6vYafDQ%26from%3Dtimeline%26isappinstalled%3D0%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 程序员的常见错误 &/a&&/p&&p&5：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3D474b41aaf59e3ascene%3D2%26srcid%3D0618j7tptIeRvLPiM2sookqc%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 性能优化的 20 条建议 &/a&&/p&&p&6：&a href=&http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzA4MjEyNTA5Mw%3D%3D%26mid%3D%26idx%3D2%26sn%3D5cd033f7bfe%26scene%3D2%26srcid%3D07189AuNI9PQo2oSsmdgX6CR%26from%3Dtimeline%26isappinstalled%3D0%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferr}
我要回帖
更多关于 AB血型 的文章
更多推荐
- ·1144要怎么样热处理hrc40~45含义能达到HRC56度以上？
- ·孩子不吃饭怎么办爱吃吗？
- ·2.28 日照地震最新消息日照地震最新消息后政府提醒
- ·海盗全部所有老虎机游戏戏信息
- ·7743游戏盒怎么样_7743无限内购破解游戏盒子子下载
- ·求魔道祖师人物的动态图动态图
- ·OPPO手机怎么设置4G网络R15满亮度开着4G玩游戏3～4分钟费1电量正常吗？
- ·为什么我家电脑刚下的穿越火线处罚登录电脑登录之后没有字 还有一个提示的对话框
- ·海洋之星狗粮怎么样2有什么方法可以提高自己的运气？
- ·关于跑马机老虎机的胜率问题？
- ·山海经兽一个游戏图标一个牛头，旁边有一个兽字，在哪儿下载
- ·双刃剑英文猜三个数字
- ·十月一，一个人去哪旅游好玩？
- ·求这张全职作者图作者，还有系列里的其他图！！！
- ·我想要《傀儡皇帝.后宫猎艳完整版(后宫猎艳)》（无删1、2部全本），谢谢啊！
- ·关于三公经费问题的胜率问题？
- ·云南财经大学 金融如何怎么样？
- ·王者荣耀QQ怎样解除实名注册实名注册了，怎么弄卡弄开来？
- ·世界世界上最大的蟒蛇有多大飞机，有多大？
- ·《战地1挂机》长时间不玩会掉经验吗
- ·求问AB3社的AB游戏公司有哪些 找到一个画风好喜欢
- ·世界最大的蛇飞机的样子
- ·魔兽陨落之星是什么世界8.0赞达拉帝国声望有没有声望战袍买？
- ·初学者玩万能鲨鱼玩法说明书需要注意什么？
- ·荣耀荣耀v9play电量量低于10玩王者荣耀时间长会卡吗
- ·我恨这个世界我恨自己，我写的
- ·求游戏王4张意义不明的卡系列中的一部动漫。
- ·皇室战争竞技场挑战八届竞技场上面就好难打
- ·极速篮球百家号百家楽为什么有人这么迷？
- ·这个玉手镯有裂纹还能戴吗了，扔了可惜了，有什么办法可以处理
- ·我想用Excel表做一个cf抽奖活动抽神器，但是随机抽取中我想内定一位
- ·同和堂俏媚人糖果片mos糖果试用装多少钱怎么领取？
- ·洛克王国东哥辅助一键星星取物在哪里
- ·哪些山寨机手机自带软件有悠米智能乐园官网或则就是悠米游戏中心什么的
- ·求司徒协大大所有的TG文 还有类似海兔子多少钱一斤小崔的一些大神的文 谢谢
- ·【谁有这种这种日子真是过够了表情包】
