看到很多热门回答下，一上来就放上大量经典书籍、网站教程，甚至一些付费课程。

这些确实能够为初学者减少很多资源筛选的时间。

但对于很多小白来说是目标缺失的，每一部分学完能做什么，如何应用，才是最大的问题。

所以并不建议一上来就啃书，尤其是业余时间的碎片化学习。

小白学习数据分析的路径整体可以分为两大块儿：

学习数据分析的基础方法和工具
培养数据分析思维和习惯

第一部分：学习基础方法和工具

先找一个数据集，自己摸索着折腾起来。

尽量找工作中或学习中现成的数据，比如用户数据、销售数据、产品数据等等，因为这些数据跟你的认知高度相关，能让学习更加有针对性。

如果没有这样的数据资源，也可以找一些网上的公开数据集，推荐几个有我平常会用到的数据平台。

百度指数：百度旗下/以百度网民行为数据为基础的数据分享平台，支持查询需求图谱
艾瑞网：艾瑞旗下/支持查看较新的数据报告，主研究网络媒体、电子商务、网络游戏等新经济领域。
UCI：加州大学欧文分校开放的经典数据集，强烈建议前期数据集缺乏并且不想花太多时间去找的情况下用这里面的数据。
中国统计信息网：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。

有了这些数据后，就可以进行一些初步的探索尝试了。

很多时候我们拿到的数据是不干净的，有重复、缺失、异常值等问题，需要进行数据清洗。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。

数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。

比如类似于这种最简单的数据监测，可能会出现一些数据由于设备的原因没有监测到，或者数据记录重复，数据监测无效等等，就需要进行数据预处理。

不同情况要用不同的方法处理，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？这都是需要考虑的问题。

对于数据预处理，通常用到的是pandas数据分析库。

需要掌握的知识点如下：

选择：数据访问（标签、特定值、布尔索引等）
缺失值处理：对缺失数据行进行删除或填充
重复值处理：重复值的判断与删除
空格和异常值处理：清楚不必要的空格和极端、异常数据
相关操作：描述性统计、Apply、直方图等
合并：符合各种逻辑关系的合并操作
分组：数据划分、分别执行函数、数据重组
Reshaping：快速生成数据透视表

当然，你也可以选择用现成的数据清洗工具，但初学者还是建议自己动手实操，记住具体的函数、公式的使用方式。

网上有很多pandas的教程，都是比较简单的，也可以直接参考pandas操作的官方文档。

筛选出有用的数据后，就需要“把数据可视化”，即把数据用可视化的图表描述出来，最常用的就是 Excel。

比如我要分析项目A的系统进展情况，我拿到了这样一张数据Excel表格：

然后用Excel将表格转换成一个简单的堆积柱形图：

再用自己所学的Excel知识，将这张图表绘制成一张更加专业的【甘特图】：

通过这张甘特图，我就可以清晰的知道项目A目前的进展如何，还有哪些工作没有做，已经做了哪些工作，时间进度是快了还是慢了。

如果也是Excel小白的话，先去了解一些基本图表的用法，比如常见的条形图、折线图（散点图）、扇形图等，下面是几种工作中常用到的数据分析图表：

像这些图做起来并不难，而且网上也有很多可视化的数据分析工具，嫌Excel麻烦的也可以直接找模板套数据，跟着做很容易上手，主要是记住具体的函数、公式的使用方式，多练习一下就可以了。

像上图的图表我就是在这个模板里套出来的：简道云仪表盘。

画几个图虽然简单，但这还远远不够，在画图的过程中，需要真正去做一些思考，从这些可视化的图表中，能够发现哪些规律，并尝试输出一些简单的结论和报告。

到这一步就可以看书了，这里我推荐一本易入门的统计学书籍：《深入浅出统计学》

号称“文科生也能看懂”的统计学书，阅读起来相当容易，一口气就能看完。

“HeadFirst类的书籍，一向浅显易懂形象生动，可以对分析概念有个全面的认知。”

这本书所讲的知识在数据分析中都是常见且必须掌握的，比如基本的统计量，基本上每个分析项目中都会用到；

比如基本的概率分布，总体与样本的概念、置信区间、假设检验、回归分析，都是关于数据分析的统计学知识。

在具体的数据分析中，主要用到统计方面的以下知识，在看书的时候要重点学习：

基本的统计量：均值、中位数、众数、方差、标准差、百分位数等；
概率分布：几何分布、二项分布、泊松分布、正态分布等；
总体和样本：了解基本概念，抽样的概念；
置信区间与假设检验：如何进行验证分析；
相关性与回归分析：一般数据分析的基本模型。

学到的这些知识点该怎么用，比如：

通过基本的统计量，可以进行更多元化的可视化，以实现更加精细化的数据分析。

有了总体和样本的概念，你就知道在面对大规模数据的时候，怎样去进行抽样分析。

通过应用假设检验的方法，可以对一些感性的假设做出更加精确的检验。

利用回归分析的方法，可以对未来的一些数据、缺失的数据做基本的预测。

了解统计学的原理之后，也不一定就能够通过工具实现，需要去对应的找网上找相关的实现方法。也可以看书，推荐一本非常简单的：《深入浅出数据分析》

数据分析入门第一本，通俗简单，能够让你对数据分析的相关概念有大致的了解。这本书蕴含的思想逻辑和分析原则，要好好体会，会对你以后的学习有很大的帮助。

这本书和上面的《深入浅出统计学》配套着看，认真看完，你就可以完成数据分析从0-1的知识沉淀了。

python中有很多优秀的数据分析的库，比如numpy、scipy、scikit-learn，可以去找一些教程来看看，如何通过这些库实现数据分析。

搞清楚最常用的方法，结合实际的数据集进行练习。并不常用的方法，可以在遇到具体问题时，再去点对点查阅相关的文档。

前期并不建议追求各种高深的技巧，主要去熟悉最基本的用法，毕竟基本的才是最常用到的，常用的方法已经可以解决绝大部分初级阶段的数据分析问题。

比如利用回归分析（线性回归、逻辑回归），就可以实现很多的预测型的数据分析，对未来的数据进行预测。

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，打开文件都会是个问题。

SQL是具有数据操纵和数据定义等多种功能的数据库语言,为海量数据的存储与管理提供可能，能够使数据的提取的效率大大提升。

提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，需要提取你需要的那一部分。
数据库的增、删、查、改：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，所以只需要记住命令就好。
数据的分组聚合、建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在处理多维度、多个数据集的时候非常有用。

当然如果面对的是不那么大的数据，pandas等工具已经够你用了，那也可以暂时不了解SQL这一块相对独立的知识。

第二部分：培养数据分析思维和习惯

培养数据分析思维，可以从以下三个方面入手：

参考优秀数据分析师的思维角度

在日常应用中锻炼又可以拆分为对业务本身的理解和培养对数据的感觉两个方向。

如果对业务本身有一定了解，你就会知道在这个业务层面上，那些是核心业务、重要业务，那么你在数据思维的养成方面会更加有优势，知道哪些因素、数据是相对重要的。

开始的时候，可能考虑的问题不是很周全，但随着经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度。

所以在日常应用中要多锻炼，多实践。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，都可以尝试着去分析。

也可以看看行业的分析报告。

3、参考优秀分析师的思维角度

也可以学习优秀的分析师看待问题的角度和分析问题的维度，参考这些维度去进行分析，按照选取——模仿——超越的方式去总结尝试。

总结的多了，你会发现，这并不是一件困难的事情。

Python是一种编程语言，包含对象，模块，线程，异常和自动内存管理。Python的好处在于它简单易用，可移植，可扩展，内置数据结构，并且它是一个开源的。

PEP 8是一个编码约定，关于如何编写Python代码更具可读性。

3）什么是序列化和非序列化？

Pickle模块接受任何Python对象并将其转换为字符串表示形式，并使用dump函数将其转储到文件中，此过程称为pickling。从存储的字符串表示中检索原始Python对象的过程称为unpickling。

Python语言是一种解释语言。Python程序直接从源代码运行。它将程序员编写的源代码转换为中间语言，再次转换为必须执行的机器语言。

5）如何在Python中内存管理？

• Python内存由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆，解释器负责处理此私有堆。
• Python对象的Python堆空间分配由Python内存管理器完成。核心API提供了一些程序员编写代码的工具。
• Python还有一个内置的垃圾收集器，它可以回收所有未使用的内存并释放内存并使其可用于堆空间。

6）有哪些工具可以帮助查找错误或执行静态分析？

PyChecker是一个静态分析工具，可以检测Python源代码中的错误，并警告错误的风格和复杂性。Pylint是另一种验证模块是否符合编码标准的工具。

Python decorators是我们在Python语法中进行的一项特定更改，可以轻松地更改函数。

列表和元组之间的区别在于列表是可变的而元组不是。元组可以被散列，例如作为词典的关键。

9）参数如何通过值或引用传递？

Python中的所有内容都是一个对象，所有变量都包含对象的引用。参考值是根据功能; 因此，您无法更改引用的值。但是，如果对象是可变的，则可以更改它们。

11）python提供的内置类型是什么？

有可变和不可变类型的Pythons，内置类型为Mutable内置类型

12）Python中的命名空间是什么？

在Python中，引入的每个名称都有一个存在的地方，可以被连接起来。这称为命名空间。它就像一个框，其中变量名称映射到放置的对象。每当搜索到变量时，将搜索此框以获取相应的对象。

它是一个单独的表达式匿名函数，通常用作内联函数。

python中的lambda表单没有语句，因为它用于创建新的函数对象，然后在运行时返回它们。

pass意味着，无操作的Python语句，或者换句话说，它是复合语句中的占位符，其中应该留有空白，并且不必在那里写入任何内容。

16）什么是Python中的迭代器？

在Python中，迭代器用于迭代一组元素，如列表之类的容器。

17）什么是Python中的单元测试？

Python中的单元测试框架称为unittest。它支持共享设置，自动化测试，测试关闭代码，将测试聚合到集合等。

18）在Python中切片是什么？

从序列类型（如列表，元组，字符串等）中选择一系列项目的机制称为切片。

19）Python中的生成器是什么？

实现迭代器的方法称为生成器。这是一个正常的函数，除了它在函数中产生表达式。

Python文档字符串称为docstring，它是一种记录Python函数，模块和类的方法。

21）如何在Python中复制对象？

要在Python中复制对象，可以尝试copy.copy（）或copy.deepcopy（）来处理一般情况。您无法复制所有对象，但大多数对象都是如此。

22）Python中的反向索引是什么？

Python序列可以是正数和负数的索引。对于正索引，0是第一个索引，1是第二个索引，依此类推。对于负索引，（ - 1）是最后一个索引，（ - 2）是倒数第二个索引，依此类推。

23）如何将数字转换为字符串？

要将数字转换为字符串，请使用内置函数str（）。如果需要八进制或十六进制表示，请使用内置函数oct（）或hex（）。

Xrange返回xrange对象，而range返回列表，并使用相同的内存，无论范围大小是多少。

在Python中，模块是构造程序的方式。每个Python程序文件都是一个模块，它导入其他模块，如对象和属性。

Python程序的文件夹是一个模块包。包可以包含模块或子文件夹。

26）提到Python中局部变量和全局变量的规则是什么？

局部变量：如果在函数体内的任何位置为变量赋值，则假定它是本地的。

全局变量：仅在函数内引用的那些变量是隐式全局变量。

27）如何跨模块共享全局变量？

要在单个程序中跨模块共享全局变量，请创建一个特殊模块。在应用程序的所有模块中导入配置模块。该模块将作为跨模块的全局变量提供。

要在Unix上使Python脚本可执行，您需要做两件事，

• 脚本文件的模式必须是可执行的

29）解释如何在Python中删除文件？

30）解释如何在Python中生成随机数？

要在Python中生成随机数，您需要将命令导入为：

这将返回[0,1）范围内的随机浮点数。

31）解释如何从C访问用Python编写的模块？

您可以通过以下方法访问C中用Python编写的模块，

32）提到在Python中使用//运算符？

33）使用Python的五大好处？

• Python包含一个巨大的标准库，适用于大多数Internet平台，如电子邮件，HTML等。
• Python不需要显式内存管理，因为解释器本身会将内存分配给新变量并自动释放它们
• 由于使用方括号，因此易于阅读
• 拥有内置数据类型可以节省编程时间和工作量，从而声明变量

在Python中使用split函数是使用定义的分隔符将字符串分解为更短的字符串。它给出了字符串中存在的所有单词的列表。

35）解释什么是Flask及其好处？

Flask是微框架的一部分。这意味着它对外部库几乎没有依赖性。它使框架变得轻盈，同时几乎没有更新的依赖性和更少的安全性错误。

Flask是一个“微框架”，主要用于具有更简单要求的小型应用程序。在Flask中，您必须使用外部库。

Pyramid是为更大的应用程序构建的。它提供了灵活性，并允许开发人员为他们的项目使用正确的工具。开发人员可以选择数据库，URL结构，模板样式等。Pyramid是可配置的。

像Pyramid一样，Django也可以用于更大的应用程序。它包括一个ORM。

37）什么是Flask-WTF以及它们的特征是什么？

38）解释Flask脚本工作的常用方法是什么？

Flask脚本工作的常用方法是：

• 或者是Python文件的路径

39）解释如何在Flask中访问会话？

会话基本上允许您记住从一个请求到另一个请求的信息。在一个Flask中，它使用签名cookie，以便用户可以查看会话内容并进行修改。如果只有密钥Flask.secret_key，则用户可以修改会话。

40）Flask是MVC模型，如果是，举例说明你的应用程序的MVC模式？

基本上，Flask是一个简约框架，其行为与MVC框架相同。所以MVC非常适合Flask，MVC的模式我们将考虑以下示例。

Python准备工作安装教程 本教程为大家分享了win7和linux平台下python环境安装图文教程，安装过程简单明了，非常适合学习python的新手小白，希望你会喜欢~ 1.首先打开python的官方网址：https://www.python.org/，点击红色处Downloads(下载处)，如下图： 2.Windows操作系统：在Windows点进去之后下载python对应版本