1.資料：你可以上《小刀網》，裡面有很多的python教程，肯定有適合你的那一款

2.或者你去騰訊課堂和網易雲課堂看看，裡面也有很多python的免費的付費的資料的

還是看書吧，從個人經驗來說，讀書的體系化是碎片式學習不能比的。自己看的書:

1.python3快速入門與實戰

2.python資料科學指南

3.機器學習實戰(基於sklearn)

先看看python崗位概況：

針對資料分析崗位需要的python技能，這裡分為三大塊來講。

1、資料分析需要用到那些python知識點；

2、Python資料分析最主要的工具庫有哪些；

3、學習資料分析各階段用到什麼書籍或資料；

首先，python可以用作爬蟲、web開發、AI、指令碼、測試、資料分析等各個領域，每個領域對python的學習要求和深度不一樣，資料分析不要求掌握很深的程式設計知識。

主要是以下內容，資料型別和結構、變數、函式、邏輯語句（判斷、迴圈）、匿名函式、錯誤處理、遍歷和迭代、程序和執行緒、庫的使用。學習這些東西並不需要購買書籍，能省則省，網上很多教程。推薦菜鳥教程和w3cschool的python3教程，通俗易懂，非常適合初學者掌握基礎語法，然後可以在實驗樓這個網站練習程式設計，也可以自己搭建環境敲程式碼。

程式設計畢竟是抽象的，一開始理解諸如切片、迭代等概念比較吃力，只有多看多敲程式碼，後面自然而然就懂了。

學完python基礎知識點，並有了一定的訓練程式碼量（至少得1000行）之後，就可以開始學習資料分析工具了，也就是python的第三方資料分析庫。按照我的使用經驗和個人理解，有以下幾個重點學習物件。

scipy&numpy：它是一個由多維陣列物件和用於處理陣列的例程集合組成的庫，裡面包含了大量的計算函式，可以很輕鬆的進行科學計算。

pandas：是基於NumPy 的一種工具，該工具是為了解決資料分析任務而建立的，具備強大的資料展示功能。Pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具。pandas提供了大量能使我們快速便捷地處理資料的函式和方法。你很快就會發現，它是使Python成為強大而高效的資料分析環境的重要因素之一。

matplotlib：是一個Python 2D繪相簿，可以生成各種硬複製格式和跨平臺互動式環境的出版物質量資料。Matplotlib可用於Python指令碼，Python和IPython shell，Jupyter筆記本，Web應用程式伺服器和四個圖形使用者介面工具包。只需幾行程式碼即可生成繪圖，直方圖，功率譜，條形圖，誤差圖，散點圖等。

scikit-learn：是一個機器學習庫，可以對資料進行分類，迴歸，無監督，資料降維，資料預處理等等，包含了常見的大部分機器學習方法。

上面五種工具scipy、numpy、pandas、matplotlib、scikit-learn，基本能解決90%以上的資料分析問題，建議初學者把這五個工具重點用。

至於教程，推薦《利用python進行資料分析》第二版，可以掌握numpy、pandas、matplotlib的許多實用用法。我基本把這本書看完了，也敲了裡面大部分程式碼。學習scikit-learn最好選擇看官方文件，目前好像也有了中文版，可以多跑跑裡面的sample。

最後捎帶提一下，還要學習SQL，這是資料分析最基礎的能力，我用的是《SQL學習指南》這本書，很適合入門。

梳理一下學習路徑和教程，python基礎語法（菜鳥教程和w3cschool）>>numpy、pandas、matplotlib（《利用python進行資料分析》）>>scikit-learn（官方文件）

我收集了一些python學習書籍

增加部分參考書籍

python基礎：

《Python基礎教程》（Beginning Python From Novice to Professional）《Python學習手冊》（Learning Python）《Python程式設計》（Programming Python）《Python程式設計從入門到實踐》（Python Crash Course）《Python Cookbook》

python資料分析

《利用Python進行資料分析》（Python for Data Analysis）《Python資料科學手冊》（Python Data Science Handbook）《Python金融大資料分析》（Python for Finance）《Python資料視覺化程式設計實戰》（Python Data Visualization Cookbook）《Python資料處理》（Data Wrangling with Python）

python機器學習

《Python機器學習基礎教程》（Introduction to Machine Learning with Python）《Python機器學習實踐指南》（Python Machine Learning Blueprints）《Python機器學習實踐：測試驅動的開發方法》（Thoughtful Machine Learning with Python A Test Driven Approach）《Python機器學習經典例項》（Python Machine Learning Cookbook）《TensorFlow：實戰Google深度學習框架》

附 github大神開源的python資料科學速查小抄（僅供學習）

python

pandas

numpy

scipy

sklearn

matplotlib

　1、Python自身的優勢。

　　Python簡單易學可讀性強，一段好的程式碼，閱讀起來像是在讀一篇外語文章，可以使你只關心完成什麼工作任務，而不是糾結於Python語法。除此之外，它還擁有非常多優秀的庫可用於資料分析，目前超過125,000的第三方Python庫，對於像pandas，NumPy和matplotlib這樣以資料為中心的庫，任何懂Python語法規則的人都可以操作部署。最重要的是它是免費開源的！！

　　2、Python與其他資料分析工具的對比。

　　（1）Python處理Excel表格，是透過呼叫模組，處理這些資料並生成報表。相比Excel，Python能夠處理更大的資料集；能夠更容易的實現自動化分析；能夠比較容易的建立複雜的機器學習模型。

　　（2）相比spss，spss是個統計軟體，只適合在科學研究領域做實驗資料的分析，並不適合做偏向實際應用場景的資料的分析；而Python能夠處理複雜的資料邏輯，因此在這些場景的使用更有優勢。

　　（3）相比R語言，Python的機器學習庫只有一個sklearn ，所有的機器學習方法都集中在這一個庫中，而R語言,我不清楚它到底有多少個用來做機器學習的庫，R語言中的機器學習方法是如此的分散，以至於很難掌握。而且Python的使用人數在不斷上升，有一些曾經只使用R的人在轉向Python，投入到一個呈現上升趨勢的技術中，未來才會更加寬廣。

　　（4）相比上述的幾個工具,，Python在做機器學習、網路爬蟲、大資料分析時更加的得心應手。目前很多資料科學方面的應用都可以輕鬆使用Python實現。包括資料蒐集，清洗，整理，視覺化，機器學習，人工智慧，開發，運維等。所以光一個Python就可以做到全套服務。

綜合選擇Python做資料分析是很好的選擇，可以看一下相關課程瞭解一下

http://xue.ujiuye.com/class-95167/

初學baidu菜鳥教程就好了，有了初步認識就可以瞭解pandas，專門處理資料的庫。我的學習方法不是看書，而是根據實際需求去網上查資源，邊學邊實踐，慢慢就會了，至於深入學習我不需要，我只需要能夠解決我日常工作就好，類似我是網路運維工程師，python只是輔助我工作實現自動化，為我提高效率，節省時間~

python是一門很簡單的語言，python最擅長就是資料處理，資料分析。

如果您懂任何一門其他技術，那麼python基本就能看懂。

書籍的話推薦《python程式設計：從入門到實踐》，從最基礎的講起，比較適合新手

資料分析可以在拉鉤教育上面有課程可以進行購買觀看，我當時買的只要1塊錢，現在不知道還有沒有活動，可以上去看看！

你要偷偷學python然後驚豔所有人，最近被這句話洗腦了，python在資料分析中可以極大的減輕我們的工作量，剛好我最近在收集這方面的資料，有一個我正在學習，感覺很不錯，很適合我們這種沒有基礎小白，希望我們一起努力呀~

零基礎學Python：https://www.jiaozi.top/posts/10786