Python修煉完全指南

最近一兩年，你是否頻頻聽到“Python”這個詞？當你的同學/同事討論得熱火朝天；當面試的HR靈魂拷問能否上手；如果你的反應是：“什...什么？pithon, pyton，paton?”那么， 是時候托馬斯全旋提升自我了！如果你想成為一個數(shù)據(jù)科學家，或者已經在從事數(shù)據(jù)類工作，仍想拓展工具庫...我們?yōu)槟銣蕚淞艘粋€全面的學習路徑來進行數(shù)據(jù)分析Python修煉完全手冊

STEP 0? Python學習熱身活動

入門前的你一定想問，Python到底能做什么？

用途廣泛，各行利器?即便是非專業(yè)編程人員，也能深切體會Python召之即來，來之能戰(zhàn)的抗打屬性——

量化研究，對語言文本做情感分析，各類用戶調研/產品輿論/顧客喜好偏向/情緒表達等領域...工作生活中你覺得機械化、不想做的、懶得做的事情，python總能用幾行代碼幫你搞定。

我是零基礎學習，需要準備什么？

學院為Step0 零基礎的你準備了一份入門必備書單，連推薦理由都列得清清楚楚！不得不給大家墻裂案例這本Thinksats for Programmers，中文名為《統(tǒng)計思維：程序員數(shù)學之概率統(tǒng)計》，為程序員量身定做了基于Python的統(tǒng)計學的基礎內容。這本書著重介紹了應用在真實數(shù)據(jù)集的簡單技術，還可以解答很有趣的統(tǒng)計問題。書中的樣本都是美國國家衛(wèi)生研究院的真實數(shù)據(jù)哦~

STEP 1設置你的機器

好了，既然你已經下定決心，那么現(xiàn)在現(xiàn)在就來設置你的機器吧~最簡單的方法就是——打開學院為你準備的安裝包+指導教程。在安裝過程中面臨到任何挑戰(zhàn)，都可以在安裝教程中找到詳細貼心的指導~！

STEP 2基礎知識儲備

正式開始學習后，你應該首先了解語言、庫和數(shù)據(jù)機構的基礎知識，逐漸熟悉語言的基本概念。

STEP 3 學習Python中的數(shù)據(jù)清理

▌數(shù)據(jù)清理的方法有很多——

填充數(shù)據(jù)：np.ramdom.choice.（指進行一些隨機選擇）

ffill,即forward fill，簡單來說就是用前一個數(shù)據(jù)來填充現(xiàn)在的數(shù)據(jù)

正則表達式

獨熱編碼

這其中，尤其重要的正則表達式，是對字符串操作的一種邏輯公式。學會這套規(guī)則，可以利用極簡單的方式達到對字符串的復雜控制，大大提升寫碼的效率！除了這個，還要給你安利一個特別好用的網站！有整理好的正則表達式的cheatsheet，還支持一鍵搜索！示范一個先~地址在這：https://www.debuggex.com/cheatsheet/regex/python

STEP 4 學習Python的科學計算庫

學完了數(shù)據(jù)清理，可以來接觸科學計算庫啦！

初學計算庫，可以從經典的Numpy數(shù)據(jù)庫開始，形成一個良好的數(shù)據(jù)基礎，以備后續(xù)更高階的內容學習。接著可以學習炒雞可愛的——Pandas滾滾包！雖然Pandas的名字很萌，但是可別小看它。它是python學習中經常接觸到的一個數(shù)據(jù)包，為python提供了數(shù)據(jù)幀的功能，會成為所有中等規(guī)模的數(shù)據(jù)分析最有效的工具。關于這些包的用處，請看這里~

SciPy的學習，推薦這個網站https://docs.scipy.org/doc/scipy/reference/tutorial/Matplotlib的學習，可以看這里http://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb

STEP 5? Python的數(shù)據(jù)可視化

不能做酷炫可視化的語言不是好語言，不會做可視化的學員不是好學員，來扒~了解可視化的原理，嘗試制圖的操作！

數(shù)據(jù)可視化可是python在數(shù)據(jù)分析方面非常重要的應用！

在這一步中，學院的手冊不僅教大家制作很基礎的圖，還會教收盤價格隨時間變化的走勢圖，K線圖等非常實際的應用圖表。

STEP 6 學習Scikit-learn和機器學習

Scikit-learn是Python最有用的機器學習庫，是專門用于機器學習的模塊。

它主要的機器學習方式包括分類，回歸，數(shù)據(jù)降維，數(shù)據(jù)預處理等等，包含了常見的大部分機器學習方法。

在機器學習這一部分，我們會采用經典的fit數(shù)據(jù)集，來給大家普及一下機器學習中的監(jiān)督學習和非監(jiān)督學習。

除此之外，還會學習三個基礎的機器學習模型：邏輯回歸，決策樹和隨機森林。

最后，會應用機器學習中常用的驗證模型cross validation來驗證你的項目是否合格~

STEP 7 去Kaggle參加學術活動實踐吧

如果你小有所成，可以試試參與kaggle上的項目實戰(zhàn)了，不try怎么知道自己還沒會呢？

Kaggle于2010年在墨爾本被創(chuàng)立，主要為開發(fā)商和數(shù)據(jù)科學家們提供舉辦機器學習學術活動、托管數(shù)據(jù)庫、編寫和分享代碼的平臺。

下面將給大家安利Kaggle上最最熱門的幾個數(shù)據(jù)集！1. Titanic: Machine Learning from Disaster

Start here! Predict survival on the Titanic and get familiar with ML basics

泰坦尼克號生還者預測是Kaggle學術活動上熱度最高的初級項目之一，迄今為止，參賽的隊伍已經超過1w支。

2. House Prices-Advanced Regression Techniques

Predict sales prices practice feature engineering, RFs, and gradient boosting

3. Digit Recognizer

CV starts here！Learn computer vision fundamentals with the famous MNIST data

等等...

STEP 8 向深度學習進擊

既然已經學習了大部分的機器學習技術，你已經是一個成熟的Python玩家，是時候進擊Deep Learning 啦！下面要推薦的網站Deeplearning.net，可以看到幾乎所有的學習資源——講座，數(shù)據(jù)集，挑戰(zhàn)，教程，其他的書籍等等。