前言

之前一直做大數(shù)據(jù)方向的工作，用spark、flink、hive等等處理數(shù)據(jù)居多，語言方面一般使用scala、java很少用到python，但是不得不說如果想要從事算法方向的工作還是必須得把python用熟練了。下面整理一下學(xué)習(xí)的流程。

Python基礎(chǔ)

這個很簡單，但很重要，推薦看一下這本書的基礎(chǔ)部分
主要掌握知識點：

• 常用的數(shù)據(jù)結(jié)構(gòu)及對應(yīng)方法
• 三種控制流的使用
• 字符串的常用處理方法
• 正則表達式的使用
• 函數(shù)的編寫

Python數(shù)值計算工具Numpy

盡管在python基礎(chǔ)中學(xué)了有關(guān)存儲數(shù)據(jù)的列表對象，但是其無法直接參與數(shù)值運算（雖然可以使用加法和乘法，但分別代表列表元素的增加和重復(fù)）。所以必須得熟練掌握另一種非常有用的數(shù)據(jù)結(jié)構(gòu)，那就是數(shù)組，通過數(shù)組可以 實現(xiàn)各種常見的數(shù)學(xué)運算 ，而且基于數(shù)組的運算，也是非常高效的。
主要掌握知識點：

• 數(shù)組的創(chuàng)建與操作
• 數(shù)組的基本數(shù)學(xué)運算
• 常用數(shù)學(xué)和統(tǒng)計函數(shù)
• 線性代數(shù)求解

Python數(shù)據(jù)處理工具Pandas

通過numpy模塊可以非常方便地調(diào)用各種常用的數(shù)學(xué)和統(tǒng)計函數(shù)。而數(shù)據(jù)處理模塊Pandas可以幫助數(shù)據(jù)分析師輕松地解決 數(shù)據(jù)的預(yù)處理問題 ，如數(shù)據(jù)類型的轉(zhuǎn)換、缺失值的處理、描述性統(tǒng)計分析、數(shù)據(jù)的匯總等。
主要掌握知識點

• 兩種重要的數(shù)據(jù)結(jié)構(gòu)，即序列和數(shù)據(jù)框
• 如何讀取外部數(shù)據(jù)（如文本文件、電子表格或數(shù)據(jù)庫中的數(shù)據(jù)）
• 數(shù)據(jù)類型轉(zhuǎn)換及描述性統(tǒng)計分析； 字符型與日期型數(shù)據(jù)的處理
• 常見的數(shù)據(jù)清洗方法
• 如何應(yīng)用iloc、loc、與ix完成數(shù)據(jù)子集的生成
• 實現(xiàn)Excel中的透視表操作
• 多表之間的合并與連接
• 數(shù)據(jù)集的分組聚合操作

Python數(shù)據(jù)可視化

利用Python繪制常見的統(tǒng)計圖形，例如條形圖、餅圖、直方圖、折線圖、散點圖等，通過這些常用圖形的展現(xiàn)，將復(fù)雜的數(shù)據(jù)簡單化。這些圖形的繪制可以通過matplotlib模塊、pandas模塊或者seaborn模塊實現(xiàn)。
主要掌握知識點：

• 離散型數(shù)據(jù)都有哪些可用的可視化方法
• 數(shù)值型的單變量可用哪些圖形展現(xiàn)
• 多維數(shù)值之間的關(guān)系表達
• 如何將多個圖形繪制到一個畫框內(nèi)

上面的知識墻裂推薦利用Python進行數(shù)據(jù)分析（第二版）這本書

機器學(xué)習(xí)、深度學(xué)習(xí)

• 機器學(xué)習(xí)（周志華）
• 統(tǒng)計學(xué)習(xí)方法（李航）
• 深度學(xué)習(xí)（ 【美】伊恩·古德費洛 【加】約書亞·本吉奧 【加】亞倫·庫維爾）

后記

按理來說學(xué)習(xí)是一件值得興奮和快樂的事情，但是對于我們大部分人來說學(xué)習(xí)是為了帶來更好的生活條件，這個時候?qū)W習(xí)可能就并不那么快樂，有時候甚至有些痛苦，不過凡是堅持下來的人，一定能笑到最后。