前言

之前一直做大數據方向的工作，用spark、flink、hive等等處理數據居多，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。下面整理一下學習的流程。

Python基礎

這個很簡單，但很重要，推薦看一下這本書的基礎部分
主要掌握知識點：

• 常用的數據結構及對應方法
• 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
• 函數的編寫

Python數值計算工具Numpy

盡管在python基礎中學了有關存儲數據的列表對象，但是其無法直接參與數值運算（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）。所以必須得熟練掌握另一種非常有用的數據結構，那就是數組，通過數組可以 實現各種常見的數學運算 ，而且基于數組的運算，也是非常高效的。
主要掌握知識點：

• 數組的創建與操作
• 數組的基本數學運算
• 常用數學和統計函數
• 線性代數求解

Python數據處理工具Pandas

通過numpy模塊可以非常方便地調用各種常用的數學和統計函數。而數據處理模塊Pandas可以幫助數據分析師輕松地解決 數據的預處理問題 ，如數據類型的轉換、缺失值的處理、描述性統計分析、數據的匯總等。
主要掌握知識點

• 兩種重要的數據結構，即序列和數據框
• 如何讀取外部數據（如文本文件、電子表格或數據庫中的數據）
• 數據類型轉換及描述性統計分析； 字符型與日期型數據的處理
• 常見的數據清洗方法
• 如何應用iloc、loc、與ix完成數據子集的生成
• 實現Excel中的透視表操作
• 多表之間的合并與連接
• 數據集的分組聚合操作

Python數據可視化

利用Python繪制常見的統計圖形，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，將復雜的數據簡單化。這些圖形的繪制可以通過matplotlib模塊、pandas模塊或者seaborn模塊實現。
主要掌握知識點：

• 離散型數據都有哪些可用的可視化方法
• 數值型的單變量可用哪些圖形展現
• 多維數值之間的關系表達
• 如何將多個圖形繪制到一個畫框內

上面的知識墻裂推薦利用Python進行數據分析（第二版）這本書

機器學習、深度學習

• 機器學習（周志華）
• 統計學習方法（李航）
• 深度學習（ 【美】伊恩·古德費洛 【加】約書亞·本吉奧 【加】亞倫·庫維爾）

后記

按理來說學習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習是為了帶來更好的生活條件，這個時候學習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。