python怎么样好学吗

谢谢邀请，学习选择很重要！！！

从未接触过编程，首先应该选择一门语言那么我推荐python

python之所以火是因为人工智能的发展，个人整理学习经验仅供参考！

感觉有本书《Python3破冰人工智能从入门到实战》你学的差不多了就基本具备了一名合格的python编程工程师,不过可惜的是这本书没有电子版，只有纸质的。

第 1章　从数学建模到人工智能

11　数学建模

111　数学建模与人工智能112　数学建模中的常见问题12　人工智能下的数学121　统计量122　矩阵概念及运算123　概率论与数理统计124　高等数学——导数、微分、不定积分、定积分

第2章 Python快速入门

21　安装Python

211　Python安装步骤212　IDE的选择22　Python基本 *** 作221　第 一个小程序222　注释与格式化输出223　列表、元组、字典224　条件语句与循环语句225　break、continue、pass23　Python高级 *** 作231　lambda232　map233　filter

第3章　Python科学计算库NumPy

31　NumPy简介与安装

311　NumPy简介312　NumPy安装32　基本 *** 作321　初识NumPy322　NumPy数组类型323　NumPy创建数组324　索引与切片325　矩阵合并与分割326　矩阵运算与线性代数327　NumPy的广播机制328　NumPy统计函数329　NumPy排序、搜索3210　NumPy数据的保存

第4章　常用科学计算模块快速入门

41　Pandas科学计算库

411　初识Pandas412　Pandas基本 *** 作42　Matplotlib可视化图库421　初识Matplotlib422　Matplotlib基本 *** 作423　Matplotlib绘图案例43　SciPy科学计算库431　初识SciPy432　SciPy基本 *** 作433　SciPy图像处理案例第5章　Python网络爬虫51　爬虫基础511　初识爬虫512　网络爬虫的算法52　爬虫入门实战521　调用API522　爬虫实战53　爬虫进阶—高效率爬虫531　多进程532　多线程533　协程534　小结

第6章　Python数据存储

61　关系型数据库MySQL

611　初识MySQL612　Python *** 作MySQL62　NoSQL之MongoDB621　初识NoSQL622　Python *** 作MongoDB63　本章小结631　数据库基本理论632　数据库结合633　结束语

第7章　Python数据分析

71　数据获取

711　从键盘获取数据712　文件的读取与写入713　Pandas读写 *** 作72　数据分析案例721　普查数据统计分析案例722　小结

第8章　自然语言处理

81　Jieba分词基础

811　Jieba中文分词812　Jieba分词的3种模式813　标注词性与添加定义词82　关键词提取821　TF-IDF关键词提取822　TextRank关键词提取83　word2vec介绍831　word2vec基础原理简介832　word2vec训练模型833　基于gensim的word2vec实战

第9章　从回归分析到算法基础

91　回归分析简介

911　“回归”一词的来源912　回归与相关913　回归模型的划分与应用92　线性回归分析实战921　线性回归的建立与求解922　Python求解回归模型案例923　检验、预测与控制

第10章 从K-Means聚类看算法调参

101　K-Means基本概述

1011　K-Means简介1012　目标函数1013　算法流程1014　算法优缺点分析102　K-Means实战

第11章 从决策树看算法升级

111　决策树基本简介

112　经典算法介绍1121　信息熵1122　信息增益1123　信息增益率1124　基尼系数1125　小结113　决策树实战1131　决策树回归1132　决策树的分类

第12章 从朴素贝叶斯看算法多变　193

121　朴素贝叶斯简介

1211　认识朴素贝叶斯1212　朴素贝叶斯分类的工作过程1213　朴素贝叶斯算法的优缺点122　3种朴素贝叶斯实战

第13章 从推荐系统看算法场景

131　推荐系统简介

1311　推荐系统的发展1312　协同过滤132　基于文本的推荐1321　标签与知识图谱推荐案例1322　小结

第14章 从TensorFlow开启深度学习之旅

141　初识TensorFlow

1411　什么是TensorFlow1412　安装TensorFlow1413　TensorFlow基本概念与原理142　TensorFlow数据结构1421　阶1422　形状1423　数据类型143　生成数据十二法1431　生成Tensor1432　生成序列1433　生成随机数144　TensorFlow实战

希望对你有帮助！！！

贵在坚持，自己掌握一些，在工作中不断打磨，高薪不是梦！！！

大数据现在这么火，想往大数据方面发展，但是英文、数学不好的可以吗？？ 学习大数据该学哪些技术？？大数据和程序员比哪个要好学点？？等等。。。很多人学大数据的原因就是大数据找工作好找，薪资很高，，当然，为了这个原因也是可以的，毕竟这个时代就业压力确实很大，为了一个好的工作学一门技术，，但是我想问下你，你的专业是什么呢？？对于计算机/软件，你的兴趣是什么？是计算机专业，对 *** 作系统、硬件、网络、服务器感兴趣？是软件专业，对软件开发、编程、写代码感兴趣？还是数学、统计学专业，对数据和数字特别感兴趣。。

其实说这些不是为了说明大数据有多难，只是告诉你这就是大数据的三个发展方向，平台搭建/优化/运维/监控、大数据开发/设计/架构、数据分析/挖掘。。这三个方面没有哪个容易学些、哪个薪资高些、哪个发展前景好些。。。

现如今大数据开源框架也是越来越多，举几个常用的例子：

文件存储：Hadoop HDFS、Tachyon、KFS

流式、实时计算：Storm、Spark Streaming、S4、Heron

K-V、NOSQL数据库：HBase、Redis、MongoDB

资源管理：YARN、Mesos

日志收集：Flume、Scribe、Logstash、Kibana

消息系统：Kafka、StormMQ、ZeroMQ、RabbitMQ

查询分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid

分布式协调服务：Zookeeper

集群管理与监控：Ambari、Ganglia、Nagios、Cloudera Manager

数据挖掘、机器学习：Mahout、Spark MLLib

数据同步：Sqoop

任务调度：Oozie

上面有30多种框架了吧，哈哈，是不是有点慌了，虽然有这么多框架，别说全部精通了，就算是全会用的，估计现在也没有几个，就要看你在三个方面往哪个方面发展了。就拿第二个来说（开发/设计、架构），且先听听我的建议：

一、初识hadoop

Hadoop可以算是大数据存储和计算的开山鼻祖，现在大多开源的大数据框架都依赖Hadoop或者与它能很好的兼容。

关于Hadoop,你至少需要搞清楚以下是什么：

Hadoop 10、Hadoop 20

MapReduce、HDFS

NameNode、DataNode

JobTracker、TaskTracker

Yarn、ResourceManager、NodeManager

自己搭建Hadoop，请使用第一步和第二步，能让它跑起来就行。

建议先使用安装包命令行安装，不要使用管理工具安装。

另外：Hadoop10知道它就行了，现在都用Hadoop 20

二、更高效的WordCount

首先，你得先学习SQL，访问、查询数据库的基本语言还是要懂的。。然后SQL On Hadoop之Hive，Hive是数据仓库工具，数据仓库是逻辑上的概念，底层使用的是数据库，数据仓库的特点：数据全（海量）、稳定；所谓稳定，比如数据库的数据经常要更新，而数据仓库的数据是不会被更新，只会被查询，所以说Hive适合做数据仓库。最后就是了解hive的工作原理，学会Hive的工作命令。

三、把别处的数据搞到Hadoop上

四、把Hadoop上的数据搞到别处去

五、实例分析

六、实时数据

七、更新查询数据

八、高大上的机器学习

完成了第一、二，说明你已经快步入大数据的行列了，写的不好也请多多包涵。

详细了解 可登录网址：网页链接

当前大数据应用尚处于初级阶段，根据大数据分析预测未来、指导实践的深层次应用将成为发展重点。各大互联网公司也都在囤积大数据处理人才，从业人员的薪资待遇也很不错。

就业前景

1、大数据应用广泛，未来将覆盖全行业

2、大数据人才缺口巨大（2-3内人才缺口预计达到120万+）

3、随着人工智能、物联网的发展，大数据人才急剧增加

所以，大数据行业的就业前景一片光明，人才缺口不断增加。

就业薪资

1、招聘平台数据统计，大数据人才起薪平均15k/月

2、内部数据统计，2017年毕业学员平均月薪14K，最高月薪27K，最低月薪10K。2018年毕业学员平均月薪17K，最高22K，最低15K。

所以，大数据就业薪资偏高，属于土豪职业之一。

这里介绍一下大数据要学习和掌握的知识与技能：

①java：一门面向对象的计算机编程语言，具有功能强大和简单易用两个特征。

②spark：专为大规模数据处理而设计的快速通用的计算引擎。

③SSM：常作为数据源较简单的web项目的框架。

④Hadoop：分布式计算和存储的框架，需要有java语言基础。

⑤spring cloud：一系列框架的有序集合，他巧妙地简化了分布式系统基础设施的开发。

⑤python：一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。

互联网行业目前还是最热门的行业之一，学习IT技能之后足够优秀是有机会进入腾讯、阿里、网易等互联网大厂高薪就业的，发展前景非常好，普通人也可以学习。

想要系统学习，你可以考察对比一下开设有相关专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能力，能够在校期间取得大专或本科学历，中博软件学院、南京课工场、南京北大青鸟等开设相关专业的学校都是不错的，建议实地考察对比一下。

祝你学有所成，望采纳。

要熟练使用 Excel、至少熟悉并精通一种数据挖掘工具和语言、撰写报告的能力、要打好扎实的 SQL 基础。

1、要熟练使用 Excel

Excel 可以进行各种数据的处理、统计分析和辅助决策 *** 作，作为常用的数据处理和展现工具，数据分析师除了要熟练将数据用 Excel 中的图表展现出来，还需要掌握为生成的图表做一系 列的格式设置的方法。

2、至少熟悉并精通一种数据挖掘工具和语言

以R语言为例，R编程语言在数据分析与机器学习领域已经成为一款重要的工具。R 作为脚本语言凭借其良好的互动性和丰富的扩展包资源可以方便地解决大部分数据处理、变换、统计分析、可视化的问题，并可以重现所有的细节。

3、撰写报告的能力

在撰写报告时，深入地思考，深入分析，逻辑严谨，结论有说服力，能提前预测数据趋 势，能从问题中引申出解决方案，提出有指导意义的分析建议，这些都是一名优秀的分析师所体现的特质。

4、要打好扎实的 SQL 基础

SQL 基础之所以重要，是因为数据分析师分析的数据大多都是从数据库中提取而来的。有良好的 SQL 功底并能熟悉使用，不仅能提取到需要的数据，还能大大提高工作效率。

注意：

1、与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

2、就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。

问题一：想考大数据分析师应该学什么？ 数据分析师是为了适应大数据时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。

数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制

问题二：数据分析师需要掌握哪些能力，需要做哪些准备 不管是什么行业的数据分析师，必须要掌握的技能是：

该行业的行业知识和经验，不能低于行业专家的平均水平

必须具有的数学知识，例如统计分析、数理统计、模糊数学、线性代数、建模方法等等

IT技术：数据库技术、大数据技术、离散数学算法。甚至是编程技术，例如C、Fortran、Java、falsh等

我曾经作为销售，在类似行当工作多年，一点点体会仅供参考。

-:(来自淘宝网的京东藏宝斋

问题三：想找数据分析的实习 应该学些什么 我做过一段时间 不过是和推广混着做的，个人觉得电商的数据分析没什么大的前途，如果真的想在数据分析行业发展的话，建议你找个有机会学建模的行业，那样出去以后到哪都吃香，或者找个需要用到统计学软件的行业，那样也好，如果你只是准备阶段建议你参加一下全国数学建模大赛，像多元统计分析，计量经济学，数理统计，这些都挺重要的

问题四：想要做数据分析师应选择什么专业？ 统计（有统计理论）、计算机专业（会编程序实现）。其实专业关系不大，只要想做，都可以慢慢的做到

问题五：如何自学成为数据分析师 中文专业的前期要多花点功夫了啊，我是数学专业的，大学做过建模，所有统计学的东西还有一些软件多少接触过一点。建议你自学的话，excel软件和spss先熟悉一下，找两本书看看，《谁说菜鸟不会数据分析》是入门的，可以看一看，先了解一下吧，数据分析的东西还是要多实践的。如果你现在工作跟数据分析没有什么关系的话，转业工作可能有点困难，这种情况建议去考个证书吧，虽然现在国内数据分析刚起步，还没有太有含金量的证书，不过你这种情况有肯定比没有好，我就去考了一个，考CPDA吧，还有一个CDA，我选考的CPDA，说是CDA国外有机构什么的，但是我找不到任何网站可以查到这个证书，问他们他们也不说，我怕找工作人家要查查不到，但是CPDA工信部网站能查询证书信息的，所以对就业帮助可能会大一些，工作还是有参考作用的，不过指望靠班学到很多还是不可能，只是让你了解入门，手上多个敲门砖。数据分析属于技术类工种，要多实践，数据采集和挖掘是基础，这些工作门槛比数据分析岗相对低一些，好找，希望对你有帮助。

问题六：如果想成为一名数据分析师，需要具备哪些基本知识 一、 办公软件

1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA；

二、 数据分析软件及方法

1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、百度统计、Omniture等；

2）具备相关数据分析软件的使用经验SPSS\SAS\EVIEW\STATA\R\Weka……

3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作；

4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、百度统计等），并掌握分析工具的部署、配置优化和权限管理；

5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求；

（71）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力；

（72）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；

（73）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力；

（74）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。

三、 数据库语言

1）熟悉Linux *** 作系统及至少一种脚本语言(Shell/Perl/Python)；

2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本 *** 作；

（31）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （32）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。

四、 思维能力等方面

1）具备良好的行业分析、判断能力、及文字表达能力；

2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议；

4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力；

5）熟悉数据分析与数理统计理论，具有相关课程研修经历。

五、 其他要求

1）较强的英文听说读写能力，英语6级以上；

2）文笔良好；

3）了解seo,sem优先；

4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文>>

问题七：学数据分析师有专业要求吗？ 你好，是没有专业要求的，只要你数据基础不是太差，通过下面几步就可以成为一名数据分析师。

第一步：统计概率理论基础

这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。

第二步：软件 *** 作结合分析模型进行实际运用

关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样 *** 作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

第三步：数据挖掘或者数据分析方向性选择

其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。

第四步：数据分析业务应用

这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要，而这个能力是需要在工作之中一点一滴的积累，也许目前是做零售，会用到一些相关回归方法，但转行做电商，又会用到其他的挖掘等方法。业务虽千变万化，但是分析方法却万变不离其宗，所以掌握好技术用到任何一个环境靠的只有是业务经验的积累。

当然，考个CDA的数据分析师证书就更好了。

问题八：数据分析师学习方式是什么，数据分析师课程内容包括什么，数据分析师在哪里培训？ 一数据分析师的学习方式是面授和远程。

面授

项目数据分析师培训课程涉及到经济学、市场营销学、财务管理学、计量经济学、预测学、金融学等多方面知识，需要学员具备全面性理论基础知识贮备。我们对各个学科中项目分析所要用到的知识点进行了深入分析，在讲义中详细说明，使学员可在相对准确的领域内迅速掌握知识并加以运用。做到能够让学员将课本上所学的东西真正变为可以利用的有效工具。

远程学习

时间为一年整，采取先进的同步教学方式，保证学习质量，具体特点如下：

a、面授期间（8天面授），更新课程五次，通过每周的更新课程，让学员不仅可以在面授前提前预习基础知识，而且可以通过远程学习中心提交作业、知识点自我测试、考试复习、习题解答、在线答疑、案例参与等综合项目更好的掌握知识。

b、面授结束后，学员还有11个月的远程学习时间，每月一次的课件更新，使学员不仅能顺利适应项目数据分析师的认证考试，而且可以掌握各种数据分析的拓展知识和技能，为分析师在未来能够胜任专业分析工作奠定深厚基础。

c、远程学习不仅有丰富的文字学习内容，而且大比例增加了音频、视频课件，使学员可以通过生动的课件完成阶段性学习。

d、远程学习中心为学员提供学习计划制定、班级交流、继续教育等功能，帮助学员自觉学习、实现更好的学习效果。

二数据分析的课程有四本书：数据分析基础、量化经营、量化投资、战略管理

三、数据分析师在全国各地都有授权管理中心上课，北京、上海、广东等都有，具体的要看您在哪里。

问题九：数据分析师培训，什么人适合学数据分析 数据分析师需要学习以下几个方面的课程：

（1）数据管理。

a、数据获取。

企业需求:数据库访问、外部数据文件读入

案例分析:使用产品信息文件演示spss的数据读入共能。

b、数据管理。

企业需求:对大型数据进行编码、清理、转换。

案例分析:使用银行信用违约信息文件spss相应过程。

1）数据的选择、合并与拆分、检查异常值。

2）新变量生成，SPSS函数。

3）使用SPSS变换数据结构――转置和重组。

4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。

c、数据探索和报表呈现。

企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。

案例分析:企业绩效文件，如何生成美观清晰的报告。

1）制作报表前对变量的检查

2）制作报表的中对不同类型的数据处理

3） 报表生成功能与其他选项的区别

（2）数据处理

a、相关与差异分析。

案例分析:产品合格率的相关与差异分析。

b、线性预测。

企业需求: 探索影响企业效率的因素，并进一步预测企业效率。

案例分析:产品合格率的影响因素及其预测分析。

c、因子分析。

企业需求: 需要抽取影响企业效率的主要因素，进行重点投资

案例分析:客户购买力信息研究。

d、聚类分析。

企业需求: 需要了解购买产品的客户信息

案例分析:客户购买力信息研究

e、bootstrap。

案例分析: bootstrap抽样。

（3）SPSS代码

SPSS代码应用

问题十：大数据分析师 应该要学什么知识？ 1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。

2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。

3、至少能够用Acess等进行数据库开发；

4、至少掌握一门数学软件：matalab，mathmatics进行新模型的构建。

5、至少掌握一门编程语言；

6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。

以上就是关于python怎么样好学吗全部的内容，包括:python怎么样好学吗、小白想转行做大数据，怎么入行、转行做大数据行业怎么样等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！