Python学习与数据挖掘
最近经常有同学私下问我：如何学习数据分析，数据分析岗位需要具备那些条件等等。在4、5年之前，如果专业对口、会点 SQL、Python，找一份数据分析的岗位非常容易！虽然大数据、数据挖掘依然非常火热，不过最近一两年供需关系已发生很大的变化，市场对数据分析岗位的要求是越来越高了！
数据分析岗位除了要求你会数据分析的基本功外，还希望你会点大数据、数据挖掘、算法、具有良好数据敏感性等(不同部门会略有差异)。面对越来越苛刻的岗位要求，高效地学习数据分析迫在眉睫！
今天我将根据自身工作经验和面试经历来分享一下数据分析的学习路线(附资源链接)。学习路线将由浅入深，「学习资料一并附上」，希望对你有所帮助！内容较多，「建议关注、收藏！」
1、SQL
虽然不同数据库(Oracle、PostgreSQL、Hadoop等)的 SQL 语法会略有差异，但是微乎其微，SQL 编程是从事数据行业必须要熟练掌握的基本功。
与其他语言相比，SQL入门相对比较简单，但想要深入掌握还是有一定的难度的。建议新手先学习 SQL 基础技能，亲自动手敲代码，否则觉得自己都会了，但是遇到实际场景一脸懵逼，不知怎么应用了。
分享2个免费白嫖学习 SQL 的网站，可以解决90%的问题了！
网站
菜鸟教程SQL w3cschool
书籍
喜欢看书的小伙伴，我推荐如上图所示呼声最高的这3本书。
首先要搞清楚的一件事，《MySQL必知必会》和《SQL必知必会》是同一个作者 Ben Forta ，《SQL必知必会》的前20章所有内容在《MySQL必知必会》里都有，并且多了10章针对 MySQL 的内容。但我更推荐《MySQL必知必会》。
《MySQL必知必会》这本书讲解的非常的全面，光是最常用的 SELECT语句就花了12章来细细讲解。并且整本读下来会感觉到逻辑是非常清晰的，时刻知道自己学的是知识体系上的哪一个分支。《SQL 基础教程》可根据需要来取舍。
获得方式：
扫码或者长按下方二维码，点击右上方关注； 后台回复关键词：SQL；
2、Python
说起 Python，这应该是最近几年最火热的语言了，我们经常能在朋友圈看到 Python 相关的内容。个人建议，在开始学习之前，先去各大招聘网站看看相应的岗位，明确自己想做的细分方向，每个公司的岗位职责可能不太一样，所需要掌握的技能侧重点也不同，有针对性的去学习才是关键。
选择编辑器
作为小白，我们首先会面临这样一个问题：用 Python 哪个编辑器最好用？下面这一篇文章中，列举了 6 个目前程序员最爱的编辑器，并且列举了每一个编辑器的优缺点，我相信总有一款是你的最爱！链接：https://www.zhihu.com/question/331994253/answer/1593338220
学习资料
市面上学习 Python 的书籍非常的多，稂莠不齐。我一直坚信书在于精，不在于多，不好的书既浪费时间，也浪费金钱。今天分享给大家 Python 学习三件套：《ThinkPython》、《简明Python教程》、《Python进阶》。如果你是刚入门的小白，不用想了，这是最好的学习教材。
获得方式：
扫码或者长按下方二维码，点击右上方关注； 后台回复关键词：三件套；
Python 项目实战
学习 Python 过程中，在掌握了 Python 基础的前提下，都想学习一下案例，来进一步巩固 Python 的基础知识，并提升自己的Python编程能力。
我给大家分享一个 Github 上非常热门的 Python 实战项目，该项目提供了近五百个 Python 实战的小案例，并且已经拥有2万个star。同时，该项目的代码贡献者一共包含了528名作者。
获得方式：
扫码或者长按下方二维码，点击右上方关注； 后台回复关键词：python实战；
思维导图
Python 的知识点很多，只有梳理清楚框架体系才能有助于理解消化。今天我分享给大家一些珍藏很久的思维导图(部分展示如下图)。
获得方式：
扫码或者长按下方二维码，点击右上方关注； 后台回复关键词：思维导图；
3、数据分析
经过 SQL 和 Python 的项目实战，我们已掌握数据分析的基础技术能力，接着我们就可以学习数据分析了。
数据分析是什么
数据分析是指用适当的分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程，它可以帮助人们作出正确的判断，以便采取适当行动。
数据分析学习六件套
面对市场上多如牛毛的数据分析书籍，新手很容易陷入到处是书却无书可看的局面。为了让大家不走弯路、节约时间，我将数据分析资料按照难易程度分为入门、进阶、拓展(工具)等维度，大家可以根据自身学习情况进行选择。
资料链接：从入门到进阶，那些让你看了以后大呼过瘾的数据分析六件套
数据分析项目实战
当我们掌握数据分析的基础知识后，需要通过实践提升自身的数据分析能力。我推荐几个网站，在这里有完整的实战项目训练，我们可以跟着学习，不断的理清数据分析思路，提高对数据敏感度。地址如下：
kesci(难点中等偏下，适合初学者) kaggle(难点中等偏上) 天池学习赛(难点中等偏上)
此外推荐下面几个优秀的数据分析案例
数据分析常用网站
微热点(网络传播热度指数) 百度统计(多维度数据分析) 百度指数(热点搜索指数) tableau(可视化工具) powerbi(可视化工具) 问卷星(调查问卷使用) 中国统计局(获取统计数据)
可视化
在数据分析中，可视化是必备项，今天分享几篇制作可视化的方法：
4、知识拓展
面对处理海量数据的岗位需求，越来越多的数据分析岗位需要有大数据处理能力和掌握机器学习技巧的要求，今天我给大家分享几个非常实用的网站。
Spark 官方文档中文版 kafka Flink中文文档 scala中文文档
●竟有内鬼！北理工硕士生「复制粘贴」论文，旷视研究员最新声明
长按或扫描下方二维码，后台回复：加群，可申请入群。一定要备注：入群+地点+学习/公司。例如：入群+上海+复旦。
感谢你的分享，点赞，在看三连 
