2018年如何零基础入门数据分析.doc

go 如何零基础入门数据分析 随着数据分析相关领域变得火爆，最近越来越多的被问到：数据分析如何从头学起？其中很多提问者都是商科背景，之前没有相关经验和基础。 我在读Buisness Analytics硕士之前是商科背景，由于个人兴趣爱好，从大三开始到现在即将硕士毕业，始终没有停下自学的脚步。Coursera和EDX等平台上大概上过20多门网课，Datacamp上100多门课里，刷过70多门。这篇文章是想谈一谈个人的数据分析学习经验，希望对想要入门这个领域的各位有帮助。 1. 基本工具 学习数据分析的第一步，是了解相关工具 Excel excel至是最基础的数据分析工具，至今还是非常有效的，原因是它便于使用，受众范围极广，且分析结果清晰可见。 相信大多数人都有使用excel的基本经验，不需要根据教材去学习了。重点掌握：基本操作的快捷键；函数：计算函数、if类、字符串函数、查找类(vlookup和match)，一定要熟悉函数功能的绝对和相对引用； 数据透视表功能等。另外，excel可以导入一些模块来使用，典型的包括数据分析模块，作假设检验常用；规划求解，作线性规划和决策等问题非常有效。利用这些模块可以获得很不错的分析报告，简单且高效。 SQL 数据分析的绝对核心！大部分数据分析工作都是对数据框进行的，在这个过程中，需要不断的根据已有变量生成新变量、过滤掉一些样本还有转换level。SQL的设计就是为了解决这些问题。其他常用的数据操作工具，包括R语言的数据框、Python里的pandas，基本都是借鉴了SQL的思想，一通百通。 SQL入门容易，它的语法极其简单，基本可以说上过一门相关的课或看过一本相关的书就可以了解大概，但融会贯通并能够进行各种逻辑复杂的操作，就需要长时间的锤炼了。 SQL的学习建议，随便找一本书或者网课就好，因为主流的课程基本都是一个思路：先讲SELECT、WHERE、GROUP BY(配合简单的聚合函数)、ORDER BY这类单表操作，之后讲JOIN进行多表连接。除此之外，必会的基本技能还应该包括WINDOW FUNCTION和CASE WHEN等等。学了基本的内容之后，就是找项目多练，不断提升。 R/Python 熟练SQL之后，对数据操作方面的内容就得心应手了。接下来更复杂的问题，如搜索和建模，则需要使用编程语言。 R vs Python 目前最主流的数据分析编程语言就是R和Python，网上遍是关于这两者的争论，有兴趣的可以简单看一下，但不用陷入过度的纠结。我个人的经验来看，熟练两者其中的任何一个都可以胜任数据分析中的大部分工作，不存在某一个语言有明显缺陷的情况。 这里不想大篇幅的比较两者，但是想简单的说一下两者的侧重点： R语言是为了解决统计问题而设计的，因此它有一个很人性化的地方：最大程度的简化语言，从而让分析人员忽略编程内容，直面数据分析。也因为是统计语言，很多基本的统计分析内容在R里都是内置函数，调用十分便捷。此外，R的报告能力很强，大部分模型库在训练模型后都会提供很多细节，也比较容易通过rmd转换成优美的doc/pdf/html。 Python先是一门general的编程语言，之后才是数据分析工具。初学python，语法肯定是不如R容易理解的。但使用到后来，当越来越多的需要自己定义时，Python的优势就显现出来了。另外，Python在数据量大时速度会比较快。 至于先学哪一个，需要结合自己的规划来看：如果最终两个都要学，那我毫不犹豫的建议从R开始；如果两个选一个学的话，我目前倾向于Python，不过如果你确定自己以后只做业务方面的内容，那R可能更好一些。另外，如果有专注的领域的话，那么要结合自己的领域来定，比如搞投资分析的可以看一看R语言的PortfolioAnalytics库，大概就明白，说R语言把编程简化专注结果所言非虚。 R语言学习 当然无论入门哪种语言，学习路径都很重要。R语言的学习建议从基础数据结构开始，了解R中的vector、dataframe和list等结构，对语法有基本的理解。之后建议学习dplyr和ggplot2这两个库，两者分别是数据操纵和可视化库，学过之后可以做一些基本的数据项目了。学习平台首推datacamp，是付费的但绝对物有所值，没有比边学边练更好的学习方式了。此外推荐一本R语言实战(R in Action)，可以当作学习手册。 Python学习 包括我在内的很多同学都把Coursera上的Python for everyone当作启蒙教材，这是一门很好的课程，但对于专注数据分析的Python使用者而言，课程没有提供最完美的学习路径。学习Python也应该从数据结构开始，list、dictionary、tuple这些数据结构要了解。之后建议学习numpy、pandas