如何零基础入门数据分析

1、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Excelexcel 至是最基础的数据分

2、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

3、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）、ORDERBY 这类单表操作，之后讲 JOIN 进行多表

4、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

5、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

6、 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

7、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 Actio n)，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 、 dicti

8、onary 、tuple 这些数据结构要了解。之后建议学习 numpy 、 pandas 和 matplotlib ，分别是矩阵库、数据框库和可视化库，基本就算是入门了。学习 Python ，Datacamp 依然是个很不错的平台，但是资源不如 R 丰富。首推一本 叫利用 python 进行数据分析 (Python for data analysis) 的教材，直接传授 数据分析最需要的编程技能， 熟悉书中的知识基本就可以说学会 Python 数据分 析的基本操作了。2. 描述性分析和统计基础了解基本工具之后， 还要拥有相关的知识才能正式开始数据分析。 分析的基 础是统计知识， 相信大部分人都

9、学过概率和统计相关的课程， 自己基础是否够扎 实，可以考一考自己：均值 /标准差 / 相关性等指标，各种探索性分析场景用哪种 可视化方法比较好，抽样分布 /置信区间 /假设检验，贝叶斯理论等。在这些相关 内容没有彻底熟练之前， 建议不要认为自己基础已经足够扎实了， 这些内容都是 值得反复学习的。另外，可以结合数据分析工具来学习， 比如用R或Python进 行双均值假设检验 (当然这里是手写而不是调用函数) ，对理解编程和理解统计 都有帮助。这里推荐深入浅出统计学和深入浅出数据分析两本书，可以作为入 门，也可以作为复习，当然如果统计背景比较深，没必要看了，太基础了。也推 荐 Coursera 杜

10、克大学的 Statistics with R ，前三门课质量都比较高，需要有 R 的基本知识，可以边学统计边练 R。描述性分析真的很重要， 这里需要再强调一下。 如果真的想做数据分析， 尤 其是业务导向的数据分析， 建议一定要重视这部分。 平时做项目也是一样的， 拿 到数据后先彻底的理解数据，不要急着往模型里放。3. 机器学习 终于到了机器学习，我猜对于很多数据分析学习者，机器学习是本质目的。 机器学习是有不同种学法的：对于业务数据分析者，了解各类模型的使用场景、 优劣势，基本就足够了； 对于偏数据科学和挖掘的人员来说， 要深入理解每一种 模型，至少得写出推导步骤； 更深入的算法导向人员， 还

11、要有从头实现算法的能 力。这篇文章的目标读者主要是第一类和第二类。学习机器学习模型可以从理解模型和实现两个方向入手， 目前主流的实现工 具还是R和Python Datacamp上有很多用R和Python进行机器学习的课程， 看了之后基本可以了解机器学习模型在做什么， 平时的应用场景大概怎样。 流行 的模型一定要理解，像逻辑回、支持向量机 （核函数 ）、k 邻近、朴素贝叶斯、集 成学习模型 （随机森林和各类 boosting） 都是很常用的模型； bias-variance tradeoff 、标准化、正则化、交叉检验、重采样，这些概念也要了解。如果想进一步深入的去理解模型细节， 那么微积分和线

12、性代数是必要的先修 课，否则无法继续进行了。当然如果决定进一步学习细节，需要看更多的教材， 上一些相关课程。网上的相关课有很多，目前最火爆的肯定是 Coursera Andrew Ng 的机器 学习。这门课也是我的入门课， 确切的说我第一次学这门课的时候， 甚至还不会 调包，也不太会编程，就跟着一步一步做，很艰难的完成了作业。做到神经网络 那部分，当时实在写不出来，去网上找答案看。到现在，这门课我应该看过有五 遍了，基本上每隔几个月重新看一下都有新的收获。Coursera 还有另一系列的机器学习课来自华盛顿大学，质量也很高，课程用 Python( 缺陷是使用的库不是 pandas 和 skle

13、arn ，而是授课者自己开发的库 ) ， 很大一部分内容是手写模型，很有助于打好基础。此外，因为这是一系列课，所 以覆盖范围要比 Andrew Ng 的课广一些，回归问题、分类问题、非监督问题， 都单独成为一门课程。很多机器学习的教材写的也不错，比如 An Introduction to Statistical Learning(ISL) 和 Machine Learning with R ，两者都是讲模型的数学推导，并 用 R 语言实现。机器学习确实是很深奥的东西， 如果时间允许建议经典的课程和教材都看一 看，有的课甚至可以多看几遍。4. 更进一步如果以上内容都比较扎实的完成， 可以说能够进

14、行大部分项目了， 也对数据 分析有着很成体系的理解。 之后可以结合自己的需求， 深入学习更多的内容， 或 者结合实际项目练习。尝试着找一些完整的项目去做，比如说 kaggle 就是很不 错的平台，会提供数据集进行使用。 kaggle 的入门赛也做的很好，简单易懂， 让新人不会太迷茫。如果有额外兴趣的话， 还是有很多更深奥的东西值得学习的， 比如深度学习 范围的内容或者大数据的相关技术等。5. 结尾的话很多人在入门数据分析时候都会问： 我从零开始， 多久能学会机器学习？其 实取决于你怎么理解会，如果从头学 python ，到能使用 sklearn 调出机器学习 模型，大概一个月就完成了。 但深入的去理解以上内容， 确实不是一年半载能完 成的我见过很多人追求速成，也确实速成了。遇到项目基本就是把数