如何零基础入门数据分析.docx

成都 CDA 成都 CDA数据分析 PAGE 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。 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，如有哪些信誉好的足球投注网站和建模，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