1设置你的计算机
既然你已经下定了决心,是时候设置你的计算机了。最简单的方法是直接从Continuum.io下载Anaconda,它含有你Python生涯中需要的绝大多数好东东 。
https://store.continuum.io/cshop/anaconda/
这样做的主要缺点是,即便有一些底层包已经有更新版本的时候,你还是需要等待Continuum更新Anaconda中的包。如果你只是刚刚开始,那这一点就不算是个问题。如果在安装时遇到任何困难,你可以在下面这个网站找到在不同操作系统下安装的详细指引。
http://www.datarobot.com/blog/getting-up-and-running-with-python/
2学习基本知识
你应该从了解Python语言、库和数据结构的基础知识开始,这个来自Codecademy的教程是你开始学习的最佳选择之一。
http://www.codecademy.com/tracks/python
在学完这个教程后,你应该可以轻松地用Python写些小程序,并且对类和对象的含义也有了理解。
特别学习:Lists(列表),Tuples(元组),Dictionaries(字典),列表的内涵和字典的内涵。
完成作业:完成在HackerRank上的教程习题。这些作业应该能让你的大脑因Python而“燃烧”。
备用资源:如果交互式编程学习不适合你,你也可以看看这个Google上的Python课程。这个两天的课程,内容覆盖了随后会提到的一些内容。
https://developers.google.com/edu/python/。
3学习正则表达式
你将会大量使用它来进行数据清洗,特别是在处理文本数据。学习正则表达式的最好方法是完成这个课程
https://developers.google.com/edu/python/regular-expressions
www.debuggex.com/cheatsheet/regex/python
完成“婴儿取名”练习
https://developers.google.com/edu/python/exercises/baby-names
如果想(gou)要(dan)更多的练习,请学习这个文本清理的课程。该课程将会在数据清理的不同步骤给你挑战。
http://www.analyticsvidhya.com/blog/2014/11/text-data-cleaning-steps-python/。
4学习Python科学库
有趣之事,始于此处!这里,简要介绍不同的Python科学库——NumPy, SciPy,Matplotlib和Pandas。那么,让我们开始练习常用操作吧!
完整地练习NumPy操作课程,特别是NumPy的数组操作。这会建立一个好的基础,为将要面临的现实挑战做准备。
http://wiki.scipy.org/Tentative_NumPy_Tutorial
接下来,看看SciPy的课程。完整学习简介和基础知识部分,剩余部分可根据个人需要进行学习。
http://docs.scipy.org/doc/scipy/reference/tutorial/
如果你猜下一个是Matplotlib教程,那就错了!就我们目前的情况而言,它们太过全面了。事实上,把ipython笔记看到第68行(到animations)就基本可以了。
http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb
最后,我们来看Pandas。它为Python提供了数据帧(DataFrame)的功能,类似于R语言。你也需要在这上面多花时间好好练习。对于所有中等规模的数据分析来说,Panda将会成为最有效的工具。从这个短小的10分钟入门开始,了解一下Pandas。然后,... ...
http://pandas.pydata.org/pandas-docs/stable/10min.html
然后,再看更详细的课程
http://www.gregreda.com/2013/10/26/intro-to-pandas-data-structures/。
其它资源:
如果你需要一本有关Pandas和NumPy的教材,推荐Wes McKinney著的《Python for Data Analysis》
下面这个网站,还有很多的教程可作为Pandas的学习材料。
http://pandas.pydata.org/pandas-docs/stable/tutorials.html
完成来自哈佛大学CS109课程的作业。
http://nbviewer.ipython.org/github/cs109/2014/blob/master/homework/HW1.ipynb
5有效的数据可视化
学完这个来自CS109的课程,你可以跳过前面的两分钟,接来下的内容非常精彩!
http://cm.dce.harvard.edu/2015/01/14328/L03/screen_H264LargeTalkingHead-16x9.shtml
跟着课程完成下面课程作业
http://nbviewer.ipython.org/gith ... /homework/HW2.ipynb
6学习Scikit-learn和机器学习
现在,我们来到了整个过程的实质部分。Scikit-learn是在Python中对机器学习最有用的库。
学完来自哈佛大学2014年的CS109课程中第10讲到第18讲。你会全面了解机器学习,监督式学习算法(如回归、决策树、整体建模等)和非监督式学习算法(如聚类等)。切记,跟随每一讲,完成作业。
http://cs109.github.io/2014/pages/schedule.html
7练习,练习,再练习
祝贺你,你做到了!现在,你已经拥有所需要的全部技能,只差练习了。哪里会有比在Kaggle上练习更好呢?上Kaggle与跟你一样的数据科学家一较高下。