总结
实际上Python的进入前，能把软件学习好，学会用pandas和numpy包，基本是就完成了EDA(Exploratory data analysis)的大部分工作，分析简单的统计分析。
EDA 比如你想看， 一般的你想一个数据的分布，频率分布，看箱型图等； 均值、中位数、众数； 标准差等， 这些都属于EDA的范畴。
pandas和numpy会更复杂一些。 比如，我想看每一年的某个数据的均值，理论上我先将数据按年切割，然后再EDA， 这种操作属于pandas和numpy完成的， 另外，sql的作用和这里相似。
access不会，但是一般公司都会调用比较大量级的数据，基本上建表、更新、处理，保存都在线上，不会存入本地，因此你不太可能用access，你只不过在access连接线上数据库，给指令，但是不会把数据保存本地。
各种模型和算法都在sklearn包，我基本是除了SVM支持向量机以外，大部分的模型都有日志，我还没整理好。
软件安装部分和前面的EDA部分，最好不要跳过。后面可以按需完成。
软件安装
anaconda, Python 3.6 version 选择安装3.6的版本，2.6在20年后就不更新了，点击这里。 Downloads | Anaconda
PyCharm安装参考这里。 PyCharm安装，这个你前期用到的少，类似于RStudio，复杂一些的编辑器。
预习，微信文章
简单的科学运算，参考这篇微信公众文章。 Python爱好者社区历史文章列表（每周append更新一次）
主要看这几个，大概2个小时能够练习完，主要在jupyter中操作。
- Python从零开始系列连载（1）——安装环境
- Python从零开始系列连载（2）——jupyter的常用操作
- Python从零开始系列连载（3）——Python的基本数据类型（上）
- Python爱好者社区历史文章列表（每周append更新一次）
- Python从零开始系列连载（4）——Python的基本数据类型（下）
…
- Python从零开始系列连载（5）——Python的基本运算和表达式（上）
- Python从零开始系列连载（6）——Python的基本运算和表达式（下）
- Python从零开始系列连载（7）——Python程序的基本控制流程（上）
- Python从零开始系列连载（8）——Python程序的基本控制流程（下）
- Python从零开始系列连载（9）——Python特色数据类型（列表）（上）
- Python从零开始系列连载（10）——Python特色数据类型（列表）（下）
- Python从零开始系列连载（11）——Python特色数据类型（元组）（上）
- Python从零开始系列连载（12）——Python特色数据类型（元组）（下）
预习，Datacamp
完成后开始进入datacamp的学习。 按顺序进行。 从前面的学习，你也知道了，数据处理中，python用到numpy和pandas两个包很多，因此你在之后练习的时候，要注意收集这两个包，实现数据处理的例子，类似于做数学：题。
并且datacamp相关的学习笔记，我会记录，也就是一些比较重要的知识点，这部分的内容重要复习和查缺补漏了。它们的记录方式，逻辑性不强，因此还是建议你按照datacamp的学，如果遇到了没有解释的bug，再看笔记。
-
Learn Python for Data Science - Online Course 4个小时的课程，但是可以慢一点。第四章节是重点。
-
Intermediate Python for Data Science 4个小时的课程，这里会涉及pandas和loop，也就是循环。我感觉pandas对新手的友好度高，类似于R里面的tidyverse包1，因此你可以优先学习pandas > numpy > 其他。 loop很常见，比如一般的批量回归问题都可以解决。
-
Python Functions 3个小时的课程，这里会涉及到自建方程，这个很管用，减少重复的代码的工作，自己尝试使用numpy和pandas包的一些函数，嵌套，最后写一些自己的包。
-
Read Files in Python 1个小时的课程，这里涉及导入数据，csv和excel的导入，你要多注意，但是后面涉及sql和API的数据，你可以暂时不做，节约时间。
-
Cleaning Data in Python 5个小时的课程，这个章节是最重要的，涉及R里面tidyverse包几乎所有的数据处理方式，好好看，而且这个主讲人讲课结构非常清晰。
-
pandas Foundations 4个小时的课程， 刚开始都是复习pandas一些功能，可以加快速度。
-
Manipulating DataFrames with pandas 5个小时的课程， 都是针对
DataFrames进行Manipulating，类似于R中的dplyr包。 datacamp pandas DataFrames 学习笔记 。 -
Merging DataFrames with pandas 4个小时的课程， 都是针对
DataFrames进行Merging，类似于R中的dplyr包和SQL的JOIN函数。 datacamp pandas Merging DataFrames 学习笔记 。 -
Introduction to Databases in Python 5个小时的课程， 主要讲连接数据库和使用sql语言，Python中主要使用包
sqlalchemy[^sqlalchemy]。 Databases in Python 学习笔记 。 -
Data Visualization with Python 学习笔记 4个小时的课程， 主要讲使用
matplitlib.pyplot和seaborn画图， 对joint plot、pair plot的分析还是很到位的， 对image转化为矩阵的解释也是很到位的， 建议一看。 Data Visualization with Python 学习笔记 。 -
Statistical Thinking in Python (Part 1) 4个小时的课程， 主要讲使用
numpy包理解各分布和simulation。 Exploratory data analysis in Python 学习笔记 。 -
Statistical Thinking in Python (Part 2) 5个小时的课程。 对A/B测试等的方法解释非常到位，建议学习一下，统计思维很好。 Statistical Thinking in Python (Part-2) 学习笔记 。
第二部分
在基本熟悉了pandas、matplotlib、seaborn和numpy包， 线性回归、重要分布、样本检验后，
可以开始更加难的学习了。
当然这离机器学习还有一段路，但是以上应聘数据分析岗位已经够用了。
-
Python Data Science Toolbox (Part 2) 3个小时的课程。 更新的笔记， list comprehensions in Python 学习笔记 。
-
Unsupervised Learning in Python 4个小时的课程， 主要讲了一部分基本的特征工程的东西，比R课讲得清楚， 很可惜这个老师datacamp只有这门课， 相对来说，教Python的，理论部分是要清楚很多。 涉及PCA、KMeans、NMF，还不错。 更新的笔记， Unsupervised Learning in Python 学习笔记 。
-
Deep Learning in Python 4个小时的课程， 主要是神经网络的入门，之后还有课程。 Deep Learning in Python 学习笔记 。
-
Python: Network Analysis 4个小时的课程，没来得及学，但是我觉得神经网络不适合我现在的业务，用不太到，还不如好好研究监督学习，多搞搞决策树。 Network Analysis in Python Part 1 学习笔记 。
-
Extreme Gradient Boosting with XGBoost 4个小时的课程，主要讲xgboost，和随机森林并列trees类问题的最高境界，值得一学，但是老师教的不是特别好，业界出来的，主要讲集成方案，理论部分不足，需要自己看书。 Extreme Gradient Boosting with XGBoost 学习笔记 。
-
Supervised Learning with scikit-learn 4个小时的课程， 主要是监督学习，变量预处理， k-NN、回归、决策树、逻辑回归、SVM都有涉及，主要是k-NN。
-
Supervised Learning with scikit-learn 学习笔记 - A Hugo website 。
-
DrivenData: Machine Learning Course 4个小时的课程，
-
Tidyverse是RStudio的首席数据科学家* Hadley Wickham做的，常见的ggplot2等都是他写的。 ↩︎