方法|如何學習Python做資料科學的5個步驟

為什麼學習Python做資料科學？

在我們探索學習Python做資料科學之前，我們應該簡要地回答一下為什麼首先應該學習Python。
簡而言之，掌握Python是資料科學職業所需要的寶貴技能之一。

雖然Python並不總是這樣，但它是資料科學的首選程式語言。以下是一段簡短的歷史:

• 2016年，它在資料科學競賽的首要平臺Kaggle上超越了R。

• 2017年，在KDNuggets對資料科學家最常用工具的年度調查中，它超越了R。

• 2018年，66%的資料科學家表示每天都在使用Python，這使得Python成為分析專業人士的首選工具。

資料科學專家預計這種趨勢將隨著Python生態系統的不斷發展而繼續下去。雖然您學習Python程式設計的旅程可能剛剛開始，但很高興知道就業機會也很豐富(而且還在增加)。

事實上，資料科學家的平均工資是127,918美元。
好訊息嗎?預計這個數字只會增加。IBM的專家預測，到2020年，對資料科學家的需求將增加28%。

因此，資料科學的未來是光明的，而Python只是眾所周知的餡餅中的一塊。幸運的是，學習Python與其它程式設計一樣容易。我們將透過五個簡單的步驟向您展示。
但是請記住——僅僅因為步驟簡單並不意味著你不需要投入工作。如果你全身心地投入到學習Python中，並投入有意義的時間，你不僅有可能掌握一項新技能，而且有可能將你的職業生涯提升到一個新的水平。

如何學習Python做資料科學

（點選圖片放大檢視，需要加入資料人圈子，請加微信：luqin360）

第一步：學習Python基礎

每個人都從某處開始。第一步是學習Python程式設計基礎。您還需要資料科學的介紹。
您應該在旅程的早期開始使用的重要工具之一是Jupyter Notebook，它預裝了Python庫，可以幫助您快速高效地學習。

開始你的學習:加入一個社群

透過加入一個社群，你可以結交志同道合的人，增加你的就業機會。根據美國人力資源管理協會(Society for Human Resource Management)的資料，員工推薦佔所有員工的30%。

建立一個Kaggle帳戶，加入一個本地的Meetup小組，並參與Dataquest與當前學生和校友的成員間的輕鬆討論。

相關技能:嘗試命令列介面
命令列介面(CLI)使您可以更快地執行指令碼，允許您更快地測試程式並處理更多的資料。

第二步：練習迷你的Python專案

我們真的相信實踐學習。您可能會驚訝地發現，很快就可以構建小型Python專案了。

試著編寫一些程式，比如線上遊戲的計算器，或者從谷歌上獲取你所在城市的天氣資訊程式。構建這樣的小型專案將幫助您學習Python。像這樣的程式設計專案是所有語言的標準，也是鞏固您對基礎知識理解的好方法。
您應該開始構建您的api經驗，並開始web抓取。除了幫助您學習Python程式設計，web抓取還將對您以後收集資料非常有用。

開始你的學習:閱讀
加強你的課程學習，找到你遇到的Python程式設計挑戰的答案。閱讀指南、部落格文章，甚至其他人的開放原始碼，學習Python和資料科學的最佳實踐，並獲得新的想法。
由Al Sweigart編寫的用Python自動處理無聊的東西是一種優秀的娛樂資源。
相關技能:使用SQL處理資料庫
SQL用於與資料庫通訊，以更改、編輯和重組資訊。SQL是資料科學社群的主要工具，一份報告顯示40%的資料科學家在使用它。

第三步：學習Python資料科學庫

與其他一些程式語言不同，在Python中，通常有一種最好的方法。用於資料科學的三個最佳和最重要的Python庫是NumPy，Pandas和Matplotlib。

NumPy和Pandas非常適合探索和玩資料。Matplotlib是一個資料視覺化庫，可以生成您在Excel或Google表格中找到的圖表。

開始您的學習：提出問題

你不知道你不知道的是什麼！

Python擁有豐富的專家社群，他們渴望幫助您學習Python。像Quora，Stack Overflow和Dataquest的Slack這樣的資源讓很多人興奮地分享他們的知識並幫助你學習Python程式設計。我們還為每個任務提供常見問題解答，以幫助您在使用Dataquest程式設計課程中遇到的問題。

相關技能：使用Git進行版本控制

Git是一種流行的工具，可以幫助您跟蹤對程式碼所做的更改，從而更容易糾正錯誤，實驗和與他人協作。

第四步：構建您的資料科學專案

對於有抱負的資料科學家來說，資料科學專案是必須的。

這些專案應該包括幾個不同的資料集，並且應該給讀者留下您已經收集到的有趣見解。您的資料科學專案不需要特定的主題;找到您感興趣的資料集，然後想出一種將它們組合在一起的方法。

顯示這些專案可以讓同行資料科學家們進行合作，並向未來的僱主展示您真正花時間學習Python和其他重要的程式設計技能。

資料科學的一個好處是，您的資料科學專案可以兼作簡歷，同時突出您學到的技能，如Python程式設計。

開始您的學習：溝通，協作並專註於技術能力

在此期間，您需要確保培養與他人合作所需的軟技能，確保您真正瞭解您正在使用的工具的內部工作原理。

相關技能：學習初級和中級統計

在學習Python用於資料科學的同時，您還希望獲得統計學方面的扎實背景。瞭解統計資料將為您提供專註於正確事物所需的思維樣式，因此您將找到有價值的見解（和真正的解決方案），而不僅僅是執行程式碼。

第五步：應用高階資料科學技術

最後，旨在提高你的技能。您的資料科學之旅將充滿不斷的學習，但您可以完成高階課程，以確保您已涵蓋所有基礎。

您希望對回歸，分類和k-means聚類模型感到滿意。您還可以進入機器學習 – Bootstrapping 模型和使用scikit-learn建立神經網路。

此時，程式設計專案可以包括使用實時資料源建立模型。這種機器學習模型隨著時間的推移調整其預測。

記住：繼續學習！

資料科學是一個跨越眾多行業的不斷發展的領域。

按需求增長的速度，有指數級的學習機會。繼續閱讀，協作和與他人交談，隨著時間的推移，您一定會保持興趣和競爭優勢。

學習Python需要多長時間？

閱讀完這些步驟後，我們讓人們問到的最常見的問題是：“這需要多長時間？”

學習Python需要花費大量時間。具體而言，對於資料科學，估計從一個實踐的3個月到一年的範圍。

我們看到人們以閃電般的速度穿過我們的課程，而其他人則更慢。

實際上，這一切都取決於您所希望的時間表，您可以專註於學習Python程式設計的空閑時間以及您學習的速度。

Dataquest的課程是為您自己建立的。每條路徑都充滿了任務，實踐學習和提問的機會，這樣您就可以深入掌握資料科學的基礎知識。

免費入門。透過我們的學習Python做資料科學路徑，並立即開始掌握一項新技能。

原文連結：
https://www.dataquest.io/blog/how-to-learn-python-for-data-science-in-5-steps/