数据分析python-数据分析python库

大家好，今天小编关注到一个比较有意思的话题，就是关于数据分析python的问题，于是小编就整理了5个相关介绍数据分析python的解答，让我们一起看看吧。

1. python数据分析需要学python web吗？
2. Python如何快速创建强大的探索性数据分析可视化？
3. python机器学习和数据分析有什么区别？
4. 想做数据分析是学python还是学大数据？
5. coursera上有哪些值得学习的Python,数据分析的课程？

python数据分析需要学python web吗？

python数据分析需要学python web。

因为python web 是网页方面的开发的，做数据分析一般都是需要将数据从网站上面获取下来然后再解析获取到自己想要的数据的，而这个时候获取的数据是网页的形式存在的，所以需要懂web方面的技术知识才能够将网页解析出来。

Python如何快速创建强大的探索性数据分析可视化？

快速创建，当然是用库啰。

主流的库：pandas、seaborn、matplotlib。

另外plotlib和bokeh也可以了解下。

pandas

pandas是基础，数据分析可视化，首先要分析，然后才谈得上可视化。

（图片来源：pandas***）

pandas的主要概念是DataFrame和Serie。其中用的最多的是DataFrame。DataFrame你可以简单理解为一张表格，每行是一个观测（observation）/实例（instance），每列是一个特征（feature）/属性（property）。理解了DataFrame，Serie也就不难理解，DataFrame的每行你都可以把它看成是一个Serie.

然后pandas提供了各种数据分析的方法，处理DataFrame和Serie.

绘图库

然后，seaborn、matplotlib、plotly、bokeh都是绘图库，用来绘制各种可视化的图形。（当然，其实pandas也可以用来绘图，但是pandas的绘图能力比较孱弱，一般不用。）

seaborn是基于matplotlib的，后出转精，API用起来比matplotlib简洁舒服。不过seaborn并不能完全替代matplotlib，有的时候还是需要使用matplotlib。

（图片来源：seaborn***）

seaborn和matplotlib都是绘制图片，而plotly和bokeh可以做出可交互的图片。当然，这也就意味着，为了实现交互功能，你需要自己搭一个服务（bokeh），或者是找平台host（plotly提供收费host）。

python机器学习和数据分析有什么区别？

机器学习是一种算法，python是一种语言，python只是借助框架实现机器学习的一种手段。

数据分析是一个过程，是对数据处理的一种方式，其中可以包含机器学习方法，也可以使用诸多其他的方法，数据分析还包括原始数据的清理、归类等操作。

如果是广义的机器学习，实际上还包含其他很多算法，如图像识别、NLP等等，在广义上来讲，数据分析和机器学习是相互交叉的，机器学习作为工具之一可以被数据分析很好的使用，同样数据分析也有助于机器学习提高算法的效率和性能。

想做数据分析是学python还是学大数据？

优秀的数据分析师需要具备这样一些素质：有扎实的 SQL 基础，熟练使用 Excel，有统计学基础，至少掌握一门数据挖掘语言（R、SAS、Python、SPSS），有良好的沟通和表达能力，做好不断学习的准备，有较强的数据敏感度和逻辑思维能力，深入了解业务，有管理者思维，能站在管理者的角度考虑问题。

这是一个非常好的问题，作为一名IT从业者，我来回答一下。

首先，数据分析是大数据技术体系当中的一个重要组成部分，所以未来要想在数据分析领域走得更远，应该对大数据整体的技术体系有一个全面的了解，涉及到数据***集、数据存储、数据呈现、数据安全和数据应用等。

数据分析当前有两种常见的方式，一种是统计学方式，另一种是机器学习方式，当前统计学方式有一套比较完整的技术体系，相关内容的学习也会更容易一些，而机器学习方式对于初学者的要求相对高一些，往往需要初学者具有一定的编程基础和数学基础。

Python语言在数据分析领域的应用比较广泛，***用机器学习的方式进行数据分析，往往也需要***用Python语言来完成算法实现和落地应用，所以学习数据分析从Python语言开始学起也是比较常见的选择。由于Python语言本身的语法结构比较简单，而且Python语言自身的库也比较丰富，所以即使没有编程基础的人也可以顺利入门Python语言。

初学者学习完Python语言的基本语法之后，可以进一步学习机器学习知识，可以从一些经典的算法开始学起，比如决策树、k-mean、朴素贝叶斯等等，然后基于Python语言来完成这些算法的实现、训练、验证和应用步骤。当然，这个过程最好能够结合一些实际的应用场景，这会积累不少实践操作经验。

在入门机器学习知识之后，可以进一步学习一下大数据平台知识，整个大数据技术体系往往都以大数据平台为基础，所以掌握大数据平台对于数据分析人员的工作开展还是比较重要的。对于初学者来说，可以从Hadoop、Spark开始学起，相关的学习案例也比较多。

最后，学习数据分析知识一定要重视行业知识的积累，大数据分析往往与行业场景关系密切，掌握行业知识对于数据分析的过程也有非常直接的影响。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

个人认为没什么冲突。

1.Python目前的使用基本排名前四，而数据分析需要的是数据整理以及数据库等东西。跟学习Python影响不是很大，而且学习Python比学习C++，JAVA等简单一些。

2.学习什么软件只是作为工具而言，主要学习的是借用工具处理问题的方法。所以关于学什么，其实你自己已经有一些答案。

数据分析不是只分为Python和大数据，这个行业其实不只是表面上那么简单，除了基本的软件需要掌握以外，还需要有一定的分析能力，数据分析重在分析。

比较基础的软件有Excel、MySQL、Python、BI等等，想要入行的话建议从这些基本的开始学，打好基础，慢慢培养数据分析思维，增强数据分析能力。

小飞象数据分析社群探讨过这个问题，我们当时也给出了一些建议，以及群友的回答，今天我们来梳理一下这个问题。

我们认为要先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python或者学大数据，可以先上手Excel+SQL这2个简单的数据分析工具来入门。有SQL基础以及数据分析的基础后再学Python和大数据挖掘会相对容易些。

但是，需要值得注意的是，要入门数据分析岗，我们要先做职业的规划：

1. 明确自己职业规划是走业务方向还是技术方向。
2. 要充分对目标领域的行业知识进行全面的调研，了解行业背景及行业相关的指标，然而，在行业的选择上，要以擅长的、热爱的和有发展前景的即是最佳选择）。
3. 了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

coursera上有哪些值得学习的Python,数据分析的课程？

睡觉前看到这个问题，前天写了一篇关于在coursera学习python的文章，正好对题，于是摘抄一部分，希望能有所帮助 :-)

下面就讲讲我在coursera上学习python的过程（也是给大家推荐这位有趣的教授，有想学python的同学可以去关注一下）。这是由密歇根大学开设的零基础Python入门专项课程，我先后在coursera学习了里面的三门课程，分别是《Python入门》，《Python数据结构》，《使用Python访问网络数据》。
这个教授名叫：CharlesSeverance，下面引至***：Dr. Charles "Chuck"Russell Severance is an American computer scientist and academic who currently serves as Clinical AssociateProfessor of Information at the UniversityofMichigan他长这样：

Dr.Chuck是一个很有趣的人，他讲课非常仔细，在第一门课讲变量，条件，函数这些的时候，纯英文字幕我也能看的津津有味，而且他还会时不时停下来叫你暂停思考一会儿….（课程配套书《Python for Informatics》）
另外他在每节课后都有OfficeHours或者Interview，他会飞到世界各地，***访在coursera上上他这门课的人，录成一个短***，让别人讲一下上这门的感受。有一期印象特别深刻是因为他***访了python的创始人，还跟人家说“我在录***，你配合一下…”
在第一节课《Python入门》里，他主要讲了条件语句（while，if，for，continue，break），字符串的处理（索引，解析文本），文件的按行读书，储存原理（open函数，句柄，删除换行符）在第二节课《Python数据结构》，他主要讲了string，tuples（元组），list（列表的元素添加，截取），dictionary（字典，键值对，按键大小排序）以及这些的应用。
我记得他在讲元组与列表的区别时，讲到元组是不可改变的，列表元素是可以改变的，在你认为命名的对象后面可能会更改时，你应该选择list，若确保对象不再更改，选择元组则可以节省更多的空间，更快。以前我一直认为解决一个问题最好的方式是靠好算法，直到他让我明白了“clever data structure”同样具有巨大的能量，而事实也是如此。
我认为Dr.Chuck教给我最多就是编程的思想，一些最基本的原理，而且这些也是他试图去教给你的。在第二节课结束时，这个***教授还搞了一个毕业典礼，请来了他的好基友来做毕业演讲，郑重的发证书…

此处有音乐……

给你递证书

和你握手

在第三节课《使用Python访问网络数据》中，他主要讲了正则表达式（爬虫基本工具），网络编程，介绍了HTTP（超文本传输协议），URL（统一***定位符），浏览器与server之间的信息传输，XML（可扩展标记语言），JSON（数据交换语言）。这些以前从未接触过的名词让我知道了数据信息是怎样在网络上进行传递的，顺便让我对爬虫技术又有了更深的理解。
然后Dr.Chuck作为一个长者，也经常教我一些人生的经验，讲到爬虫，他说爬虫很酷很强大，但是不能用来做一些不好的事，他还说过：”Don’t scrpe Facebook!” ，“With great power comes great responsibility!”这样正能量的话。

在第二节课结束时，他曾经说过：“Thank you for spending all this time with me. If you gotten this far, I really ***reciate it, So thank you very much.”其实我也想对他说同样的话，感谢他所做出的一切！他使我会一直坚持Python的学习。

可以看出大家都很喜欢这位可爱的教授。

另外在第三节最后一课中，我第一次看见了中国人的面孔，羡慕他们！

完

到此，以上就是小编对于数据分析python的问题就介绍到这了，希望介绍关于数据分析python的5点解答对大家有用。