為什么學習Python數據科學？

Python是數據科學職業所需的寶貴技能之一。Python是數據科學的首選編程語言。

• 2016年，它超越了R on Kaggle，這是數據科學競賽的首選平臺。
• 2017年，它在KDNuggets對數據科學家最常用工具的年度調查中取代了R.
• 2018年，66％的數據科學家報告每天使用Python，使其成為分析專業人士的頭號工具。

數據科學專家預計，隨著Python生態系統的不斷發展，這一趨勢將持續下去。雖然您學習Python編程的過程可能剛剛開始，但就業機會也很豐富，并且還在增長。

據Indeed，數據科學家的平均工資是127,918美元。這個數字預計只會增加。 IBM的專家預測，到2020年，數據科學家的需求將增長28％。

因此，Python數據科學的未來是光明的。

• python測試開發項目實戰-目錄
• python工具書籍下載-持續更新
• python 3.7極速入門教程 - 目錄

如何學習Python的數據科學

• 第1步：學習Python基礎知識

Python編程基礎知識及Jupyter Notebook。比如python 3.7極速入門教程：https://china-testing.github.io/python3_quick.html

通過加入社區，您可以將自己置身于志同道合的人群中，并增加就業機會。根據人力資源管理協會的統計，內推占所有雇員的30％。比如扣扣群：630011153 144081101。創建Kaggle帳戶。

嘗試使用命令行界面：命令行界面(CLI)使您可以更快地運行腳本，從而可以更快地測試程序并處理更多數據。

• 第2步：練習迷你Python項目

嘗試編寫諸如在線游戲的計算器之類的程序，或者從您所在城市的Google獲取天氣的程序。構建這樣的迷你項目將幫助您學習Python。這些編程項目是所有語言的標準，也是鞏固您對基礎知識理解的好方法。https://china-testing.github.io/practices.html上有不少練習項目。

使用API??構建體驗并開始Web抓取。除了幫助您學習Python編程之外，Web抓取對于您以后收集數據非常有用。

閱讀指南，博客文章，甚至其他人的開源代碼，以學習Python和數據科學最佳實踐 - 并獲得新的想法。

《Python編程快速上手:讓繁瑣工作自動化》有很多優秀的實例，在https://china-testing.github.io/python3_quick9.html可以下載，該網址還收集了海量的python書籍。

SQL用于與數據庫通信以更改，編輯和重新組織信息。 SQL是數據科學界的重要內容，因為40％的數據科學家報告說它一直在使用它。

• 第3步：學習Python數據科學庫

與其他一些編程語言不同，在Python中，通常有一種最好的方法。用于數據科學的三個最佳和最重要的Python庫是NumPy，Pandas和Matplotlib。

NumPy和Pandas非常適合探索和玩數據。 Matplotlib是數據可視化庫，可以生成類似Excel或Google表格中找到的圖表。當然還有其他很多優秀的庫，請參考：https://github.com/china-testing/python-api-tesing。

Python擁有豐富的專家社區，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并幫助你學習Python編程。改變使用百度的不良習慣。盡量使用google、https://www.oscobo.com/等，可以參考https://china-testing.github.io/address.html的搜索引擎收集。

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

• 第4步：在學習Python時構建數據科學組合

對于有抱負的數據科學家來說，投資組合是必須的。

這些項目應該包括幾個不同的數據集，并且應該給讀者留下您已經收集到的有趣見解。您的投資組合不需要特定的主題;找到您感興趣的數據集，然后想出一種將它們組合在一起的方法。

顯示這些項目可以讓同行數據科學家們進行合作，并向未來的雇主展示您真正花時間學習Python和其他重要的編程技能。

數據科學的一個好處是，您的投資組合可以兼作簡歷，同時突出您學到的技能，如Python編程。

通過以下方式啟動您的學習：溝通，協作并專注于技術能力

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

在學習Python用于數據科學的同時，最好獲得統計學方面的扎實背景。了解統計數據將為您提供專注于正確事物所需的思維模式，因此您將找到有價值的見解（和真正的解決方案），而不僅僅是執行代碼。

• 第5步：應用高級數據科學技術

數據科學之旅將充滿不斷的學習，但您可以完成高級課程，以確保您已涵蓋所有基礎。比如回歸，分類和k-means聚類模型。您還可以進入機器學習 - 自舉模型和使用scikit-learn創建神經網絡。

此時，編程項目可以包括使用實時數據源創建模型。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！

數據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？

學習Python需要花費大量時間。具體而言，對于數據科學，估計要3個月到一年。如果需要參加培訓，切記能確定老師具備相應的實際技能。不少機構的老師實際都未入門，自學加實際從業高手的指點，是比較快捷的方式。

參考資料

• 本文涉及的python測試開發庫 謝謝點贊！
• 本文相關海量書籍下載
• 2018最佳人工智能機器學習工具書及下載(持續更新)
• https://www.dataquest.io/blog/how-to-learn-python-for-data-science-in-5-steps/

• Kaggle
• KDNuggets study on Python overtaking R
• KDNuggets poll of data scientists and the tools they use
• Indeed.com salary estimates
• Forbes
• Society for Human Resource Management