Python数据分析指南

Posted 2021-12-12 尤尔小屋的猫

公众号：尤而小屋
作者：Peter
编辑：Peter

大家，我是Peter~

关注尤而小屋的朋友都知道，Peter一直都在写关于数据分析的文章。

有读者朋友后台反映：Peter能不能将公众号的文章进行分类，方便阅读呢？

于是Peter周日花了些时间认真整理了一下，尤而小屋里面的文章主要分为下面的7大块：

下面一一来介绍下：

一、Pandas库

首先必须隆重地向大家介绍Pandas库的相关文章。

Pandas是Python的强大数据分析库。目前Pandas相关的文章已经更新到第30篇，主要分为4大部分：

1、基础部分：介绍Pandas的入门知识

• Pandas的简介
• 如何理解和创建Series和DataFrame类型的数据
• Pandas中的花样取数技巧
• 如何进行数据探索和数据类型转换
• Peter带你图解Pandas中的groupby、rank、sort_values、merge+concat+join+append、缺失值+空值+重复值处理、轴旋转stack+unstack

2、进阶部分：Pandas中的技巧性操作

• Pandas中的透视表如何制作
• Pandas的3个宝藏函数：map+apply+applymap
• 移动函数shift的使用
• assign函数的使用

3、Pandas挑战SQL系列：使用Pandas来实现SQL中的操作

• SQL中的三种排名方式：Pandas的rank函数
• 挑战groupby统计操作
• 14种方式，34个案例：对比SQL，学习Pandas
• Pandas实现SQL中的groupby_concat操作

4、时间序列问题：如何处理Python或Pandas中时间问题

目前主要是介绍了3个时间模块的使用：time、datetime、calendar，后续会继续更新

🌶Pandas专栏地址

二、Python入门

Python入门的学习资料也在同步更新，方便自己的查漏补缺，也为了给读者提供优质的学习资料。将来的主要方向：

目前完成了：

• Python数据类型的文章，涉及到：字符串、列表、集合、字典
• Python语句操作：深入理解Python中的变量与赋值，for语句和if语句

在Python入门的部分除了上面的4大板块，后续会引入一个新的板块：《Python自动化办公系列》

🌶Python入门

三、可视化教程

可视化教程是尤而小屋更新的另一个重点（小屋核心教程：Pandas+可视化）。目前涉及到的可视化库包含：

（1）关于plotly和高级封装plotly_express

Plotly库一直以来都是可视化教程中的主要方向，目前更新完成了各类基本图形的绘制：柱状图、散点图、气泡图、K线图、桑基图、矩形树状图等，最近还写了一篇如何处理Plotly中的图例Legend问题。

后续Plotly的文章重点将会放在进阶部分：Plotly和Dash的结合，这才是Plotly真正强大的地方。

Dash官网学习地址：https://dash.plotly.com/installation

（2）关于Tableau

Tableau是一个商业级的可视化软件，深受大厂的青睐，能够通过各种拖拽实现精美的图表。如果不希望通过代码来实现图形绘制，Tableau值得大家认真学习，它还有属于自己的比赛。

（3）关于Pyecharts+pyg2plot

这两个可视化库都是国产的。Pyecharts是基于百度团队的Echarts，结合Python而形成的；pyg2plot是阿里的蚂蚁金服团队开发的。

Peter后续更新pyecharts的文章，请期待~

🌶Plotly专栏

四、mysql/SQL

数据库MySQL的内容主要是3大块：

• LeetCode-SQL的题解
• 《MySQL经典50道面试题》
• Pandas挑战SQL的实战

目前最为精华的内容是《MySQL经典50题》，已经全部完成，另外两部分会陆续更新。

🌶MySQL专栏

🌶LeetCode-SQL

五、爬虫系列

爬虫的文章每次都会是一个小的案例demo，它将会教你：

• 爬取数据
• 数据清洗
• 数据分析
• 可视化制图

整个流程全部走下来可以作为一个实战的案例分析，目前的文章包含：

🌶爬虫专栏

六、机器学习与算法

机器学习与算法的文章相对来说会比较，Peter自己也需要不断地学习提升，目前的文章：

• 从理论到实战，拿下机器学习入门算法：KNN，K近邻
• 理论+案例+数据，详解机器学习模型：线性回归
• Python数据挖掘：多因子分析实战
• 统计学知识扫盲：相关系数

后续的重点是：10大数据挖掘算法、scikit-learn库使用、统计学知识，尽量多写实战案例的文章

🌶专栏地址：机器学习

七、杂文

除去上面介绍的各种技术和实战类的文章，平时偶尔也会写或者转发Peter认为不错的文章：

• Python环境配置保姆教程
• 日常必备的Linux命令
• Jupyter notebook的使用入门手册
• Markdown的语法手册（PPT版本）

写在最后

写作真的是不易：从确定选题，收集、整理、查阅资料，写作成文，到最后的公众号的后期排版等，Peter都会尽全力做到最好，希望给自己和读者朋友一篇满意的文章。

后面Peter会写一篇文章：《Peter从头到尾教你写作公众号文章》

如果你觉得不错，想跟着Peter一起学习数据分析，欢迎点赞、留言、一起交流喔