素有“高薪”，“发展好”，“人才缺口大”等关键词的数据分析行业，近来可以说是毕业生就业和职场老鸟跳槽转行的热门行业啦。数据分析可以用在做用户画像，市场调研等等方面，所以即使是不去做专职的数据分析师，学习数分析对在市场部，运营部等岗位工作的小伙伴来说也是如虎添翼。可是，如果不是数学或者统计的本科，但是又很想了解数据分析的知识，想自学一些技能，该怎么做呢？今天，EVA老师会给大家介绍几个好用的资源。为大家讲解如何自学数据科学的toolbox，包括data visualization，data manipulation。

 

首先最重要的一点，是一定要实战，一个非常经典的数据表是iris，看完这篇文章就去下载并且演练起来吧！

 

1.data visualization：我建议大家从如何画好excel或者google sheet的图表并学习起来。excel的图表里，有几个既清楚又好操作的例子。我经常用的图是：

折线柱状图，柱状在左y轴，折线在右y轴，这样可以表示多组的两个metric，并且看出彼此的关系。

用iris数据举个例子，我们从数据出发可以分析各个species之间的品种差异，也可以分析各个factor之间的correlation。画scatter plot可以帮助我们看correlation，比如下图。

柱状图，则可以用来比较两个level分组的内容。

 

 

用python visualization的话，先从matplotlib学起。同样是iris data，以下有几个example。

学习好python里的折线，分组点状图，柱状图，分布图就差不多了。

 2.data manipulation：

 python和r的学习相比于excel要难一些，但是也不会太难。面对python和r选哪个的问题，在统计类型的问题包括一些test，时间序列分析方面r又不少很好用的包，但是在最新的deep learning和ai中python的包的丰富程度超过了r。所以我这边还是建议学python。我学python的时候用了一个很好的网站叫datacamp,他们有非常丰富的课程包括讲解和实战，我建议大家想系统性学习的话可以报个一个月的会员去试试，还可以拿证书挂在LinkedIn上面。

 

以上就是对大家入门data science的一些实用性建议，希望有所帮助。赶快去演练一下吧！