隨著大數(shù)據(jù)的發(fā)展，數(shù)據(jù)驅(qū)動被更多人談起，數(shù)據(jù)分析和挖掘越來越受企業(yè)界的重視。

python作為數(shù)據(jù)分析領(lǐng)域發(fā)展最快的編程語言，是入門數(shù)據(jù)科學的不二之選。

可以說，在21世紀每個人都應該掌握編程和數(shù)據(jù)分析能力，才能更好地在大數(shù)據(jù)時代生存。 

Python做數(shù)據(jù)分析有著得天獨厚的優(yōu)勢。

首先Python是一門高級編程語言，語法簡單，可以編寫復雜的分析代碼;其次Python開發(fā)社區(qū)非常強大，開源了很多優(yōu)秀的數(shù)據(jù)科學第三方庫，比如：pandas、numpy、matplotlib、sklearn、keras等等。有了這些庫，python才在數(shù)據(jù)科學領(lǐng)域獨領(lǐng)風騷。 

這幾天意外地在Github上發(fā)現(xiàn)一份非常棒的數(shù)據(jù)科學備忘小抄，作者將python、pandas、matplotlib、sklearn、keras等工具的使用方法、函數(shù)都匯總在一張表上，簡潔易懂。

下圖是對python數(shù)據(jù)科學過程的一個概覽： 

python數(shù)據(jù)科學流程，圖片來源github

以下圖片均來自GitHub項目：

• https://github.com/FavioVazquez/ds-cheatsheets

Python基礎(chǔ) 

Pandas基礎(chǔ) 

Pandas高級 

數(shù)據(jù)導入 

Numpy基礎(chǔ) 

Jupyter Notebook 

Matplotlib可視化 

Scipy-線性代數(shù) 

Seaborn可視化 

Bokeh可視化 

Keras深度學習 

Scikit-Learn機器學習 

Python數(shù)據(jù)可視化案例 

Pyspark-SQL基礎(chǔ) 

Pyspark-RDD基礎(chǔ) 

以上僅展示部分備忘小抄，更多還有R數(shù)據(jù)科學、Python機器學習、Python深度學習等。