對比Excel，輕鬆學習Python數據分析（入職數據分析師系列）

這邊書側重與Excel對比，但是在pandas和numpy上，比《Python極簡講義》這本方法引入地更多一些。極簡這本側重於理解numpy和pandas的運算規則，能理解運算規則，纔是開啓實戰的第一步。所以，知識關聯來講，先讀極簡，再讀對比，更好一些。另，極簡這本前半部分講解Python語法，特別適合完全沒學過Python語法的同學學習。 另外，讀再多的書，還是離不開實戰積累。加油！

比較簡單的一本上手書，很適合初學者。書中基本上用excle的操作邏輯講的python的操作，主要是pandas和numpy兩個包的應用，便於理解和學習。關鍵是能看懂，初學者不會煩，至於具體的操作，大致有個印象，後邊用到了再查就好。

這本書最大的賣點就是實用性，通過書中的例子可以學會基本的數據處理操作，不過對於常見問題沒有較好的提示，而且書內容本身有點老了，似乎沒有更新修訂的版本，比如數據選擇中的ix方法，在pandas1之後的版本已經移除了。其中遇到的問題都可以問ai解決。 不過總的來說還是比較好用，至少我可以很快捷地查到我曾經遺漏的方法，而且作者對於一些概念能引發我的思考，比如模塊就是函數方法的升級，這個想法對於系統化框架很有用

從數據採集、清洗、抽取，以及數據可視化等多個角度介紹了日常工作中數據分析的標準路徑。通過對比Excel與Python在數據處理過程中的操作步驟，詳細說明了Excel與Python間的差異，以及用Python進行數據分析的方法。

數據分析流程，獲取數據--數據預處理--數據篩選--數值操作--數據運算--時間序列--數據分組--多表拼接--數據可視化——結果導出。 人們數值計算的需求，主要是矩陣相關的運算時，NumPy問世了。 人們數值計算的需求，主要是數據庫或者本地的Excel表格時，在NumPy的基礎上Pandas問世了。

行業研究拓展數據分析技能的第一步，完成！ 爲什麼要學python呢？最近換了一個偏數據分析的工作，數據量大，excel清洗數據困難，但工作其實很重複機械。然後想到了python，先讓AI寫了個代碼，反覆調試後明顯提高了工作效率。 爲什麼要定性轉定量呢？因爲定性分析常常覺得是空中樓閣，不深入業務，常常面臨沒有數據的困境。某次被面試官無情指出：“廣泛的研究是很容易做到的。”慢慢開始相信，有數據支撐的研究，會更紮實，更讓人安心。 而且定量的分析一定是一種基礎的研究技能，博大如《易經》，其推演也是基於數據。AI時代，不懂一點0和1，可能真的難以和數字世界對話。 且不論數據的真實性是否可以被論證，數據科學，一定是一種有效的技能，於是開啓了Python學習之路，很幸運遇到了這本書。 書字數不多，但實戰技巧很多，對比excel的方法也很容易上手。跟着代碼一點點打下來，實際工作中也常常有意無意的用到，逐漸領會。 這本書還有一個姊妹篇，SQL數據分析，準備開始下一階段！

道理我都懂，一上手就廢。學會python的一部分原因確實是在工作中excel用多了，慢慢理解了一些數據處理和分析方法，同步到python上就很容易上手了，看到這本書的題目就想到自己當時死磕python數據分析的時候，理論只是基礎，關鍵還需要實踐，做一些數據分析項目實戰，在工作中多遷移學習。已經過完一遍了，很系統很基礎，正在努力實操和實踐，希望下一次用的時候，能夠超級熟練而不查閱資料。多讀多思考多實踐，加油＾０＾~

我覺得這本書挺好的，作者也很用心，把可能遇到小問題都提了，沒有故弄玄虛。而且和Excel做對比教學，這樣很容易理解。 但是這本書呢，適用有一定Excel基礎，對Excel函數比較瞭解的，同時有會一點Python的。 希望作者能出新版，出新書。

粗讀此書的目的主要是想讓自己對Python有所熟悉，顯然，這本書達到了目的。作爲市場研究人員我們已對Excel非常熟悉，對於工作中各種小數據的處理基本上不存在問題。但在大數據的時代，Python等各種編程工具無疑具有降維打擊優勢。 縱觀“數據分析/市場研究”相關的招聘需求市場，發現行業多要求研究人員不僅懂研究方法商業邏輯，還要會各種大小數據分析工具。我們也逐浪而行，學會了詞雲圖製作，學會了熱力圖製作，各種可視化軟件，然後還是不夠.. .我一直覺得“數據挖掘/分析”與“研究”是兩個工種，所以我有時候在想當前這種趨勢是否是逆分工化？

幾位大牛共同推薦的Python數據分析入門書。雖然覺得對比EXCEL更多是噱頭，作者也是大多草草帶過，但對數據分析思路和pandas的講解還是很細緻的，每個函數方法也都配上了實例。一些小錯誤也都是筆誤之類的，很容易分辨。 推薦閱讀，也可以作爲參數參考書使用，最重要的是多動手。 不知道另一本大牛推薦書《利用Python進行數據分析》怎麼樣，下一本書就它了。