对比Excel，轻松学习Python数据分析（入职数据分析师系列）

这边书侧重与Excel对比，但是在pandas和numpy上，比《Python极简讲义》这本方法引入地更多一些。极简这本侧重于理解numpy和pandas的运算规则，能理解运算规则，才是开启实战的第一步。所以，知识关联来讲，先读极简，再读对比，更好一些。另，极简这本前半部分讲解Python语法，特别适合完全没学过Python语法的同学学习。 另外，读再多的书，还是离不开实战积累。加油！

比较简单的一本上手书，很适合初学者。书中基本上用excle的操作逻辑讲的python的操作，主要是pandas和numpy两个包的应用，便于理解和学习。关键是能看懂，初学者不会烦，至于具体的操作，大致有个印象，后边用到了再查就好。

这本书最大的卖点就是实用性，通过书中的例子可以学会基本的数据处理操作，不过对于常见问题没有较好的提示，而且书内容本身有点老了，似乎没有更新修订的版本，比如数据选择中的ix方法，在pandas1之后的版本已经移除了。其中遇到的问题都可以问ai解决。 不过总的来说还是比较好用，至少我可以很快捷地查到我曾经遗漏的方法，而且作者对于一些概念能引发我的思考，比如模块就是函数方法的升级，这个想法对于系统化框架很有用

从数据采集、清洗、抽取，以及数据可视化等多个角度介绍了日常工作中数据分析的标准路径。通过对比Excel与Python在数据处理过程中的操作步骤，详细说明了Excel与Python间的差异，以及用Python进行数据分析的方法。

数据分析流程，获取数据--数据预处理--数据筛选--数值操作--数据运算--时间序列--数据分组--多表拼接--数据可视化——结果导出。 人们数值计算的需求，主要是矩阵相关的运算时，NumPy问世了。 人们数值计算的需求，主要是数据库或者本地的Excel表格时，在NumPy的基础上Pandas问世了。

行业研究拓展数据分析技能的第一步，完成！ 为什么要学python呢？最近换了一个偏数据分析的工作，数据量大，excel清洗数据困难，但工作其实很重复机械。然后想到了python，先让AI写了个代码，反复调试后明显提高了工作效率。 为什么要定性转定量呢？因为定性分析常常觉得是空中楼阁，不深入业务，常常面临没有数据的困境。某次被面试官无情指出：“广泛的研究是很容易做到的。”慢慢开始相信，有数据支撑的研究，会更扎实，更让人安心。 而且定量的分析一定是一种基础的研究技能，博大如《易经》，其推演也是基于数据。AI时代，不懂一点0和1，可能真的难以和数字世界对话。 且不论数据的真实性是否可以被论证，数据科学，一定是一种有效的技能，于是开启了Python学习之路，很幸运遇到了这本书。 书字数不多，但实战技巧很多，对比excel的方法也很容易上手。跟着代码一点点打下来，实际工作中也常常有意无意的用到，逐渐领会。 这本书还有一个姊妹篇，SQL数据分析，准备开始下一阶段！

道理我都懂，一上手就废。学会python的一部分原因确实是在工作中excel用多了，慢慢理解了一些数据处理和分析方法，同步到python上就很容易上手了，看到这本书的题目就想到自己当时死磕python数据分析的时候，理论只是基础，关键还需要实践，做一些数据分析项目实战，在工作中多迁移学习。已经过完一遍了，很系统很基础，正在努力实操和实践，希望下一次用的时候，能够超级熟练而不查阅资料。多读多思考多实践，加油＾０＾~

我觉得这本书挺好的，作者也很用心，把可能遇到小问题都提了，没有故弄玄虚。而且和Excel做对比教学，这样很容易理解。 但是这本书呢，适用有一定Excel基础，对Excel函数比较了解的，同时有会一点Python的。 希望作者能出新版，出新书。

粗读此书的目的主要是想让自己对Python有所熟悉，显然，这本书达到了目的。作为市场研究人员我们已对Excel非常熟悉，对于工作中各种小数据的处理基本上不存在问题。但在大数据的时代，Python等各种编程工具无疑具有降维打击优势。 纵观“数据分析/市场研究”相关的招聘需求市场，发现行业多要求研究人员不仅懂研究方法商业逻辑，还要会各种大小数据分析工具。我们也逐浪而行，学会了词云图制作，学会了热力图制作，各种可视化软件，然后还是不够.. .我一直觉得“数据挖掘/分析”与“研究”是两个工种，所以我有时候在想当前这种趋势是否是逆分工化？

几位大牛共同推荐的Python数据分析入门书。虽然觉得对比EXCEL更多是噱头，作者也是大多草草带过，但对数据分析思路和pandas的讲解还是很细致的，每个函数方法也都配上了实例。一些小错误也都是笔误之类的，很容易分辨。 推荐阅读，也可以作为参数参考书使用，最重要的是多动手。 不知道另一本大牛推荐书《利用Python进行数据分析》怎么样，下一本书就它了。