本文目錄一覽：
利用python進行數據分析哪本書好點?
如下：
（一）《深入淺出數據分析》
《深入淺出數據分析》採用活潑直觀的語言向小白們拉開了數據分析的大門。產品經理可以通過這本書輕鬆搭建起數據分析的理論基礎，簡單地應用在日常工作中。
（二）《深入淺出統計學》
《深入淺出統計學》讓統計理論的學習既有趣又自然，不僅能讓產品經理充分掌握統計學的要義，更會提供將統計理論應用到日常工作中的思維路徑。
（三）《增長黑客》
《增長黑客》是國內第一本引進Growth Hacker概念的書籍。對於產品經理來說，它提供了增長的新視角，更能幫助產品經理科學地理解和把握用戶生命周期。
（四）《精益數據分析》
《精益數據分析》是一套反覆實踐的方法論，清晰且系統地展示了數據如何應用在日常產品設計、迭代和運營中。
（五）《精通Web Analytics 2.0》
《精通Web Analytics 2.0》闡述了如何去衡量、分析目前互聯網上出現的新技術和應用，並在此基礎上快速行動。這本書可以使產品經理對網站／App和數據的分析能力提升到另一個層次。
求python書籍推薦
零基礎如何學好python，作為一個學了python兩三年的過來人，我當初也是從0開始一路摸索過來的，這裡給想學python的小白們分享一點我的學習心得。
1.《笨方法學Python》、《流暢的python》、《EffectivePython：編寫高質量Python代碼的59個有效方法》、《PythonCookbook》。
2.《利用Python進行數據分析（原書第2版）》、《Python數據科學手冊(圖靈出品)》。
自學備考CDA數據分析師，需要準備哪些教材？
如果只想單獨考證,根據官網公布考試大綱有針對性複習,複習一段時間了做下模擬試題,自己學習肯定要付出更多精力和時間.
例如2級建模方向,官網推薦幾本書籍,參考如下:
1.《數據挖掘導論》，藍色的中文翻譯版，書很厚，但是裡面的內容挺有用的，大綱解析里沒講明白的地方大多都能在裡面找到答案；
2.《機器學習》（西瓜書），閱讀難度比《數據挖掘導論》高了一個等級，我是挑着看的；
3.《利用Python進行數據分析》，裡面主要教你pandas、numpy等一些基礎操作，如果已經會用的則可以略過；
4.《Python機器學習基礎教程》，教你怎麼用sklearn，你也可以看《機器學習實戰》，不過後者我沒看過，聽說是用python2.7寫的；
學python看什麼書比較好
入門：
本書是一本Python入門書，適合對計算機了解不多，沒有學過編程，但對編程感興趣的讀者學習使用。
這本書以習題的方式引導讀者一步一步學習編程，從簡單的打印一直講到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟件開發的基本過程。
本書是基於Python 3.6版本編寫的。
本書結構非常簡單，除“準備工作”之外，還包括52個習題，其中26個覆蓋了輸入/輸出、變量和函數3個主題，另外26個覆蓋了一些比較進階的話題，如條件判斷、循環、類和對象、代碼測試及項目的實現等。
每一章的格式基本相同，以代碼習題開始，按照說明編寫代碼，運行並檢查結果，然後再做附加練習。
本書是一本針對所有層次的Python讀者而作的Python入門書。
全書分兩部分：
首部分介紹用Python 編程所必須了解的基本概念，包括matplotlib、NumPy和Pygal等強大的Python庫和工具介紹，以及列表、字典、if語句、類、文件與異常、代碼測試等內容；
第二部分將理論付諸實踐，講解如何開發三個項目，包括簡單的Python 2D遊戲開發，如何利用數據生成交互式的信息圖，以及創建和定製簡單的Web應用，並幫讀者解決常見編程問題和困惑。
進階：
《Python核心編程（第3版）》是經典暢銷圖書《Python核心編程（第二版）》的全新升級版本，總共分為3部分。
第1部分為講解了Python的一些通用應用，包括正則表達式、網絡編程、Internet客戶端編程、多線程編程、GUI編程、數據庫編程、Microsoft Office編程、擴展Python等內容。
第2部分講解了與Web開發相關的主題，包括Web客戶端和服務器、CGI和WSGI相關的Web編程、Django Web框架、雲計算、高級Web服務。
第3部分則為一個補充/實驗章節，包括文本處理以及一些其他內容。《Python核心編程（第3版）》適合具有一定經驗的Python開發人員閱讀。
本書將幫助你使用Python編寫出高質量、高效的並且易於與其他語言和工具集成的代碼。
本書根據Python專家Mark Lutz的著名培訓課程編寫而成，是易於掌握和自學的Python教程。
本書每一章都對Python語言的關鍵內容做單獨講解，並且配有章後習題、編程練習及詳盡的解答，還配有大量注釋的示例以及圖表，便於你學習新的技能並鞏固加深自己的理解。
第5版基於Python2.7和3.3版本，同時也適用於其他Python版本。
無論你是編程新手還是其他編程語言的資深開發者，本書都會是你學習Python的理想選擇。
數據分析與挖掘：
本書由Python pandas項目創始人Wes McKinney親筆撰寫，詳細介紹利用Python進行操作、處理、清洗和規整數據等方面的具體細節和基本要點。
第2版針對Python 3.6進行全面修訂和更新，涵蓋新版的pandas、NumPy、IPython和Jupyter，並增加大量實際案例，可以幫助你高效解決一系列數據分析問題。
第2版中的主要更新包括：
1、所有的代碼，包括把Python的教程更新到了Python 3.6版本(第1版中使用的是Python 2.7)
2、更新了Python第三方發布版Anaconda和其他所需Python包的安裝指引
3、更新pandas庫到2017年的新版
4、新增一章，關於更多高級pandas工具和一些使用提示
5、新增statsmodels和scikit-learn的簡明使用介紹
《Python數據科學手冊》是對以數據深度需求為中心的科學、研究以及針對計算和統計方法的參考書。
本書共五章，每章介紹一到兩個Python數據科學中的重點工具包。
首先從IPython和Jupyter開始，它們提供了數據科學家需要的計算環境；
第 2章講解能提供ndarray對象的NumPy，它可以用Python高效地存儲和操作大型數組；
第3章主要涉及提供DataFrame對象的Pandas，它可以用Python高效地存儲和操作帶標籤的/列式數據；
第4章的主角是Matplotlib，它為Python提供了許多數據可視化功能；
第5章以Scikit-Learn為主，這個程序庫為重要的機器學習算法提供了高效整潔的Python版實現。 《Python數據科學手冊》適合有編程背景，並打算將開源Python工具用作分析、操作、可視化以及學習數據的數據科學研究人員。
本書共15章，分兩個部分：基礎篇、實戰篇。基礎篇介紹了數據挖掘的基本原理，實戰篇介紹了一個個真實案例，通過對案例深入淺出的剖析，使讀者在不知不覺中通過案例實踐獲得數據挖掘項目經驗，同時快速領悟看似難懂的數據挖掘理論。
讀者在閱讀過程中，應充分利用隨書配套的案例建模數據，藉助相關的數據挖掘建模工具，通過上機實驗，以快速理解相關知識與理論。
基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；
第2章對本書所用到的數據挖掘建模工具Python語言進行了簡明扼要的說明；
第3章、第4章、第5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行了介紹。
實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生產製造以及公共服務等行業的應用進行了分析。
在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最後完成模型構建的順序進行的，在建模過程的關鍵環節，穿插程序實現代碼。
最後通過上機實踐，加深讀者對數據挖掘技術在案例應用中的理解。
爬蟲：
本書採用簡潔強大的Python 語言，介紹了網頁抓取，並為抓取新式網絡中的各種數據類型提供了全面的指導。
第一部分重點介紹網頁抓取的基本原理：如何用Python 從網絡服務器請求信息，如何對服務器的響應進行基本處理，以及如何以自動化手段與網站進行交互。
第二部分介紹如何用網絡爬蟲測試網站，自動化處理，以及如何通過更多的方式接入網絡。
本書介紹了如何利用Python 3開發網絡爬蟲，書中首先介紹了環境配置和基礎知識，然後討論了urllib、requests、正則表達式、Beautiful Soup、XPath、pyquery、數據存儲、Ajax數據爬取等內容。
接着通過多個案例介紹了不同場景下如何實現數據爬取。
最後介紹了pyspider框架、Scrapy框架和分布式爬蟲。 本書適合Python程序員閱讀。
算法和機器學習：
本書採用Python語言介紹數據結構和算法，包括其設計、分析和實施。
本書源代碼簡潔、明確，面向對象的觀點貫穿始終，通過繼承大限度地提高代碼重用，同時彰顯不同抽象數據類型和算法之間的異同。
本書是機器學習入門書，以Python語言介紹。
主要內容包括：機器學習的基本概念及其應用；
實踐中常用的機器學習算法以及這些算法的優缺點；
在機器學習中待處理數據的呈現方式的重要性，以及應重點關注數據的哪些方面；
模型評估和調參的方法，重點講解交叉驗證和網格搜索；
管道的概念；
如何將前面各章的方法應用到文本數據上，還介紹了一些文本特有的處理方法。
本書適合機器學習從業者或有志成為機器學習從業者的人閱讀。
機器學習是人工智能研究領域中一個極其重要的研究方向。
在現今的大數據時代背景下，捕獲數據並從中萃取有價值的信息或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。
《機器學習實戰》主要介紹機器學習基礎，以及如何利用算法進行分類，並逐步介紹了多種經典的監督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基於樹的回歸算法和分類回歸樹（CART）算法等。
第三部分則重點介紹無監督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。
《機器學習實戰》通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。
通過各種實例，讀者可從中學會機器學習的核心算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。
另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。
結論
大致是這些，總共是十二本。
這些書首先內容錯誤少，久經市場考驗，而且豐富詳實，在各自的領域把該講的都講了。
如果你想報班的話，千鋒Python的課程你可以切試試
數據分析師適合看什麼書
數據分析是一門專業且跨越多個領域的學科，我整理了數據分析師看的書，希望對你有所幫助：
數據分析師的必讀書單：Excel
《誰說菜鳥不會數據分析》
知名度比較高的一套書，適合新手，優點是它和數據分析結合，而不是單純地學習函數。學會函數適用的場景和過程比它本身更重要。
是否需要學習VBA是仁者見仁的答案。我個人不建議。Excel VBA的最大優勢是適用性廣，哪怕去其他行業其他職位，都離不開Excel，這時候它就是一個工作加分的亮點。但是在互聯網行業，對數據分析師，VBA的性價比就不高了。
這裡只推薦一本，因為我就翻過上面這本，還沒全看…
數據分析師的必讀書單：數據可視化
數據可視化的書不多。市面上多以編程為主，面向新手和設計的教程寥寥無幾。 如果只是了解圖表，看Excel的書籍也管用。
內容很豐富，涉及可視化的方方面面，也囊括更類編程語言和設計軟件：Python+JS+R+Excel。作者還有另外一本書《數據之美》。
可視化是一門側重靈感的學科，有一種入門技巧是從他人設計中學習，從模仿開始，了解他人是如何設計的，這個網絡上有大量的信息圖可以參考。當然數據分析師更需要的是如何發現，別只學習展示。
英文足夠好，可以看Edward Tufte的著作：《The Visual Display of Quantitative Information》、《Envisioning Information》、《Beautiful Evidence》。他是數據可視化的領軍人物，他的理念是反對為藝術效果而混淆或者簡化數據。暫時沒有中文版。
數據分析師的必讀書單：分析思維
《金字塔原理》
分析思維首推《金字塔原理》，金字塔原理有些人說它晦澀難懂，我認為是芭芭拉這個老太有騙稿費之嫌，本書包含了報告、寫文、演講等諸多內容。可以細看可以快看。另外還有一本同名案例集，有興趣可以買。
另外麥肯錫相關的書籍還有《麥肯錫意識》《麥肯錫工具》《麥肯錫方法》等。
《深入淺出數據分析》
深入淺出系列是對新手非常友好的叢書，用生動但啰嗦的語言講解案例。厚厚的一本書翻起來很快。本書涉及的基礎概念比較廣，包含一點統計學知識，學下來對數據分析思維會有一個大概了解。
《精益數據分析》
國外的精益系列一直以互聯網創業作內容導向，本書也屬於此類。如果是互聯網行業相關，可以看看。它介紹了不同領域的指標，以及產品不同時期的側重點。案例都是歐美，這部分做參考用。
接下來的幾本，是興趣向讀物。《黑天鵝》能拓展思維，講敘了不確定性。《思考的技術》，大前研一的著作，也是諮詢類經典。如果對諮詢向的分析感興趣，還可以看BCG系列，或者刷CaseBook。《批判性思維》，則是教你如何形成理性思維。
數據分析師的必讀書單：SQL
數據庫有很多種，常見有Oracle，MySQL，SQL Server等。我推薦學習MySQL，這是互聯網公司的主流數據庫。以後學習Hadoop生態時，MySQL也是最接近Hive語法的語言。
MySQL不需要專門看書學習，因為數據分析師以查詢為主，不需要考慮數據性能、數據安全和架構的問題。使用搜索引擎能解決90%的問題，我就是w3cschool學的。
《MySQL必知必會》
如果真想買書看，可以看這本，適合新手向的學習，看基礎概念和查詢相關的章節即可。網絡上大部分MySQL都是偏DBA的’。
如果想深入，可以看《高性能MySQL》，對分析師沒啥用。至於另外一個方向NoSQL，對入門者還是小眾了些。
如果有餘力，就學習正則表達式吧，清洗數據的工作就靠它了。
數據分析師的必讀書單：統計學
統計學是比較大的範圍，分析師往後還需要學線性代數和矩陣、關係代數等。初學者不需要掌握所有公式定理的數學推導，懂得如何應用就行用。
《深入淺出統計學》
大概是最啰嗦的深入淺出系列，從賣橡皮鴨到賭博機的案例，囊括了常用的統計分析如假設檢驗、概率分布、描述統計、貝葉斯等。書本注重應用和趣味性，數學推理一般。
《商務與經濟統計》
國外的經典教材，已經出到第十二版了。國外教材都有豐富有趣的案例，所以讀起來會比國內的輕鬆不少。如果你還在讀書，不妨買這本看一看。
名字既然有商務與經濟，所以書中輔以了大量的相關案例。書內容很多，看起來不會快，適合細讀。
《The Elements of Statistical Learning》
稍微有一些難度的英文書籍，屬於進階版統計學，國外很推崇。如果要往機器學習發展，這本書可以打下很好的基礎。
以上書籍的難度是逐步遞增的。統計學是機器學習的基礎，是概率、矩陣等實際應用。現在已經有很多統計工具，Excel的分析工具庫、傳統行業的SPSS、SAS以及R、Python等，使用過程都不用計算推導，大學考試才會考，現在都是計算機解決，輕鬆不少。
數據分析師的必讀書單：業務知識
不同領域的業務知識都不一樣，這裡以互聯網舉例。
《增長黑客》
增長黑客的概念就是隨着這本書的暢銷傳播開來。增長黑客在國內即是數據分析+運營/產品的複合型人才。這本書好的地方在於拓展思路，告訴我們數據能夠做什麼，尤其是連AB測試都不清楚的新人。
實際涉及的業務知識不多，我推薦，是希望新人能夠了解數據驅動的概念，這本算是我走上數據化運營的啟蒙讀物了。
《從零開始做運營》
知乎亮哥的書籍，互聯網所有的數據都是和運營相關的，如果是新手，就以此學習業務知識。如果已經工作很多，就略過吧。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/236213.html
微信掃一掃 
支付寶掃一掃 