随着大数据的发展，数据驱动被更多人谈起，数据分析和挖掘越来越受企业界的重视。
python作为数据分析领域发展最快的编程语言，是入门数据科学的不二之选。
可以说，在21世纪每个人都应该掌握编程和数据分析能力，才能更好地在大数据时代生存。
Python做数据分析有着得天独厚的优势。
首先Python是一门高级编程语言，语法简单，可以编写复杂的分析代码；其次Python开发社区非常强大，开源了很多优秀的数据科学第三方库，比如：pandas、numpy、matplotlib、sklearn、keras等等。有了这些库，python才在数据科学领域独领风骚。
这几天意外地在Github上发现一份非常棒的数据科学备忘小抄，作者将python、pandas、matplotlib、sklearn、keras等工具的使用方法、函数都汇总在一张表上，简洁易懂。
下图是对python数据科学过程的一个概览：
python数据科学流程，图片来源github
以下图片均来自GitHub项目：
https://github.com/FavioVazquez/ds-cheatsheets
Python基础
Pandas基础
Pandas高级
数据导入
Numpy基础
Jupyter Notebook
Matplotlib可视化
Scipy-线性代数
Seaborn可视化
Bokeh可视化
Keras深度学习
Scikit-Learn机器学习
Python数据可视化案例
Pyspark-SQL基础
Pyspark-RDD基础
以上仅展示部分备忘小抄，更多还有R数据科学、Python机器学习、Python深度学习等。
如果想要PDF和高清图片版本，请在公众号后台回复：小抄
