推荐数据汇总资源：
常用的数据获取方式如下:
数据存储与提取
数据库这个技能放在这里，是因为这是数据分析师的必备技能。大多数的企业，都会要求你有操作、管理数据库的基本技能，进行数据的提取和基本分析。SQL作为最经典的关系型数据库语言，为海量数据的存储与管理提供可能。MongoDB则是新崛起的非关系型数据库，掌握一种即可。
初学建议SQL。你需要掌握以下技能：
1.查询/提取特定情况下的数据：企业数据库里的数据一定是巨量而繁复的，你需要提取你想要的那一部分。
比如你可以根据你的需要提取2017年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……
2.数据库的增、删、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现。
3.数据的分组聚合、建立多个表之间的联系：这个部分是数据库的进阶操作，多个表之间的关联。
在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。
数据库听起来很可怕，但其实满足数据分析的那部分技能不要太简单。当然，还是建议你找一个数据集来实际操作一下，哪怕是最基础的查询、提取等操作。
推荐数据库教程：
SQL-菜鸟教程 https://dwz.cn/a042MLdz
MongoDB-菜鸟教程 https://dwz.cn/sJFhRzj1
mySQL知识框架如下：
MongoDB知识框架如下：
数据清洗及预分析
很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等。这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。
·选择：数据访问（标签、特定值、布尔索引等）
·缺失值处理：对缺失数据行进行删除或填充
·重复值处理：重复值的判断与删除
·空格和异常值处理：清楚不必要的空格和极端、异常数据
·相关操作：描述性统计、Apply、图形绘制等
从数据处理开始，就需要介入编程知识了，但不必把Python的教程完全啃一遍，只需要掌握数据分析必备的那部分即可。
·基本的数据类型：比如字符串、列表、字典、元组，不同的数据类型如何创建、进行增、删、改等操作，以及其中常用的函数及方法；
·Python函数：学习如何去创建自己的函数，实现更丰富的定制化程序，知道在使用中如何调用；
·控制语句：主要是条件语句和循环语句，利用不同的语句对流程进行控制，这是实现程序的自动化的基础。
Python教程推荐：
Python3-菜鸟教程 https://dwz.cn/2nJnWkrp
Python练手项目合集 https://dwz.cn/cpM0jua5
Python基础知识框架如下：
另外，Python中两个非常重要的库Numpy和Pandas也是需要掌握的，我们的很多数据处理及分析方法就源于其中。如果把Python比作是我们的房子，为我们提供基础的框架，那么Numpy和Pandas就是房子里的家具和电器，为我们入住提供各种功能。当然，即便只是这两个库，官方文档的内容也是非常多的，建议先掌握最常用的一些方法，这样你可以解决大部分的实际问题，若后续遇到问题可以有针对性地去查询文档。
Numpy
·数组创建：从已有的数组创建、从数值范围创建
·数组切片：通过切片进行选择
·数组操作：元素增删、数组维度修改、数组的分割及连接
·Numpy函数：字符串函数、数学函数、统计函数
推荐Numpy文档：
Nump快速入门 http://h5ip.cn/ypHr
Numpy中文文档 https://www.numpy.org.cn/
Numpy知识框架如下：
Pandas
·数据准备：数据读取、创建数据表
·数据查看：查看数据基本信息、查找空值和唯一值
·数据清洗：缺失值处理、重复值处理、字符处理
·数据提取：按标签值进行提取、按位置进行提取
·数据统计：采样、汇总、基本的统计量计算
推荐Pandas文档：
十分钟入门Pandas http://t.cn/EVTGis7
Pandas中文文档 https://www.pypandas.cn/
Pandas知识框架如下：
