之前和行业大佬讨教的时候，他们都非常认可这一点：一个优秀的数据分析师，应该是技能、统计学、业务sense的综合反映。不管你将来是从事数分行业，还是跳槽或自学数据分析，这三个部分缺一不可。
如果你还没有业内人士的指点，找不到合适的学习方法？不要担心，根据我7年的数分岗工作经验，为大家总结了这个思维导图：
数据分析知识图谱
数据分析知识图谱
如何使用 Python 进行数据分析？
在Python数据分析中使用最多的库是pandas，本文展示的pandas官方文档手册介绍了使用 Python 数据分析全过程，包含数据导入、数据清洗、 数据聚合、数据分类汇总、数据关联、数据可视化、时间序列、数据导出等内容。
基于此，作者将常用的Python数据处理方法总结如下，使用pandas数据处理，介绍pandas的用法，每一章都包含对应的数据处理步骤，将所有的知识点总结为九个章节。
以第一章为例，讲解pandas如何导入数据，如何从CSV中导入数据，这里使用蒙特利尔骑自行车的数据，使用read_csv函数进行讲解，后面对于数据导入的常用参数也逐一做了说明。
第六章为我们讲述了如何使用pandas处理时间数据和字符串数据
第九章为我们详解了使用pandas如何从从 HTML，JSON，SQL，Excel（!!!）， HDF5，Stata 和其他一些东西中读取数据
限于篇幅原因，这里仅展示pandas官方文档第一章的内容，在后续章节介绍其他的pandas数据分析的方法，包含数据清洗，数据运算等内容。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
