原文：
www.kdnuggets.com/2017/07/getting-started-python-data-analysis.html
一位朋友最近问了这个问题，我认为如果在这里发布可能会对其他人有帮助。这是为那些对 Python 完全陌生的人准备的，旨在提供从零到一的最简单路径。
-
下载适用于你的操作系统的 Python 3.X 版本的 Anaconda 发行版，点击这里。选择这个预打包的发行版可以避免很多安装相关的问题。它附带了大多数重要的数据分析包。
-
一旦安装完成，测试以确保默认的 Python 解释器是你刚刚安装的那个。这很重要，因为你的系统可能已经安装了一个 Python 版本，但它不包含 Anaconda 包中的所有好东西，因此你需要确保新安装的版本是默认的。在 Mac/Linux 上，这可能意味着在终端中输入
which python。或者你可以直接运行 Python 解释器，确保版本与你下载的一致。如果一切顺利，安装时应该已经完成。如果没有，你需要在这里停止并修复它。 -
在你的 shell 中输入
jupyter notebook命令。这应该会打开一个浏览器窗口。如果没有，打开浏览器并导航到http://localhost:8888。在那里，创建一个新的 Python 笔记本。 -
前往 www.kaggle.com 的 kernels 部分，并筛选 Python kernels。这些大多是其他人在 Kaggle 网站上免费提供的数据集上进行分析或构建模型的 jupyter 笔记本。寻找标题中包含 EDA（探索性数据分析）的笔记本，而不是那些构建预测模型的笔记本。找一个感兴趣的，开始在你的笔记本中重建它。
注意：你会发现当你尝试重建这些分析时会遇到导入错误。这可能是因为他们安装了不包含在 Anaconda 发行版中的包。你最终需要学习如何与 conda 包管理器交互，这将是你将来需要面对的众多问题之一。通常只需使用
conda install <package_name>，但你需要找到正确的包名称，有时还需要指定其他详细信息。有时你还需要使用pip install <other_package_name>，但这些都将在后面学习。
这是你将频繁互动的重要库的快速总结。
-
NumPy：具有很多科学计算的核心功能。在底层调用的是 C 编译代码，因此比用 Python 编写的相同函数要快得多。不是最用户友好的。
-
SciPy：类似于 NumPy，但提供了更多从分布中抽样、计算检验统计量等的手段。
-
MatPlotLib：主要的绘图框架。一个必要的恶习。
-
Seaborn：在 MatPlotLib 后导入，它会默认使你的图表更美观。虽然也有自己的功能，但我发现最酷的功能运行得太慢。
-
Pandas：主要是对 NumPy/SciPy 的一个简单封装，使其更易于使用。非常适合与称为 DataFrame 的数据表交互。还提供了绘图功能的封装，以便快速绘图，同时避免了 MPL 的复杂性。我主要使用 Pandas 来处理数据。
-
Scikit-learn：拥有许多监督和无监督机器学习算法。还提供许多用于模型选择的指标和一个很好的预处理库，用于执行如主成分分析或编码分类变量等任务。
-
在 jupyter 笔记本中，在运行单元格前在任何对象前加上问号，它将打开该对象的文档。当你忘记了你尝试调用的函数需要你传递哪些参数时，这非常有用。例如，
?my_dataframe.apply将解释pandas.DataFrame对象的apply方法，这里用my_dataframe代表。 -
你可能总是需要参考你使用的任何库的文档，所以最好在浏览器中保持文档打开。因为可选参数和细节太多了。
-
在不可避免的故障排除任务中，stackoverflow 可能有答案。
-
接受你将会做一些你暂时无法完全理解的事情，否则你可能会被那些不重要的细节所困扰。有一天你可能需要了解虚拟环境，这其实并不难，但有许多这样的绕道会给刚入门的人带来不必要的痛苦。
-
阅读其他人的代码。这是学习规范和最佳实践的最佳方式。这就是 Kaggle 内核真正有帮助的地方。GitHub 还支持在浏览器中显示 jupyter 笔记本，因此网络上有大量的示例。
原文。已获得许可转载。
简介： Zak Jost 是亚马逊网络服务公司在西雅图地区的研究科学家。
相关：
-
相关性介绍
-
掌握 Python 数据准备的 7 个步骤
-
数据科学基础：从数据中可以挖掘出哪些模式？