連結：https：//www。zhihu。com/question/37180159/answer/761102349
編輯：深度學習與計算機視覺
宣告：僅做學術分享，侵刪
最近在學習python繪製圖形的相關知識，學習到了這幾個庫，所以想請教一下各位知友。希望用python來做資料探勘相關的任務。
想問問各位知友，python做資料探勘是否足夠強大？學習資料探勘需要學習哪些知識呢？我是一個本科生，本科學習的話能從事資料探勘相關工作嗎？
作者：Evan
https：//www。zhihu。com/question/37180159/answer/303839224
對於這個問題，我覺得我還是自己來宣傳一波乾貨哈哈。
對於題主的問題，說說我的觀點：
1。首先python做資料探勘是絕對足夠強大的，雖然，現在統計，資料分析類的很多論文還是R語言用的比較多，但是，Python本身也擁有強大的資料計算庫的視覺化工具庫，這個題主已經列出。把這幾個庫基本學會了，那對於資料探勘程式設計任務還是有基本的保障的！而且在機器學習，人工智慧領域，主流是Python，資料探勘和機器學習，人工智慧很近，很多理論相通，之後若想轉機器學習，人工智慧學會這些庫還是有很大優勢的。
2。然後資料探勘需要學習哪些知識，一個是數學：線代，機率論，凸最佳化等，這個很大程度上決定了天花板。一個是演算法，資料探勘演算法有很多，什麼決策樹，邏輯迴歸，BP網路等等，這些事理論知識，當學習他們是很有必要的，因為你
對一個模型演算法瞭解的越多，你就會發現它的侷限性越大。
對於調參調包時有很大幫助。還有就是程式設計，上面都是紙上，正真強體現在成果上，那這些庫的理解就至關重要了！其他比如英語，計算機基礎，很有必要，但我們可以先把上面的學好。
3。本科，學歷我從來都不覺得是一個問題，再說，很多研究生。。。。（省略吐槽）。只要有興趣，現在開始，未來在等你（雞湯味有點重，見諒）
最後，推薦我的專欄的一個系列總結：
numpy：快速儲存和處理大型矩陣，主要是記住numpy特點
Numpy複習總結（一）https：//zhuanlan。zhihu。com/p/32955108
Numpy複習總結（二）https：//zhuanlan。zhihu。com/p/33045644
pandas：主要是思想和基本操作，各種函式不要背，浪費時間的。
pandas複習總結（一）https：//zhuanlan。zhihu。com/p/33122239
pandas複習總結（二）https：//zhuanlan。zhihu。com/p/33229372
matplotlib：還是主要記住思想和基本操作，各種函式不用背，多實踐。
資料視覺化工具matplotlib複習總結https：//zhuanlan。zhihu。com/p/33299777
作者：知乎使用者
https：//www。zhihu。com/question/37180159/answer/80919616
首先，下載一個 anaconda，這是一個 Python 發行版，你需要用到的關於科學計算、資料處理的東西基本上都有了。
然後，去圖書館借一本《用 Python 做科學計算》忽略掉環境配置的部分，把裡邊關於 numpy 和 matplotlib 的內容看了。其他的部分根據自己需要選擇閱讀。一般來說每一個科學計算的庫會自成一套體系，但是絕大多數都會基於 numpy，所以 numpy 必須學會。但是你也不用每個模組都用過，知道常用的函式和 numpy 的設計模式就好。matplotlib 是絕大多數繪相簿的基礎庫，所以也繞不過去。
再然後，開啟你需要的庫的官網比如 pandas，一般都會有 getting started，先看完上個手。然後直接看 User Guide 或者 Tutorial。
之後根據自己的需求定向學習就好。每個第三方庫都有自己內在的設計邏輯，比如 sklearn 就是圍繞著 fit 和 predict 兩個函式來做的，預設行向量是樣本啦 pipline 啊之類的。pandas 核心就是 DataFrame 即就是帶有 index 的 numpy 陣列等等。學習一個庫，重要的就是要學習這個庫的內在的設計邏輯，這些一般都在 document 或者 User Guide 裡邊提了。並不需要每個功能/函式都記住，大致知道他有某方面的功能就好了，當你有某個功能的需求的時候猜一下然後直接 Google 就好。
比如我想求一個線性方程組的解，知道了內在邏輯閉上眼睛猜一下也知道這個函式不在 scipy 中就在 numpy 中，於是 Google 一下：solve linear equation numpy，第一條就是：
再比如，我想要合併兩個 pandas 的表。閉上眼睛也知道 pandas 肯定有這個功能，資料庫裡邊學過類似的操作叫做 Join，所以就 Google 一下：
看第二條結果，直接就是三個解決方案，讀一讀對比一下就好。
常用的函式查兩遍之後你也就背下了，這樣過一段時間的使用後基本上你就熟練了。對某個庫有興趣想要深入的話可以直接去看他的原始碼。就醬紫，這就是所謂的系統方法~
作者：保一雄
https：//www。zhihu。com/question/37180159/answer/230932556
題主的問題主要是兩個方向，一是如何系統學習Python中跟資料分析&資料探勘相關的庫，二是對本科生從事資料探勘行業的疑問。
先來講講如何系統地學習Python中有關資料分析&挖掘相關的庫
什麼是系統地學習？可能有人會覺得這是個偽命題，個人覺得，系統地學習就是一個
先搭知識框架體系
，
然後不斷填充知識，不斷更新迭代
的過程。類似於蓋樓房，先做地基，再往上一層一層走。
既然要系統地學習Python中有關資料分析&挖掘相關的庫，那麼
pandas
，
numpy
，
scipy
，
matplotlib
， 以及
scikit-learn
就是知識框架體系中的必備部分： pandas用來做
資料處理
，numpy用來做
高維度矩陣運算
，scipy用來做
科學計算
，matplotlib用來做
資料視覺化
，scikit-learn用來做
機器學習與資料探勘
。
上面這幾個庫也就搭建了做資料分析&挖掘的經典workflow
：拿到資料之後先要做一個數據的
預處理
（pandas+numpy+scipy），接著會要對資料包含的特徵做一些
視覺化輸出
（matplotlib），之後需要
提取特徵&建模調參
（numpy+scikit-learn），有了
模型與結果
，最後
歸納整理
做presentation & report。
在明確了知識框架體系和workflow之後，
the next step is to
get your hands dirty
。找一找網上的開源資料集，選一個感興趣的，自己動手做資料分析&挖掘專案。用一種
project-driven
的視角去熟悉使用Python關於資料方面的這幾個庫。在遇到問題的時候，網上搜一搜（知乎，谷歌，StackOverflow），或者直接看Python這幾個庫的documentation（pandas，numpy&scipy，matplotlib，scikit-learn），或者翻一翻《利用Python做資料分析》。
除了學習Python的這幾個庫之外
，做資料探勘，對於數學&統計方面還是有很高的要求
，至少對於線性代數，機率論與數理統計，機器學習都要有一定程度的掌握。比如：在做資料探勘專案的時候，scikit-learn庫裡面已經涵蓋了基本的演算法。對於特徵、模型與演算法的選擇，一方面是書本知識的累積，你要掌握解決哪一類問題用什麼型別的演算法，而在具體問題時如何呼叫演算法，則是要反覆實踐的。
這就是不斷填充知識 & 不斷更新迭代，讓自己從小白變成老司機。
簡言之，學習資料探勘，入門很容易，進門之後放棄，更容易。
所以，多動手實踐，多積累知識，重在平時，貴在堅持。
再來嘗試回答本科生能否從事資料探勘？
冷靜思考現實：如果不是特別優秀的本科生，可能用人單位更傾向於去招一個學歷更高的人。因為做資料探勘是理論與實踐相結合的過程，需要對演算法進行深入的研究，更高學歷的求職者，意味著他們在讀取學位的過程中會有更多的時間與精力去做這累積。比如你是一家公司的老闆，想要招聘一個數據挖掘崗位，可能你會更願意跟擁有研究生學歷的求職者先聊聊，普通的本科生可能會被打上“不靠譜”的標籤。
難道本科生就真的沒有機會了麼
？
It depends。
學歷只是相對，個人的努力與能力才決定了上限
。多在讀書的時候修一點相關課程，多積累一些個人專案，多參與一些資料探勘比賽，這都是不斷完善自己資料探勘素養的過程。而且現在這樣的平臺也有很多，美國的kaggle算是資料科學社群的世界NO。1， 上面有很多使用者分享了自己的成果，你也可以組隊參加比賽。
當然，國內也有很棒的平臺社群 ---
Kesci
， Kesci是目前
國內唯一一個可以讓你線上執行計算
的資料科學平臺，並將自己的成果在社群做分享交流。What‘s more，
這裡也有眾多網際網路公司，電商平臺，以及Fintech企業透過在Kesci舉辦資料演算法比賽的方式為自己招募人才。是不是又多了一個思路？哈哈。
學知識，做專案，打比賽，你的努力與堅持，會讓你在資料探勘的道路上有所斬獲。
☆ END ☆
如果看到這裡，說明你喜歡這篇文章，請轉發、點贊。微信搜尋「uncle_pn」，歡迎新增小編微信「 mthler」，每日朋友圈更新一篇高質量博文。
