数据分析
数据分析简明学习路线
数据分析能力，未来会越来越重要。之前推送过很多篇相关文章，基于此再扼要总结，广义上数据分析的学习路线，此处数据分析我延伸到建模部分，只为了从宏观上更清楚的认识，数据分析和数据建模是如何从零到上线，并应用于生产实践与指导中的。
数据分析思维贯穿始终，前几天推送过数据分析必知的 9 种思维
有了数据才能分析，数据获取方法至关重要，常见的：公司大数据平台，通过爬虫获取，第三方数据接口，公开的数据集等。爬虫常用框架Beautiful Soup，requests，urllib模块，lxml包，正则技术，html结构，对于动态网页爬取JS必不可少。
数据爬取后就要存储它，一般数据量，MongoDB，Mysql，大数据量Hive和Spark，实时查询ES弹性数据库等。
下一步，数据预处理，包括数据转化 data transform：数据标准化、离散化等；数据清洗：异常值、缺失值、数据不均衡处理；数据集成：多个数据源规整到一起：merge，join等。
然后，数据分析，先拿excel折腾一回，函数分三类：SUM为代表聚合类、VLOOK为代表查询类、IF为代表逻辑类；数据再多的，拿Pandas分析一番，做做EDA(探索性分析)，再大的使用Spark分析。
EDA后，会提出一些针对性的问题，尝试去建模，借助统计学工具，机器学习(传统的十几种常用算法)、深度学习(几个经典网络模型)开展回归、聚类分析，进而确定模型的各个参数，完成学习和建模。
得到模型上线部署后，要想业务人员看懂，还得要数据可视化，制作各种报表，这些才是对外交流的材料。
最后讲给业务人员，确保能够给他们解释清楚。应用到生产中后，业务和客户会不断反馈，然后我们再去不断迭代模型，再上线，再收到反馈，一直循环往复下去。
顺便说一句，模型的可解释性挺重要，趋向简单化，更容易解释给用户，实际项目中会省去很多麻烦。
数据分析相关文章
Pandas 中 nan, extract, round 使用总结
大家在看
