为什么要学习数据分析
大数据、人工智能时代有没有什么技能是可以运用在各种行业的？
有，数据分析就是，从数据中提炼有价信息是大数据、人工时代必备的技能之一！
营销人员可以通过数据分析改进营销策略，产品经理可以通过数据分析洞察用户习惯，金融从业者可以通过数据分析规避投资风险，公司高管可以通过数据分析指导决策。
不管你从事的是什么行业，掌握了数据分析能力，你将更有竞争力。
如何学习数据分析
数据分析是一门交叉学科，往简单了说，学会使用Excel就可以做一些数据分析了，再复杂一些，要用到SQL的知识，“高级”一些的，就要用到数据分析方法，最常见的就是统计模型，比如方差分析、列联分析、线性回归、逻辑回归、主成分分析法、时间序列等。而想再进一步地深入学习就还需要掌握决策树、聚类分析、关联规则、神经网络、随机森林等数据挖掘模型算法。除了理论知识的学习外也需要掌握一些常见的数据分析工具，比如SPSS、SAS、R、Python等，尤其要注意编程语言的学习，掌握一门编程语言可以让分析工作更加高效地进行。
以上是学习数据分析道路上需要掌握的基本技能，至于怎么学？当然最有效的方法就是理论与实践相结合的方法，真正做到学以致用。
在这里要与大家分享的书籍是《Python 数据分析基础教程：NumPy 学习指南（第 2 版）》，根据小编多年python开发经验，这本书是零基础入门数据分析首选佳作。
该书是NumPy的入门教程，主要介绍NumPy以及相关的Python科学计算库，如SciPy和Matplotlib。《Python数据分析基础教程：NumPy学习指南（第2版）》内容涵盖NumPy安装、数组对象、常用函数、矩阵运算、线性代数、金融函数、窗函数、质量控制、Matplotlib绘图、SciPy简介以及Pygame等内容，涉及面较广。另外，Ivan Idris针对每个知识点给出了简短而明晰的示例，并为大部分示例给出了实用场景（如股票数据分析），在帮助初学者入门的同时，提高了本书可读性。
之所以推荐它的原因是因为该书以实战为主理论为辅。从很浅显的概念开始讲起，渐渐融入各种动手实践的例子。
话不多说，直接来展示：
第1章 NumPy快速入门
Python
动手实践：在不同的操作系统上安装 Python
Windows
动手实践：在 Windows 上安装 NumPy、Matplotlib、 SciPy 和 IPython
Linux
动手实践：在 Linux 上安装 NumPy、Matplotlib、SciPy 和 IPython
…
第2章 NumPy基础
NumPy 数组对象
动手实践：创建多维数组
动手实践：创建自定义数据类型
一维数组的索引和切片
动手实践：多维数组的切片和索引
…
第3章 常用函数
文件读写
动手实践：读写文件
CSV 文件
动手实践：读入 CSV 文件
成交量加权平均价格（VWAP）
…
有需要这份资料的，可以扫描这里领取
相关性
动手实践：股票相关性分析
多项式
动手实践：多项式拟合
净额成交量
动手实践：计算 OBV
…
第5章 矩阵和通用函数
矩阵
动手实践：创建矩阵
从已有矩阵创建新矩阵
动手实践：从已有矩阵创建新矩阵
通用函数
动手实践：创建通用函数
…
第6章 深入学习NumPy模块
线性代数
动手实践：计算逆矩阵
求解线性方程组
动手实践：求解线性方程组
特征值和特征向量
动手实践：求解特征值和特征向量
…
第7章 专用函数
排序
动手实践：按字典序排序
复数
动手实践：对复数进行排序
搜索
动手实践：使用 searchsorted 函数
…
第8章 质量控制
断言函数
动手实践：使用 assert_almost_equal 断言近似相等
近似相等
动手实践：使用 assert_approx_equal 断言近似相等
数组近似相等
动手实践：断言数组近似相等
…
第9章 使用Matplotlib绘图
简单绘图
动手实践：绘制多项式函数
格式字符串
动手实践：绘制多项式函数及其导函数
子图
动手实践：绘制多项式函数及其导函数
…
第10章 NumPy的扩展：SciPy
MATLAB 和 Octave
动手实践：保存和加载.mat 文件
统计
动手实践：分析随机数
样本比对和 SciKits
动手实践：比较股票对数收益率
信号处理
…
第11章 玩转Pygame
Pygame
动手实践：安装 Pygame
Hello World
动手实践：制作简单游戏
动画
动手实践：使用 NumPy 和 Pygame 制作动画对象
…
