系统地学习Python的数据分析库（Numpy、Scipy、Pandas等）是一个伪命题，真正有效的学习应该是基于数据分析实战。
脱
离实战的学习如纸上谈兵，只有经历过实战的考验，才能真正掌握所学的内容。之前答主在学习这些库的时候，花费了大量的时间研读练习各种教程，但是在实际项
目的过程中，仍然捉襟见肘，需要花费大量的时间查文档，去Google里搜答案。细想其中缘由，无非是因为表面上“系统”地学习了大量的函数和功能，但是
如果不能学以致用，那就无法做到熟能生巧，融会贯通。

对于初学者来讲，第一步是根据教程，对这些库建立基本的认识。可以参考以下材料：
推荐材料：Python for Data Analysis
推荐理由：这本书很全面，讲的很细，涵盖了Numpy、Scipy几个主要的数据分析库。但是这本书的缺点和优点一样明显，主要在于成书时间太早（2021年最后修改），部分内容有些陈旧，同时由于讲的很细，很多内容不太适合初学者。
阅读建议：前五章认真看一下，复制书里的代码，并能够调试运行成功，后面的章节根据需要挑着看。在建立基本认识之后，需要通过实战来进行强化，可以参考以下材料：

Harvard CS109 Data Science
之前已经有同学提到过这门课，但是仍然要再安利一下。推荐这门课主要有如下原因

有视频教程，不会太枯燥。
涵盖面广，难度适中，适合入门。
课程包括了概率论、数理统计及机器学习等内容，这些都是实际工作中常用的分析工具。
理论与实践相结合，并以Python为主要编程语言。
涉及到一点文本分析以及MapReduce、Spark等内容
2. Kaggle竞赛

如果想更进一步的了解如何用Python进行数据分析，那么，Kaggle一定是最好的选择。这里汇集了来自全世界各地的数据分析高手，社区非常的活跃，
同时也有很多有趣的比赛及项目。从适合初学者入门的数字识别器、泰坦尼克号生存率预测，到奖金几万甚至几十万美元的竞赛，再到由各大公司，如
Facebook, Walmart等，举办的以招聘为导向的竞赛，你总能找到一款适合你的
题主提到的其他问题，我的回答是：

Python做数据挖掘是否足够强大？
Python做数据挖掘强大，很强大，非常强大。大部分高科技公司的数据部门以Python和R为主，越来越多传统行业的数据部门也在进行Python数据分析的尝试。

学习数据挖掘需要学习哪些知识呢？
可以参考热帖：如何成为一名数据科学家? 数据挖掘是数据科学家应该具备的技能之一，大牛们已经给出了如何成为一名数据科学家的方法，照着做就可以了。

所谓系统学习法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习和复习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节、完善结构、针对缺陷和不足专攻的学习方法。

大数据测试，说来进入这块领域也快2年半了。每天工作的内容是验证数据表的逻辑正确性。

最近偶有所思，数据测试能否更进一步？如何利用已有技能对海量数据进行全面分析，找出数据质量问题或协助数据分析师发现逻辑漏洞？

再或者，能否向数据分析师转型呢？想得很多，思绪有些杂乱。于是我冷静了下，不再空想。我先做点东西出来看看，再评估下自己是否有这个能力和资质。

花了1个星期的时间，学习了 Python 的 Pandas 模块，按照学习示例一边学习一边实操，慢慢地感觉就来了。对 Pandas 有了基本的认知后，我在寻找一个突破点，我想我不能一直只是这样按照示例代码敲下去，毫无意义。

我得将所学的 Pandas 知识结合公司现有的业务进行运用。刚开始至少能简单地开始对某张数据表的某个指标进行数据分析。于是我按照这样的想法对 test. test_resv001_room_daily_df 表的 number_of_room_nights 指标开始了数据分析的 探索 。

1、hivesql数据准备

hivesql内容说明：

从上面的 hivesql 语句可以看出，这条 sql 的目的是查询出 hotel_code_new 为 'CNSZV002','CWH','CWSW','ESL','FIJ' 在2021年各个月份的 number_of_room_nights 指标总和，按照 hotel_code_new 和月份作分组和排序。

2、代码实现

3、hive数据库all_data的数据结构查询结果

4、代码实现2中的print(df)输出结果

手工校对通过，与 hivesql 输出结果一致。

5、将dataframe数据结构的df数据使用plot生成趋势图

调用df.plot()不带任何参数的趋势图如下：

上述折线图表示：当前月份值及 历史 月份值的累加和。

调用df.plot(kind='bar')时加上参数kind='bar'的趋势图如下：

上述柱状图表示：当前月份值及 历史 月份值的累加和。

两个图只是展示形式上的区别，都能在一定程度上体现2021年12个月份每个不同 hotel_code_new 当前月份与 历史 月份 number_of_room_nights 值的累加和的数据分布情况，可以说是一个简单的数据分析。

6、将dataframe数据写入csv文件

room_nts.csv内容如下：

7、读取csv文件中dataframe数据

8、将dataframe多维数据存储到excel中

room_nts.xlsx文件中sheet_name为room_nts的内容如下：

9、从excel中读取dataframe多维数据

小结

今天分享的数据分析内容比较基础，主要是将学到的技能与业务相结合的初步 探索 ，后续还需要不断 探索 与学习，将学习到的技能加以思考并运用到实际项目业务中，如此方能走得更远。