Python數據分析，主要需要學習以下內容：
1、Python語法基礎
2、Python數據分析擴展包：Numpy、Pandas、Matplotlib等
3、Python爬蟲基礎（非必須，但可以提升興趣）
4、Python數據探索及預處理
5、Python機器學習
Python作為一門編程語言，當然需要先學習其語法基礎，如果學習過其他編程語言，上手Python會比較快。Python語法基礎需要掌握以下內容：
網上有很多學習資料，隨便買本書就可以，或者學習本號錄制的Python數據分析視頻。
有了Python基礎后，接下來就需要學習Python數據分析擴展包了，常用的有3個：Numpy、Pandas和Matplotlib。
1、Numpy
NumPy系統是Python的一種開源的數值計算框架。這種工具可用來存儲和處理大型矩陣，相當于將Python相當于變成一種免費的更強大的MatLab系統。
2、Pandas
Pandas，最初被作為金融數據分析工具而開發出來，因而Pandas為時間序列分析提供了很好的支持。另外Python中常用的DataFrame，及用讀取外部數據文件的方法都屬于Pandas。
3、Matplotlib
Matplotlib是一個很強大的Python可視化庫，可以很輕松地繪制各種數據圖表，包括三維圖表。
嚴格來說，Python爬蟲不屬于Python數據分析的范疇，但是可以作為一個可以提升自己興趣，以及提升自己Python功底的工具，當然有些時候，數據分析師也需要自己爬取一些數據。
在學習了以上內容后，還需要學習一些常用的數據探索及預處理方法，才能夠用Python進行一些基礎統計分析，因為很多時候在分析數據前，還需要對數據進行探索及預處理。
在學習了以上內容后，就可以學習更強大也更復雜的分析方法了，也就說所謂的數據挖掘，主要工具就是機器學習。
1、機器學習緒論
首先需要了解機器學習，及其常見術語。
2、機器學習常用算法
機器學習常用算法分為兩類，監督學習和無監督學習。
大部分算法可以通過調用Scikit-learn中的現成算法來實現，當然可以自己編寫算法，前提是數學功底要好，而且要對算法的原理掌握得很透徹。
