曾經(jīng)看過(guò)一篇老外寫(xiě)的文章，把Numpy／Pandas甚至各種機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法組織成了不同的結(jié)構(gòu)圖，看起來(lái)非常清晰，一目了然。

有點(diǎn)遺憾當(dāng)時(shí)沒(méi)有拿出來(lái)跟那個(gè)朋友分享。所以，今天重新組織一下，希望能借別人的精華，把學(xué)習(xí)的路線和過(guò)程傳遞給更多想學(xué)習(xí)和正在學(xué)習(xí)的小伙伴。

以下是內(nèi)容截圖的原文地址，圖片版權(quán)歸原作者：

Python起步，基礎(chǔ)知識(shí)

在開(kāi)始數(shù)據(jù)分析之旅之前，必須要掌握Python的基礎(chǔ)方法和用法，就像一出生先要學(xué)會(huì)走路一樣，別著急上跑道，打好基本功才能練就硬本事。

Python的基礎(chǔ)知識(shí)比如變量聲明，運(yùn)算符操作，數(shù)據(jù)類(lèi)型，常用數(shù)據(jù)集合操作都是要爛熟于心的。同時(shí)也要掌握一些開(kāi)發(fā)工具，穿上鞋走路才能走得更穩(wěn)，也更加舒服。

Python數(shù)據(jù)分析之源，Numpy

Numpy幾乎是所有重要Python數(shù)據(jù)分析工具的依賴(lài)，比如后面要介紹的Pandas，以及其他機(jī)器學(xué)習(xí)工具的包，都需要依靠Numpy來(lái)完成數(shù)據(jù)的組織和清理。所以，我把Numpy定義為數(shù)據(jù)Python數(shù)據(jù)分析之源。

在Numpy里，需要靈活掌握基本的數(shù)據(jù)類(lèi)型的使用，數(shù)組的（花式）切片，數(shù)據(jù)的廣播運(yùn)算，數(shù)據(jù)文件的讀寫(xiě)等等，這些知識(shí)是為你練就數(shù)據(jù)神功積攢內(nèi)力，打通任督二脈的第一步。

Python數(shù)據(jù)分析神器，Pandas

如果說(shuō)Numpy可以打通全身經(jīng)脈提升內(nèi)力，那么Pandas就如同賜給了你一把屠龍寶刀，一刀在手，走遍天下無(wú)敵手。數(shù)據(jù)里披荊斬刺，牛鬼蛇神，幾刀下去就會(huì)清清爽爽干干凈凈。

為啥這么干凈利落？因?yàn)镻andas有DataFrame，數(shù)據(jù)里縱橫馳騁，無(wú)非是幾個(gè)簡(jiǎn)單的函數(shù)。另外，不論數(shù)據(jù)文件的對(duì)接，還是數(shù)據(jù)庫(kù)的存取，也是一兩行代碼的功夫。

所以，想要行走江湖，Pandas這把殺豬刀，錯(cuò)了，屠龍寶刀，一定要用好。

數(shù)據(jù)清洗過(guò)程

刀要怎么用？ 橫一刀，豎一刀當(dāng)然也可以，但我們還是要優(yōu)雅一點(diǎn)。

肉一點(diǎn)的數(shù)據(jù)可以切，可以削，帶點(diǎn)骨頭的數(shù)據(jù)可以劈，可以斬，實(shí)在不行捅也行。（還是殺豬。。。）

所以，我們?cè)谔幚頂?shù)據(jù)的時(shí)候，基礎(chǔ)會(huì)對(duì)數(shù)據(jù)進(jìn)行切片，補(bǔ)全，去重，重塑等等，之后的統(tǒng)計(jì)分析也變得異常簡(jiǎn)單。

Python數(shù)據(jù)可視化，經(jīng)典Matplotlib

雖然目前已經(jīng)出現(xiàn)了很多優(yōu)秀的支持Python的可視化工具，比如之前介紹過(guò)的Dash，Pyecharts，但Python御用的可視化工具M(jìn)atplotlib在任何時(shí)候都可能出現(xiàn)在不同場(chǎng)合并有著不凡的表現(xiàn)。

可視化就像給數(shù)據(jù)穿上靚麗的外衣，辛苦折騰出的結(jié)果或者結(jié)論一定要有一個(gè)漂亮的呈現(xiàn)。所以，一個(gè)驚艷的圖表報(bào)告能給一次“驚險(xiǎn)”的數(shù)據(jù)之旅畫(huà)上一個(gè)圓滿的句號(hào)。

裝逼第一步，機(jī)器學(xué)習(xí)

這幾年人工智能火爆發(fā)展，強(qiáng)勢(shì)入駐IT及互聯(lián)網(wǎng)領(lǐng)域，連金融投資也要處處強(qiáng)調(diào)智能化。作為“智能”實(shí)現(xiàn)的第一步，機(jī)器學(xué)習(xí)承載了所有有志進(jìn)入人工智能領(lǐng)域人的夢(mèng)想，也是所有“碼農(nóng)”血洗屌絲形象，進(jìn)入更高薪領(lǐng)域必備良器。

不管監(jiān)督學(xué)習(xí)也好，半監(jiān)督還是無(wú)監(jiān)督也好，反正算法從此掛上了嘴巴，隨口不蹦出幾個(gè)經(jīng)典算法來(lái)，都顯示不出專(zhuān)業(yè)性，尤其是一些性能又高，知道的人又少的算法，那更是可以讓人說(shuō)話聲音都要高出幾個(gè)分貝。

但是裝逼有時(shí)候也不太好裝，騷年一定要認(rèn)真學(xué)好，各處細(xì)節(jié)都要了解清楚，尤其是一些常用工具要掌握到位，比如下圖的流程，可以讓你快速定位問(wèn)題，并制定出解決方案。

另外，我們也可以掌握一些算法速查表。

當(dāng)然，如果能掌握一些系統(tǒng)性的工具包，更有利于對(duì)機(jī)器學(xué)習(xí)的理解和運(yùn)用，Scikit-Learn或許是首先。

裝逼第二步，神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)錯(cuò)綜復(fù)雜的各種圖或許會(huì)讓你眼花繚亂，但這豈能讓這種既像跳棋游戲又像電路板的東西擋住了我們裝逼的路。

先來(lái)看看這些神經(jīng)網(wǎng)絡(luò)圖，簡(jiǎn)稱(chēng)神圖。

如果還沒(méi)看過(guò)癮，再來(lái)一版。

如果以上覺(jué)得還不夠高級(jí)，那我們?cè)賮?lái)看看自帶數(shù)學(xué)神秘光環(huán)的公式圖。

如果看上面的圖很燒腦，那我們還是看看對(duì)曾經(jīng)風(fēng)靡一時(shí)的TensorFlow的一個(gè)總結(jié)吧。

裝逼第三步，搞定數(shù)據(jù)源

有了槍有了炮，總得要有彈藥。

數(shù)據(jù)就是各類(lèi)機(jī)器學(xué)習(xí)和人工智能實(shí)現(xiàn)價(jià)值的彈藥，而金融數(shù)據(jù)是目前相對(duì)比較整潔，并且容易獲得，也契合這些神經(jīng)網(wǎng)絡(luò)等高級(jí)玩意高起點(diǎn)，高價(jià)值，高逼格特點(diǎn)的一種數(shù)據(jù)源。

Tushare Pro為各路英雄豪杰提供了免費(fèi)的，高質(zhì)量的金融時(shí)間序列數(shù)據(jù)，除了提供各種資產(chǎn)類(lèi)別的市場(chǎng)數(shù)據(jù)，也將提供宏觀及行業(yè)數(shù)據(jù)，持續(xù)不斷地為大家提供穩(wěn)定的數(shù)據(jù)支持和服務(wù)。

有志在機(jī)器學(xué)習(xí)展現(xiàn)能力，又想通過(guò)金融市場(chǎng)體現(xiàn)價(jià)值的伙伴，可以借助Tushare開(kāi)放平臺(tái)獲得免費(fèi)數(shù)據(jù)支持。