前言
明天我想跟大家分享本人转行的故事，心愿可能激励那些跟我一样的敌人独特前行。
首先说说为何要转型，我之前的业余是 汽车检测与培修，毕业后进入培修工作，起初换了两份工作，其实都根本没有来到过汽车行业这个圈子。
而实际上，汽车行业这个圈子并不是我的现实工作，不论是工作时长 工作前景，工作的付出和支出是否成正比的角度来看，都证实这不是我想要的，只是我人生的过渡阶段。
我本人对汽修又不是很感兴趣，正是因为如此，所以综合思考和充沛理解后，我决定进入 IT 行业。
因为过后没有计算机根底，走了不少弯路，在网上搜了一些教程，七拼八凑，感觉乌七八糟。既来之，则安之，既然想转型，就必须得有所付出。
那段时间，我还在学习群里意识了一些数据分析岗位的退职者，年龄不大。他就倡议我做数据分析。
上面是我给大家的一些学习方针：
1. 我发现很多学习 Python 的人不明确一个货色，就是咱们在做一件事的时候首先弄清楚这个事件是干什么的，应该怎么做。就像有些人写代码做程序一样，刚有了需要，间接入手干，齐全不去想思路和细节，如果你能把每个细节做到位，写代码真的很简略。所以初学者肯定晓得本人在学什么，而不是整体在那里自觉的学，浪费时间。
2. 零碎的学习布局，学习 Python 是一个循序渐进的过程，不是明天学一会，今天多学一会，这样肯定学不胜利，最初的后果就是浪费时间，节约生命，这都是走过去的路，教训。
3. 有人领导，学 Python 千万别自以为是的认为本人很天才异禀，只有致力就肯定能胜利，很多货色咱们现有智商无奈满足的，所以学 Python 开始肯定要有人帮你解决一些小问题，很多难题本人是无奈解决，就算解决也很浪费时间，所以我把大家都聚在了一块心愿帮忙每一个想学习扭转本人的人。
4. 只须要一套零碎的学习教程，学习材料不在多，再多可能你都不会看，没用，能急躁的学完，每天都在学，这才是有用的货色，没有学习资源的敌人能够本人去下载。
5. 学习办法，学习 Python 是须要一个少走弯路的学习办法的，如果学习办法不对，那怎么学都是浪费时间，多去跟过来人求教，交换的碰撞，能够让你少走很多弯路，如果大家没人能够问，能够随时来问我，平时我工作不忙的时候，都会在群里给大家解决问题。
学习这件事最终还是本人的事，无论在哪里学都差不多，最初还是本人心里怎么看待，有人帮忙必然会快，但其余的所有货色都是辅助，有再好的条件都有学不好的，在顽劣的环境都有学好的。如果想在 Python 这条路走的长，那你肯定要酷爱技术，酷爱互联网。
要重视实际，眼到手也到，才更完满
置信很多初学者都会有这种感觉，就是学习的时候，感觉本人都能了解了，但真正，本人去做的时候，又感觉这里也不会那里不会，磕磕碰碰的。
其实学习一个新的常识，了解了，只是第一步，最重要的是实际操作，实际操作之后才可能了解的更加到位，印象也才可能更加的粗浅。千万不能眼高手低，也不要为了谋求速度而疏忽一些代码的编写。
说说当初的我
在浙江宁波工作，而后进入互联网企业进行数据分析工作，月薪也从原先的 4k 晋升到 12k，更好的环境、更高的薪资，让我对将来的进阶学习也充斥了向往。
其实工作挺好找的，面试的时候，把一些常常面的题多温习一下，留神不要花太长时间。每面完一家，先网上搜寻该题的答案，解说，下次遇到这样的题，就能很快知了。
工作中，肯定要多问共事，遇到不懂的，多求教，直到能找到问题的解决办法，能实现下面安排的工作才是硬道理。还有平时有工夫，能够多看看书，书里的内容比拟零碎，从最简略的开始看，缓缓会有深的领会的。
最初，想跟学弟学妹说一声，抉择比致力重要，你的致力不会被辜负，好的工作机会也会在后方等着你！
最初
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）》，依据小编多年 python 开发教训，这本书是零根底入门数据分析首选佳作，须要的敌人能够点击这里收费支付。
第 1 章 NumPy 疾速入门
- Python
- 入手实际：在不同的操作系统上装置 Python
- Windows
- 入手实际：在 Windows 上装置 NumPy、Matplotlib、SciPy 和 IPython
- Linux
- 入手实际：在 Linux 上装置 NumPy、Matplotlib、SciPy 和 IPython
- …
第 2 章 NumPy 根底
- NumPy 数组对象
- 入手实际：创立多维数组
- 入手实际：创立自定义数据类型
- 一维数组的索引和切片
- 入手实际：多维数组的切片和索引
- …
第 3 章 罕用函数
- 文件读写
- 入手实际：读写文件
- CSV 文件
- 入手实际：读入 CSV
- 成交量加权平均价格（VWAP）
- …
第 4 章 便捷函数
- 相关性
- 入手实际：股票相关性剖析
- 入手实际：多项式拟合
- 净额成交量
- 入手实际：计算 OBV
- …
第 5 章 矩阵和通用函数
- 矩阵
- 入手实际：创立矩阵
- 从已有矩阵创立新矩阵
- 入手实际：从已有矩阵创立新矩阵
- 通用函数
- 入手实际：创立通用函数
- …
第 6 章 深刻学习 NumPy 模块
- 线性代数
- 入手实际：计算逆矩阵
- 求解线性方程组
- 入手实际：求解线性方程组
- 特征值和特征向量
- 入手实际：求解特征值和特征向量
- …
第 7 章 专用函数
- 排序
- 入手实际：按字典序排序
- 复数
- 入手实际：对复数进行排序
- 搜寻
- 入手实际：应用 searchsorted 函数
- …
第 8 章 品质管制
- 断言函数
- 入手实际：应用 assert_almost_equal 断言近似相等
- 近似相等
- 入手实际：应用 assert_approx_equal 断言近似相等
- 数组近似相等
- 入手实际：断言数组近似相等
- …
第 9 章 应用 Matplotlib 绘图
- 简略绘图
- 入手实际：绘制多项式函数
- 格局字符串
- 入手实际：绘制多项式函数及其导函数
- 子图
- 入手实际：绘制多项式函数及其导函数
- …
第 10 章 NumPy 的扩大：SciPy
- MATLAB 和 Octave
- 入手实际：保留和加载.mat 文件
- 统计
- 入手实际：剖析随机数
- 样本比对和 SciKits
- 入手实际：比拟股票对数收益率
- 信号处理
- …
第 11 章 玩转 Pygame
- Pygame
- 入手实际：装置 Pygame
- Hello World
- 入手实际：制作简略游戏
- 动画
- 入手实际：应用 NumPy 和 Pygame 制作动画对象
- …
因为篇幅无限，这里就不一一展现了，须要《Python 数据分析基础教程：NumPy 学习指南（第 2 版）》PDF 的小伙伴，能够点击这里收费支付。