想做数据分析是学python还是学大数据？

电子商务(ElectronicCommerce)是利用计算机技术、网络技术和远程通信技术，实现整个商务(买卖)过程中的电子化、数字化和网络化。人们不再是面对面的、看着实实在在的货物、靠纸介质单据(包括现金)进行买卖交易。而是通过网络，通过网上琳琅满目的商品信息、完善的物流配送系统和方便安全的资金结算系统进行交易(买卖)。

在过去几年中，对数据分析师和数据科学家的需求一直在快速增长。Python是用于数据分析最流行的语言，如果你想在数据字段中，您将工作可能需要学习Python(尽管R可以是一个伟大的选择。

像任何编程语言一样，Python需要花费一些时间来掌握。但是，如果您有动力并愿意学习一种新技能，那么就有很大的机会来满足就业市场对数据科学家的需求。数据科学领域充满了需要Python编程能力的工作。在2017年，IBM估计到2020年对数据科学专业人员的需求将增长28%。

了解Python是在包括工程，医学研究，人工智能，机器学习，汽车等行业的数据科学和其他编程工作中的一项关键技能。尽管学习数据科学似乎很漫长，但您可能会惊讶地发现，进入数据科学的Python的入门门槛实际上很低，尤其是与高回报相比。

为什么Python需求如此之高?

Python社区内部有个玩笑，说Python是所有功能的第二好语言。当然，最好的办法是主观的，但是Python非常灵活。这是最常见的-数据的科学使用的语言(R是紧随其后)，并且它也经常在其他一些行业的使用。

其广泛普及的原因之一是它是处理数据时更易于学习和使用的语言之一。而且，幸运的是，对于雇主和数据科学家来说，不需要多年的学习时间即可掌握。

学习Python需要多长时间?

只要有适当的时间和奉献精神，您就可以在短短几个月内学习Python!

就像任何技能，你如何快速学习Python是最终取决于你有多少时间和精力投入。虽然每个人都学会以自己的节奏。

大号等我们一起来看看一些是进入学习Python的，包括我们的事情原因，研究这种语言，为充分利用您的时间花费的技巧学习ING。

学习Python的三个原因如下：

1.自动执行任务

Python是一种通用的编程语言，这意味着每个人都有其中的某些东西。一旦你学习Python，你就可以与大量数据集的工作很容易，如果那是你的事。如果需要，您将能够从Web上抓取数据并访问API。如果您定期使用电子表格软件，则可以使用它来增强Excel中的工作。您将能够自动执行各种任务。

独自学习自动化任务的能力非常强大，因为您的时间很宝贵!机器人从互联网发送您的电子邮件，并获取数据。

您更有可能开始为您所工作的人员和公司寻找创造性的解决方案。当您学习Python时，您实际上是在学习一种基于识别和预测模式的新语言-当您找到模式时，您将能够以对您的专业，行业和行业产生重大影响的方式交流这些发现。

2、你可以打动你的老板

学习Python也是在工作中留下深刻印象的好方法(或获得您一直渴望的升职)。

对于那些无法编写代码的人来说，编程能力有时似乎是一种超能力。编程使您能够利用自己的知识并增加输出。有了它，您可以在相同的时间内完成十倍的工作。

正如上面提到的，当你学习Python，你就能够迅速地收集数据，并“翻译”本身的数字现实世界的解决方案。

例如，在商业环境中，你可以通过做这样的事情增值网页抓取，发送国际的邮件自动，甚至分析供应链的生产找到错失机会的成本节约和/或质量控制。

如果您的老板提到了解数据科学可以帮助您朝着职业目标迈进，那么可以帮助您在线学习Python的自定进度课程可能是平衡职业和个人发展的理想方法。

3、创造就业机会

如果你寻找一个全新的职业生涯或许不会满足的感觉在你目前的工作位置，你来对地方了。

对Python程序员的需求从未如此高，尤其是在数据科学领域。数据科学是一个有益的领域，它的报酬非常高。典型的入门级数据分析师的薪水约为65，432美元，数据专家的薪水每年可高达10万美元以上。

这些机会有时可以远程获得，因此您可以在中国公司的任何地方工作，而不必局限于中国。数据科学是一个相对较新的领域，随之而来的是现代雇佣实践。强调了解您的技术并能够取得成果的速度正在放缓，开始变得比对4年制学位和走廊上的办公室的需求更为重要。

我们已经看到许多校友在完成数据科学道路后找到了有意义的职业(无论是在办公室还是在远程)。实际上，我们的课程旨在帮助您精疲力尽地找到工作。您将拥有处理现实世界数据的经验，以及充满完成数据科学项目的投资组合。

对于许多人力资源办公室评估您的简历，这可能比学位要重要得多。

学习Python的技巧

如果你是在自己的学习的Python，肌酐已经时间管理习惯将是非常有益的-特别是如果你想学习Python宜早不宜迟。虽然5个小时似乎很适合您本来很忙的每周计划，但对于那些从事全职工作或有完整的学习承诺的人来说，这是非常可实现的。

您可以通过以下几种方式找到业余时间：

1、提前30分钟设置闹钟

您每天可以拨出时间学习Python的最佳时间是早晨。

从生物学上讲，您最好，最有生产力的时间是每天的前两个小时左右。您不想牺牲任何睡眠，但是您可能想早点睡觉，这样您就可以参加培训，全职的学习这个课程。

当然，这是一个承诺。但是，如果您在前一天晚上放下衣服，准备好喝杯咖啡，并且已经知道要处理Python的哪些方面，那么会容易一些。大数据分析为什么要学习

他火候和保存在你的职业生涯的进步将是值得额外的努力。另外一项好处是，当您的一天取得良好的开端时，您会感到特别健康。

您甚至可能会让自己感到惊讶-许多人认为他们只是“不是早起的人”，他们每天晚上睡足后才发现，改变工作时间并养成一些健康的习惯就可以了。

这感觉很酷说，“我彻夜未眠编码。”

但是在很多时候，我们高估了我们的生产力-当您感到疲倦时，您做不到的工作或保留的信息也不多。当您以崭新的眼光看待数字时，您可以更好地吸收所学内容!

2、利用安静的星期六早上

我们已经看到，每天练习是学习Python的最佳方法。对于掌握数据科学原理的学生，最快的时间是周末。

尽可能保持一致很重要，但有时生活会受到阻碍。那就是周末。如果您每天的上午5点至下午6点完全被预订，则可以在周末加班，保持自己的正常行驶。

此外，这是在专门用于学习python的空间中找到不间断时间的好方法。将它与有意义的东西联系起来-Python学习时光值得期待!

要记住的一件事：每天学习两个小时要比周末一天学习10个小时好得多。如果您在一周内还有其他承诺，那么与每天只看一次Python材料相比，即使每天早上10分钟也会有所不同。

3、python社区

加入Python开发人员社区将帮助您继续朝着学习Python的目标迈进。

如果您每天花几分钟时间进行连接，那么当您进入工作市场时，您将以新技能和新网络来完成课程!

5.竞争数据科学比赛

你可以提交Python脚本来查找给定数据集的最佳拟合模型。

6.阅读Python书籍

有许多针对Python的一般和特定应用程序编写的指南，并且只要您不介意滚动数字副本，就已经着重强调了一些无需支付一毛钱即可阅读的指南。

准备好以自己的速度学习Python了吗?

所有的数据科学家都有在整个过程中对他们有帮助的提示和技巧。有些人可能会夸耀他们仅在一个月内就学习了Python，而另一些人则需要花费几年的时间才能达到所需的精通水平。

对自己保持谦逊，并让自己有时间以最适合自己的速度学习Python。最好花一些额外的时间，而不要匆忙处理所有事情，而不要在基础上打下坚实的基础!

在Python基础知识上有很好的指导会帮助您自动化生活和工作，在当前工作中表现出色，甚至允许您输入新的知识。

i6838847413554250247/

百战程序员IT问题专业解答

1.Python目前的使用基本排名前四，而数据分析需要的是数据整理以及数据库等东西。跟学习Python影响不是很大，而且学习Python比学习C++，JAVA等简单一些。

2.学习什么软件只是作为工具而言，主要学习的是借用工具处理问题的方法。所以关于学什么，其实你自己已经有一些答案。

大数据和Python从根源来说，是两个维度的两码事。如果你不能理解，这相当于问了一个问题，请问我学做淮扬菜好还是学造铁锅好？

一个是根源，一个是延伸。你可以选择用铁锅来做淮扬菜，或者你也可以用铁锅去做川菜。甚至如果你愿意，也可以用不粘锅来做菜。最终的结果都会非常类似。可能你在网上看到了一些文章，Java大数据工程师工资非常高，又看到Python工程师能拿到多少多少钱的月薪。所以产生了题目中比较有歧义的问题。也许修改一下更为贴切。做大数据应该学Python好还是Java好？

从当前市场来说，Python可能会更受青睐一些。比如拿了海量数据，你准备做什么？是不是得去配合人工智能搞事情？那人工智能现在更多人选择用什么？Python啊！PyTorch，TensorFlow，MXNet等等第三方深度学习库，都非常成熟。是不是要搞数据可视化？那现在数据可视化的工具应该用什么？Python啊！matplotlib或者其他一些基于其之上的可视化库，比如seaborn之类。都是好看又好用。是不是要做科学计算？那现在怎么做科学计算更方便呢？Python啊！numpy，pandas，scipy，做起来数学计算简直爽歪歪，超大矩阵秒出答案，各种数学公式一行代码解决问题。

当然Java也有很多非常棒的第三方库支持，不过当前世界的趋势就是Python的占比份额越来越大，如果对Java没有太多的感情，可以把更多的精力放在Python上。如果你是个新手，没有太多的编码经验，可以从Java或者.Net入门。

数据分析岗，从现在的市场需求来说，主要是两个层次，一个是偏传统的业务型数据分析，另一个是大数据背景下的数据分析+挖掘（大数据分析），相对而言需要更多的技术手段，目前行业的主流是Python，因为Python的几个数据科学相关的库，在基本的数据处理上是非常强大的。

学Python还是大数据，如果是单纯想做业务型的数据分析，目前市场上的大部分岗位对Python的要求并不高，甚至很多时候也不至于到非要用Python的地步。

而如果是想做大数据当中的分析的话，那么Python肯定是需要掌握的，其次涉及到企业的大数据平台，可能还会要求一定的Hadoop、Spark技能，建议题主结合自身的学习能力和未来的发展规划做选择。

大数据只是大，hadoop（包括各大以hadoop为基础衍生产品）有一个通病就是开发环境很糟糕，用web页面写代码很恶心的。所以建议python或方便点的诸如finereport/smartbi/tableau/powerbi之类的东西。

大数据是学科，python是工具大数据就好像是木工活，python是锯子你当然两个都要学。

优秀的数据分析师需要具备这样一些素质：有扎实的SQL基础，熟练使用Excel，有统计学基础，至少掌握一门数据挖掘语言（R、SAS、Python、SPSS），有良好的沟通和表达能力，做好不断学习的准备，有较强的数据敏感度和逻辑思维能力，深入了解业务，有管理者思维，能站在管理者的角度考虑问题。

如果单纯的做数据分析，可以先学习python，在数据量不是特别大的情况下，python是完全有能力完成大部分分析需求的。如果遇到数据量特别大的情况，如十亿级以上，这个时候python处理起来可能就有些吃力，这个时候需要借助大数据来进行处理，比如spark生态圈，但是现在spark生态圈是支持python语言的，所以基础还是python。只有打牢基础，在平时使用是才能得心应手。

小飞象数据分析社群探讨过这个问题，我们当时也给出了一些建议，以及群友的回答，今天我们来梳理一下这个问题。

我们认为要先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python或者学大数据，可以先上手Excel+SQL这2个简单的数据分析工具来入门。有SQL基础以及数据分析的基础后再学Python和大数据挖掘会相对容易些。

但是，需要值得注意的是，要入门数据分析岗，我们要先做职业的规划：

明确自己职业规划是走业务方向还是技术方向。

要充分对目标领域的行业知识进行全面的调研，了解行业背景及行业相关的指标，然而，在行业的选择上，要以擅长的、热爱的和有发展前景的即是最佳选择）。

了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

学习Python编程语言，是大家走入编程世界的最理想选择。无论是学习任何一门语言，基础知识，就是基础功非常的重要，找一个有丰富编程经验的老师或者师兄带着你会少走很多弯路，你的进步速度也会快很多，无论我们学习的目的是什么，不得不说Python真的是一门值得你付出时间去学习的优秀编程语言。在选择培训时一定要多方面对比教学，师资，项目，就业等，慎重选择。

个人建议还是做大数据吧，毕竟大数据就是做数据分析，Python的话就是爬虫数据啦，很简单的，比大数据差了点

python和大数据都是为了业务服务的，若是学习使用技术，学习哪个都可以，但是python相对容易一些。要想学好，必须数学的。

优秀的数据分析师需要具备这样一些素质：有扎实的SQL基础，熟练使用Excel，有统计学基础，至少掌握一门数据挖掘语言（R、SAS、Python、SPSS），有良好的沟通和表达能力，做好不断学习的准备，有较强的数据敏感度和逻辑思维能力，深入了解业务，有管理者思维，能站在管理者的角度考虑问题。

优秀的数据分析师需要具备这样一些素质：有扎实的SQL基础，熟练使用Excel，有统计学基础，至少掌握一门数据挖掘语言（R、SAS、Python、SPSS），有良好的沟通和表达能力，做好不断学习的准备，有较强的数据敏感度和逻辑思维能力，深入了解业务，有管理者思维，能站在管理者的角度考虑问题。

数据分析不是只分为Python和大数据，这个行业其实不只是表面上那么简单，除了基本的软件需要掌握以外，还需要有一定的分析能力，数据分析重在分析。

比较基础的软件有Excel、MySQL、Python、BI等等，想要入行的话建议从这些基本的开始学，打好基础，慢慢培养数据分析思维，增强数据分析能力。

个人认为没什么冲突。

1.Python目前的使用基本排名前四，而数据分析需要的是数据整理以及数据库等东西。跟学习Python影响不是很大，而且学习Python比学习C++，JAVA等简单一些。

2.学习什么软件只是作为工具而言，主要学习的是借用工具处理问题的方法。所以关于学什么，其实你自己已经有一些答案。

大数据结构中的很多组件都是java语言编写的少部分是由scala编写的，如hadoop中的hdfs，mapreduce，yarn，zk，hbase，hive，spark等.这些东西更加倾向于数据工程，倾向数据的处理，计算。而python语言，包含了诸如pandas，numpy，scipy等数据分析扩展包，通过学习这些包的使用，可以完全的掌握数据分析的能力。所以学习数据分析，建议学习python而不是大数据。

这是一个非常好的问题，作为一名IT从业者，我来回答一下。

首先，数据分析是大数据技术体系当中的一个重要组成部分，所以未来要想在数据分析领域走得更远，应该对大数据整体的技术体系有一个全面的了解，涉及到数据采集、数据存储、数据呈现、数据安全和数据应用等。

数据分析当前有两种常见的方式，一种是统计学方式，另一种是机器学习方式，当前统计学方式有一套比较完整的技术体系，相关内容的学习也会更容易一些，而机器学习方式对于初学者的要求相对高一些，往往需要初学者具有一定的编程基础和数学基础。

Python语言在数据分析领域的应用比较广泛，采用机器学习的方式进行数据分析，往往也需要采用Python语言来完成算法实现和落地应用，所以学习数据分析从Python语言开始学起也是比较常见的选择。由于Python语言本身的语法结构比较简单，而且Python语言自身的库也比较丰富，所以即使没有编程基础的人也可以顺利入门Python语言。

初学者学习完Python语言的基本语法之后，可以进一步学习机器学习知识，可以从一些经典的算法开始学起，比如决策树、k-mean、朴素贝叶斯等等，然后基于Python语言来完成这些算法的实现、训练、验证和应用步骤。当然，这个过程最好能够结合一些实际的应用场景，这会积累不少实践操作经验。

在入门机器学习知识之后，可以进一步学习一下大数据平台知识，整个大数据技术体系往往都以大数据平台为基础，所以掌握大数据平台对于数据分析人员的工作开展还是比较重要的。对于初学者来说，可以从Hadoop、Spark开始学起，相关的学习案例也比较多。

最后，学习数据分析知识一定要重视行业知识的积累，大数据分析往往与行业场景关系密切，掌握行业知识对于数据分析的过程也有非常直接的影响。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！