非本專業就當不了資料分析師？
“非本專業想轉型做資料分析，有救嗎？”
“數學不好，英語不好，想學Python資料分析，有救嗎？”
“不懂Python資料分析到底是什麼，有救嗎？”
我的答案是 妥妥有 救 ！
大家好，我是大鵬，目前在城市資料團，是一名資料分析師。
準確來說，我是一名 非本專業的轉行資料分析師 ，以上三個問題是我在從事資料分析工作後經常被問到的。
重新定義“非本專業”
首先我們需要明確“非本專業”的含義。我以大學本科兩個最貼近資料分析相關崗位的專業為例： 統計學專業和計算機專業 。
從兩門專業的培養方案可以看到統計學課程主要是數學相關的理論知識，計算機專業主要學的是系統程式系統開發與程式設計知識。
整理自同濟大學各學院公佈的培養計劃
資料分析相關工作，往往要求的是上述兩個專業綜合技能 。 任何一個專業的學生想要入行，都需要學習對應的新知識，不能“啃老本”，他們都可以算作廣義上的“ 轉行 ”。
轉行不一定是100%改變，結合本專業的業務轉型是一條不錯的出路。
以我自己為例，從前的我學習城市規劃類，是一個傳統行業。這個行業因為網際網路的高度普及受到了巨大沖擊，傳統的“拍腦袋”方式不再吃香，每個人每家單位都在想如何適應“資料化”這個潮流。
傳統的城市設計模式，大部分是實地調研到的現場資訊與設計師的“感性”想法結合的成果，在城市尺度上缺少資料輔助決策。
而我卻把這個挑戰看做契機，開始邁入資料的門檻，成為一個城市資料的研究者，嘗試活用網際網路化帶來的“資料”，從技術上到思維慢慢的轉變。
現在我可以借用地圖熱力資料、手機信令資料、人口遷徙資料，通過一定的分析軟體、工具等，來重新定義和研究“城市”。
剛接觸Python時
我的數學一團糟，英語全靠字典
Python不僅是一門程式語言，而且是資料探勘機器學習等技術的基礎，方便建立自動化的工作流。
最初我決定學習， 是因為其他的軟體不能再滿足效率和資料量的要求 。雖然自己的數學英語已經還給老師，我還是逐漸在自學和實踐中，把Python一直用到現在。
慢慢的我發現，Python入門不難。 它對數學要求並不是太高，重要的是需要知道如何用語言表達一個演算法邏輯。比構建一個等差數列的和，數學語言和計算機語言是不一樣的：
類似於Excel，Python有很多封裝好的工具庫和命令，我要做的是用哪些數學方法解決一個問題，並構建出來。
那麼上哪去找這些數學方法？ 系統學習看教材資料，遇到問題問百度谷歌，還有一個交流群就完美了~ （文末就有）
英語相對簡單，用好 詞典 和 chrome翻譯 功能即可。
學Python一段時間後
發現的是一個有趣的新世界
這裡需要用一個有趣的例子說明問題：如何用Python研究財富分配的規律？簡單來說，我們可以採用 理順邏輯—構建演算法—程式碼實現—模擬實驗 的方法來做
這個Python模擬實驗模擬的是社會財富分配的簡化模型，從而模擬這個世界的執行規律。我們假設：每個人在18歲帶著100元的初始資金開始玩遊戲，每天玩一次，一直玩到65歲退休。“每天拿出一元錢”可理解為基本的日常消t費。以此計算， 人一生要玩17000次遊戲 ，即獲得17000次財富分配的機會 。最後財富會接近於冪律分佈， top10%的富人會掌握大約30%的財富。本案例來自城市資料團。
構建這樣的模型並非一蹴而就。這個案例靈感源於蒙特卡洛思想，每模擬一次，程式便要執行17000遍，期間涉及多次引數和程式碼的調整。其他的滑鼠點選類軟體很難做這樣的模擬，Python的趣味性就在此處。
學習Python，需要不斷的體驗有趣的專案，在實踐中體驗技能和思維。
智慧是通過體驗獲得的，知識是通過勤奮獲得的。
似懂非懂
怎樣才能快速入門Python資料分析？
其實，這裡面的套路是可以總結的，讓我們拿更多的Python例項說話！
此實戰專案為網易課堂&城市資料圖案微專業《資料分析師》實戰專案
原文釋出時間為：2018-10-10
本文作者：大鵬