注册一亩三分地论坛，查看更多干货！
您需要 登录 才可以下载或查看附件。没有帐号？注册账号
x
先简单介绍下个人背景：工科背景，几乎零编程基础（只在本科阶段学过简单的c语言）；由于年初决定要转行去学习BA, 以后从事data analyst或者business analyst, 开始入门学习Python.
到目前为止我在Coursera上了两门Python的专项课程和DataCamp的Data Analyst Track的课程，觉得比较合适入门小白，所以推荐给大家！
1. Coursera: Python for Everybody specialization (University of Michigan, Charles Severance)
这个Specialization包含五个课程：
COURSE 1 : Programming for Everybody(Getting Started with Python)
第一门课主要是介绍些Python 入门知识，指导安装Python编程环境和解释Python里面Variables, Functions,条件语句以及循环语句等的一些基本定义。非常适合小白学习。
COURSE 2: Python Data Structures
这门课着重介绍 Python里面不同的数据类型，如 Strings, Lists, Files, Dictionaries, Tuples. 后来在上其他课程的时候发现这门课学习的知识非常重要，会贯穿所有Python编程的应用。
COURSE 3:Using Python to Access Web Data
这门课主要介绍如何通过API去获取网络数据，着重介绍如何读取、分析及写入HTML,XML以及JSON等格式的网络数据。 这门课说实话， 对于小白来说会稍微有点吃力，但是跟着课程一步步的指导也还是能把 assignment完成。
COURSE 4: Using Databases with Python
这门课主要内容是Python结合SQL数据库的应用（课程使用SQLite）, 主要介绍如何使用Python去读取和处理SQL数据库。这方面的知识(SQL）我在后续学习当中还没碰到，所以暂时没有多大体会。
COURSE 5: Captstone:Restrieving,Processing, and Visualizing Data with Python
最后一门课是Capstone, 主要引导学生通过之前四门课程学到的知识去爬网络数据、分析数据并最后输出Data Visualization（相当于做一个小project）. 我觉得对于小白学生来说（比如我自己）学到这里就非常吃力，因为在做project过程中, 会用到很多之前并没有介绍过的知识点，感觉前期学到的知识量不足够支撑个人独立完成这个project。
总体而言，我认为这个Specialization非常适合想初步了解Python编程以及入门学习的小白学生。Dr.Chuck 非常幽默，授课风格我很喜欢，他介绍知识点的方式比较生动。这门课程唯一不足的就是assignment的设置，我认为略略超纲，对于小白来说做的有点吃力。
2. Coursera: Introduction to Scripting in Python Specialization (Rice University)
这个Specialization是在我确定要转行做Data Analyst之后，开始系统性学习Python 的第一门课程（上面第一门课程只是为了试探自己对编程的兴趣LOL)
包含四个课程：
COURSE 1: Python Programming Essentials
主要介绍Python当中的运算、函数及功能模块的运用，这里面涉及的内容Python for Everybody里面的有些重复，但对于我来说，是一个温故而知新的过程（距离我上Python for Everybody 那门课也有半年时间了）
COURSE 2: Python Data Representations
主要介绍strings, list 以及files 的知识点，跟 py4e的第二门课是非常类似的内容，但是我觉得这里讲的比较细致。
COURSE 3: Python Data Analysis
主要介绍Dictonaries, Tabular Data and Nested Data, CSV files 以及处理这些Data的方式（如 sorting）从这门课开始的assignment很有意思，会给到一些实际生活的数据让学生去完成一些数据分析。
COURSE 4: Python Data Visualization
这门课是整个课程里面最有意思，也是我上的最有成就感的一门课。主要是引导学生通过使用mapplotlib去实现一些data visualization(画lineplots和世界地图)，而终极项目就是把分析得来的GDP Data通过世界地图的方式呈现出来。
总体而言，名校出品的课程真的是没什么可挑剔的，我的感觉是整体课程上得非常流畅，assignment设置循序渐进，学生通过跟着课程一步步可以把学习到的知识点应用到实际的project当中，而且assignment project都是一个整体模块的编程，提供的参考code会给出一个大致的框架（但绝不会给出完整的code），让学生去完成重要的编程部分，我认为这样更利于学生通过实践去理解新知识。反正我做到最后一个assignment的感觉真的是非常爽！如果要说唯一的美中不足，就是四门课的时间涵盖的内容还是有限，我在实现assignment project 中有遇到没学过的知识点，这些也只能通过自己谷歌搜索自学搞定了。
3. Datacamp: Data Analyst Track
由于在学习以上两门Coursera的Specialization 的过程中感觉到有很多小的知识点没有涵盖到，我就又注册两个月的Datacamp上了Data Analyst Track的课程。Datacamp 跟Coursera的形式不太一样，顾名思义，它主要着重于Data的课程，而且会员是按月/年收费的，只要成为了会员，就可以上它网站上任意一门课程（不像Coursera, 是按一个Specialization收费的）
Datacamp 有很多Python 和 R 相关的课程，会员可以根据自己的情况选择不同的Track (比如Data Analyst Track 和 Data Scientist Track) 也可以选择单独的课程来上。
我选择的Data Analyst Track 包含了 13个Course, 主要介绍的是Python里面的Data Analysis，其中涉及pandas/dataframe 的内容比较多，也有介绍到一些data visualization 和 statistical 相关的知识。
总体而言，Datacamp的每个课程介绍的知识点会比Coursera上的课程更基本、更细致，assignment也是一步步地引导学生去完成编码。我个人觉得datacamp比较适合查漏补缺，有大块时间的入门学生可以抽空把一个track的课程学习完；而我比较不喜欢datacamp的一点就是它的assignment设置，它每个课程的作业都像是填空题，让学生按照每个章节的学到的内容去完成编码填空，也可按照提示去敲代码；这样会显得太碎片化，很难让学生有一种系统性学习以及完成一整个编程模块的成就感。
个人经验而言，对于零基础入门Python 想先学习data analysis相关的小白学生，而又有比较多的时间（一两个月，平均每天学习时间4～5h),以上三门课程都是不错的选择。
接下来我计划学习下SQL和统计相关的课程，有上过好课的童鞋求推荐！！～～～
码了这么多字，觉得有用的话给加个大米呗～～～
您好！
本帖隐藏的内容需要积分高于 200 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式 游客，您好！ 本帖隐藏的内容需要积分高于 200 才可浏览 您当前积分为 0。 VIP即刻解锁阅读权限 或 查看其他获取积分的方式
| 
|只看干货
狗仔卡
提升卡
置顶卡
关贴卡
开贴卡
变色卡
千斤顶
