本文目录
在数据分析，挖掘方面，有那些好书推荐？
数据分析与数据挖掘包含了非常丰富的内容：数据、关联分析、分类、聚类、异常检测、可视化、编程实战、商业应用……下面这几本书都是数据分析和挖掘领域非常不错的图书，既有讲解基本算法的入门书，又有编程实战，还能帮你精益创业~
《数据挖掘与分析概念与算法》数据挖掘与分析入门书，兼顾基础知识和前沿话题
作者：[美]穆罕默德·扎基（MohammedJ.Zaki），[巴西]小瓦格纳·梅拉（WagnerMeiraJr.）
这本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题。本书适合高等院校相关专业的学生和教师阅读，也适合从事数据挖掘相关工作的人员学习参考。
《数据挖掘导论(完整版)》斯坦福等众多名校使用的教材，信息管理专家、科技作家涂子沛倾情推荐
作者：[美]Pang-NingTan，[美]MichaelSteinbach，[美]VipinKumar
本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：讲述基本概念、代表性算法和评估技术；较深入地讨论高级概念和算法。读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。
《精通数据科学算法》一周掌握常用的数据科学算法，提供完整源代码，实现案例式辅助讲解
作者：[英]戴维·纳蒂加（DavidNatingga）数据科学（DataScience）是从数据中提取知识的技术，是一门有关机器学习、统计学与数据挖掘的交叉学科。本书讲解了7种重要的数据分析方法，分别是k最近邻算法、朴素贝叶斯算法、决策树、随机森林、k-means聚类、回归分析以及时间序列分析。每一章都以一个简单的例子开始，先讲解算法的基本概念与知识，然后通过对案例进行扩展以讲解一些特殊的分析算法，帮助读者深刻理解算法。
《精通数据科学从线性回归到深度学习》读者最喜爱的Python3数据科学图书，能用命令说清楚的，坚决不用文字
作者：唐亘
这本书全面讲解了数据科学的相关知识，从统计分析学到机器学习、深度学习中用到的算法及模型，借鉴经济学视角给出模型的相关解释，深入探讨模型的可用性，并结合大量的实际案例和代码帮助读者学以致用，将具体的应用场景和现有的模型相结合，从而更好地发现模型的潜在应用场景。
《数据科学与大数据分析数据的发现分析可视化与表示》数据科学领域为数不多的实用性技术图书，数据存储巨头EMC公司的集体智慧结晶
作者：[美]EMC教育服务团队（EMCEducationServices）
这是一本详细剖析数据科学家职责、应备技能的数据分析图书。它通过分析数据分析生命周期的各个阶段，讲解用于发现、分析、可视化、表示数据的相关方法和技术；内容详细，示例丰富，侧重于理论与练习的结合，比较适合对大数据分析、数据科学感兴趣的人员阅读，有志于成为数据科学家的读者也可以从本书中获益。
《Python数据分析第2版》示例丰富、简单易懂，学会Python编程，轻松应对大数据
作者：[美]阿曼多·凡丹戈（ArmandoFandango）
这是一本介绍如何用Python进行数据分析的学习指南，延续了上一版示例丰富、简单易懂的优点，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，这本书还为读者补充了一些重要概念、常用函数以及在线资源等重要内容，非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。
《精益数据分析》100多位创始人、投资人、内部创业者和创新者的成功创业经验荟萃，30多个极具价值的案例分析指导你创业成功
作者:[加]阿利斯泰尔·克罗尔，[加]本杰明·尤科维奇
本书围绕精益创业展开讨论，展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了30多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。那些想要验证自己的创意、解决实际问题和渴望拥有成功事业的人，可以把本书当成一套明确的实践计划、一幅清晰的创业路线图、一本实践指南，或者一套反复实践的方法论。
欢迎关注@人民邮电出版社头条官方号，更多好书等你来读~自学数据分析需要看哪些书？
建议先搭好学习框架，然后逐部分学习仅推荐我自己看过的书给你参考，希望能帮助到你1.首先搭好框架，学习数据分析包含两个方面，数据分析思维和数据分析技能
数据分析工作可以简单归纳为如下的步骤和顺序：
1.明确目的和思路-》2.收集数据-》3.数据处理-》4.数据分析-》5.数据展现-》6.撰写数据分析报告-》7.应用解决行业问题
如上7个部分，1、6、7需要你的数据分析思维，2、3、4、5需要你的数据分析技能
下面我将分别从以上两个方面来推荐相关的书籍
2.学习数据分析思维的书籍
首推《深入浅出数据分析》,这本书也是我个人的数据分析入门书，本书重在培养数据分析思维，从个人认识和思想准备上慢慢进入数据分析这一行。虽说本书在数据分析案例和内容上，侧重商业运营数据分析，与现在较火的互联网数据分析有点出入，但数据分析思维是一致的，基本遵循运营业务出现问题》通过数据分析发现问题》解决问题，然后根据试行结果来不断迭代，通过反馈来完善这一过程。另外本书还涉及到不少数据分析的方法，初读可以不用过分深入，了解即可
《谁说菜鸟不会数据分析》，由国内作者编写，对小白非常友好，以职场数据分析新手的背景故事展开，可读性强。读完本书可以对数据分析在工作流程和细节有基础认识，采用Excel作为数据分析工具，大大降低了初学者的学习门槛，本书重点在零售行业等的数据分析过程，从获取数据到撰写报告，都有详细的介绍和建议。
《增长黑客》，是知名的互联网产品，运营读物，主要通过案例讲解互联网产品如何通过数据分析的方法来运营产品，和迭代产品，讲述了数据分析如何在互联网行业带来效益和价值，证明了数据的强大作用。同样，书中也涉及了部分技术细节，但初学者不必深究，重点关注数据分析的思路。
《精益数据分析》，以创业公司的角度来看点数据分析在公司创业过程中的作用，以较高的角度从市场，产品，环境等大方面来讲述数据分析在公司成立初期的关键几年的重要作用，强调了互联网公司要以数据驱动业务。对初学者可以当做故事书来看，若看的时候能够结合融会前几本书的数据分析思维就最好了。
2.学习数据分析技能的书籍
Excel建议可以看看视频教程，边看边操作效果较好
《SQL基础教程》，本书可以作为SQL的入门教程，亮点在于本书在讲解每个知识点时会同时讲解语句在不同数据库中的异同，有很好的指导作用，每部分还有相对应的习题，由浅入深，练习案例丰富，看书时一定要跟做联系题！另外个人建议，初学时可以先选定一种数据库，如互联网公司用的较多的Mysql,学习时可只关注mysql中sql语句的写法，避免自己产生混乱。
学习sql还有《sql必知必会》，简短精悍，全是干货，若时间紧迫，可以看这本，平时也可以用来当工具书查阅。
《利用Python进行数据分析》，目前应用较广的数据分析编程语言就是Python，本书可以让你在学习时关注于Python在数据分析中的应用，大大节约了时间成本和精力，因为Python功能太多了，我读的PDF文件，可快速查阅较方便，注意在看书时同样要手敲代码，尽量将书中代码自己手打一边运行看看效果，talkischeap.
数据分析中还涉及到不少统计学的知识，入门可以看看《赤裸裸的统计学》，本书基本没有公式，可读性强，通过生活中的例子介绍统计学知识，通俗易懂，基础的统计学知识囊括其中，结合实例还能让你了解统计学在生活中的应用。
统计学进阶《商务与经济统计》，大部头，很多经济学专业的专业课用书，着重强调商业应用中的统计学知识，同样没有过深的数理原理统计知识，不会令人望而生畏。拥有大量案例和习题，很适合学习统计学知识。
最后，希望你能顺利入行数据分析，学无止境，谢谢！
有哪些关于python数据分析方面比较好的书？
基于我丰厚的收藏，我来回答这个问题再合适不过了。
我们把Python数据分析拆解为两点：
第一，我们要学会Python的基本使用；第二，我们要学会Python的数据分析库（假设你已经有了数据分析的基本理解，只是不清楚如何用Python完成数据分析工作）。因此，我们针对两个目的，分别列出一些书目。
Python的使用《Python编程：从入门到实践》：抛弃那些大部头吧，我们不是Python后端工程师，不是Python前段工程师，也不是Python全栈开发者，我们暂时不需要掌握那么多乱七八糟的功能。对于新手来说，二八法则永远适用，我们只需要掌握百分之二十的功能，就足以应对绝大多数的工作了。《Python编程快速上手-让繁琐工作自动化》：同上，两部都是比较好的入门书，可以帮助我们简单、快速地上手。《Python3Cookbook》：这本书可以帮助你更加深入地探索Python3，里边有各种各样翔实的案例，假如你的目的只是学会使用Python做数据分析，这本书完全可以保证你在Python3的使用上没有短板。关于数据分析《利用Python进行数据分析》第二版：这本书是Python数据分析领域圣经一般的书籍，作者是强大的数据分析库Pandas的作者，他在书中讲解了numpy、pandas、matplotlib等库，作为入门书再好不过了。更重要的是，这本书由浅入深，可以开启我们使用Python进行数据分析的大门。《Python数据分析》第二版：异步社区有中文第二版，里边更加深入地探讨了如何使用Python进行数据分析工作，包括了对统计学、线性代数、可视化、时间序列、数据库、自然语言处理、机器学习等方面的内容，这本书可以帮助我们更进一步关于数据挖掘《数据科学入门》：从零开始踏入数据科学的大门，搭建属于自己的数据分析、数据挖掘工具。它能帮助我们更加深入地理解数据分析和数据挖掘的过程。《Python数据科学手册》：强烈推荐，这部分由浅入深，详细讲解了数据分析、数据挖掘、机器学习的流程。《机器学习实战》：经典书，但是使用的是Python2，年头也比较久了，也是从零搭建机器学习的模型，对于我们深入理解机器学习的过程有很好的帮助。关于数据可视化《Python数据可视化编程实战》第二版：很详细的书。《Python数据可视化之matplotlib实践》：极好的matplotlib入门书，非常适合新手学习。由于Python如日中天，因此Python数据分析相关的书籍非常多，我们能认真读完几本，基本上都可以掌握大多数的数据科学流程。下边是我收藏的一些书，感兴趣的可以自己搜索一下，网上有正版出售，比如图灵社区、异步社区、华章数媒、博文视点等均有优质IT书籍出售，包括纸质版和电子版。
有哪些能够提升数据分析思路的书？
整理一下目前接触过的有助于提升数据分析思路的书。这些书阅读门槛比较低，不需要非常专业或高深的数学理论，而且和业务问题挂钩，大概能反映实际工作中的分析流程。
1、《如何用数据解决实际问题》点评：以“汽车销售下降”这个问题的分析案例贯穿全书，讲讲数据分析每个步骤需要注意的事项，对于初阶和中阶的数据分析从业者都有较好的指导意义。
2、《统计数字会说谎》点评：借鉴此书的思路不仅可以看数据分析报告里有没有“骚操作”，也可以用来鉴别假新闻或者谣言。
3、《赤裸裸的统计学》点评：一部分的内容和《统计数字会说谎》差不多，还有一部分内容更偏统计学知识，阅读难度不高
4、《精益数据分析》点评：这本书的要点是理解不同业务模式的流程，以及选择合适的指标来评估业务
5、《IBMSPSS数据分析与挖掘实战案例精粹》点评：本书提供了诸多商业分析案例，每个案例的分析思路均按照CRISP-DM流程来分步讲解，非常值得学习
6、《硅谷增长黑客实战笔记》曲卉点评：在业务背景下，数据分析需要怎么去辅助产品运营活动，怎么去建立指标体系，怎么去评估活动的效果；
7、《活用数据：驱动业务的数据分析实战》陈哲点评：这本书主要内容是怎么用数据分析辅助决策，e.g.调查问卷设计、用户偏好分析、品牌建设分析、定价、规模预测、渠道评估等；
8、《数据化管理：洞悉零售及电子商务运营》黄成明点评：以零售下的业务场景，看”人货场“的分析，零售是典型的业务，其中的分析方法、思路也可以用到其他业务场景
9、《Python数据分析与数据化运营》宋天龙点评：这本书的理论和实操都很不错，内容涉及的都是高频的数据分析问题，书的价格也不贵，就内容和性价比而言，可以秒杀市面上大部分数据分析的视频课了
10、《数据化决策》点评：中译本是原书第2版，最新是第3版，书关注的主题就是”如何量化“，很多看似不能量化的事物都是可以选择相应的方法或指标来衡量的，不过，量化的目的并不是计算出精准的数字，而是减少不确定性或优化问题；
11、《解决问题的三大思考工具》点评：这本书基本和数据分析没多大关系，主要内容是涉及到逻辑思考、横向思考、批判思考这3种思考方式，并提供了每种思考方式下细分的思考框架。在作者看来——逻辑思考是是基于现状推导出达到目标的解决方案，横向思考则是聚焦于最终目标同时考虑达到该目标的多种可能性，批判思考则是对目标的再次审核以确定目标背后真正的问题以及这个目标是不是真的目标。
数据逻辑的书？
《数据分析思维:分析方法和业务知识》豆瓣评分8.2分作者:猴子出版社:清华大学出版社推荐理由:在数据分析领域对小白非常友好的一本书,使用通俗易懂的语言和案例对数据分析思维的
版权声明
本文内容均来源于互联网,版权归原作者所有。
如侵犯到您的权益,请及时通知我们,我们会及时处理。
