隨著大數據的發展，數據驅動被更多人談起，數據分析和挖掘越來越受企業界的重視。

python作為數據分析領域發展最快的編程語言，是入門數據科學的不二之選。

可以說，在21世紀每個人都應該掌握編程和數據分析能力，才能更好地在大數據時代生存。 

Python做數據分析有著得天獨厚的優勢。

首先Python是一門高級編程語言，語法簡單，可以編寫復雜的分析代碼;其次Python開發社區非常強大，開源了很多優秀的數據科學第三方庫，比如：pandas、numpy、matplotlib、sklearn、keras等等。有了這些庫，python才在數據科學領域獨領風騷。 

這幾天意外地在Github上發現一份非常棒的數據科學備忘小抄，作者將python、pandas、matplotlib、sklearn、keras等工具的使用方法、函數都匯總在一張表上，簡潔易懂。

下圖是對python數據科學過程的一個概覽： 

python數據科學流程，圖片來源github

以下圖片均來自GitHub項目：

• https://github.com/FavioVazquez/ds-cheatsheets

Python基礎 

Pandas基礎 

Pandas高級 

數據導入 

Numpy基礎 

Jupyter Notebook 

Matplotlib可視化 

Scipy-線性代數 

Seaborn可視化 

Bokeh可視化 

Keras深度學習 

Scikit-Learn機器學習 

Python數據可視化案例 

Pyspark-SQL基礎 

Pyspark-RDD基礎 

以上僅展示部分備忘小抄，更多還有R數據科學、Python機器學習、Python深度學習等。