为什么要学习Python做数据分析？在我看来，大概有3大理由。

广度：各行各业都有自己的商业场景，每一个行业都需要使用数据来辅助决策。面对现在人人谈大数据的情境，数据分析是一个你不得不学（却不知上哪学的）的技能。

精度：Python是一门编程语言。也许从前的你完全依靠excel的默认设置生成图表，从不思考为什么做一张数据图，而使用编程工具的你必须从图表长宽开始思考每一步成形的理由，从而更精地理解数据。

高效：传统的数据工作涵盖大量的重复不动脑操作，比如把日表合成周表，比如批量删除某个字段，比如批量删除空值。这些工作通过鼠标点击软件没有办法编成工作流，但却可以通过 Python 程序编写自动化，省去大量时间。

于是你不甘落后...决定加入学习 Python 的浪潮中，和“别人”一争高下。

一个月后……

Python 入门并不困难，那么“你”和“别人”的区别在哪？就四个字：学习方法。

如果你向各种前辈请教学习python的方法，那么听到的一定是这三种回答：

【1】

学习是反人类的，自己不动手永远学不会

买了一本 Python 入门书，翻看了 20 页；收集了 20G Python 练习资料，保存在硬盘里；看了一些视频跟着写了会，突然就开始看剧了，导致放弃。这些情况是初学者很容易碰到的，学习是反人类的，Python 学习更是一项前期很枯燥的行为。

学Python的第一道坎：一旦决定学习，耐得住寂寞，坚持动手，才可能学会！

【2】

学不进去的时候

找到一个小目标才能获得学习成就感

Python 语言基础很枯燥，所以需要一些目标刺激。这些目标不能像“我要学会 Python 去做数据挖掘工作”一样抽象，而得像“我想试试能否自动打开文件夹里所有的表格，并整理成结构化的数据”一样具体，像是做数学应用题一样，只有实战项目能让学习者快速记住 Python 的用法和各种坑，比如一个简单的分析案例（来自数据分析师体验课）：

学Python的第二道坎：不能为学习而学习，要随时找理由去使用它！

【3】

能坚持自学是好事，

找到老师帮你答疑解惑，更会事半功倍

对于成年学习者来说，编程领域的知识可能是完全零散的，但面临的情况却可能是就业、是学业或者工作急需。那么像学拼音那样从基础学习Python 并不适合。老师的作用就是免去小伙伴们大量没头没脑的搜寻时间、快速了解建立必须知识体系，有阶段的完成实战项目，启发初学者对应用场景的理解，从而降低入门到放弃的几率。

学 Python 的第三道坎：你需要一个愿意答疑的“好老师”。

所以，如果你想学 Python 数据编程，我强烈建议你从一次“要动手、有目标、有答疑”的7天《Python 数据分析师训练营》开始学习。