热诚推荐看过的几本经典。

---------------2019年10月更新几本新书和推荐书目链接-----------------

一、数据分析入门：

电子工业出版社的经典书目系列，从数据分析基本步骤开始、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多，适合入门。

推荐理由同上基于开源工具的数据分析，适合入门者的经典教材。

R是属于GNU系统的一个自由、免费、源代码开放的软件，用于统计计算和统计制图。这本书从实用的统计研究角度逐例分析R在数据处理、模型构建、以及图形操作上的由浅入深的结合，堪称经典。

作者是华盛顿大学理论物理学博士。这本书是数据分析的经典之一，包含大量的R语言模拟过程及结果展示，例举了很多数据分析实例和代码。

作者是Data Miners的创办人，有二十多年的营销和客户关系管理结合数据挖掘的经验。详细介绍了作为一个数据挖掘团队需要的知识体系，包括数据库、SAS使用、统计学、机器学习、数据可视化、如何访问用户收集需求、如何写论文与沟通等等。有条件的建议看英文原版。

入门五星推荐。里面很多图表实例，手把手教你如何EXCEL画图，对各种知识点（平均值，模式，中值，方差，标准偏差）的讲解相当的到位，比起大学里的各种课本靠谱。

先把这些花时间啃啃，数据分析的理论部分就基本入门了，根据实际情况还需要结合你的业务需求来进行系统的学习。

二、数据分析进阶：

作者Cathy O’Neil是哈佛大学的博士，MIT的数据博士后，曾今作为一名Quant在对冲基金D.E. Shaw 工作基于开源工具的数据分析，目前是一家纽约初创公司的Data scientist 。这本书需要有一定的编程和理论基础，作为入门教材来说有点难，虽然只有400来页，但是涉及的知识点很全面。每一章节的核心内容都附有编程案例，R/Python/Shell三种语言任君挑选（个人博客：）另一作者Rachel Schutt曾在谷歌研究院工作数年，负责设计算法原型并通过建模理解用户行为。

墙裂推荐。Python数据分析必看，适合入行不久的数据分析师。作者Wes McKinney，资深数据分析专家，在创建Lambda Foundry（数据分析公司）之前，曾是AQR Capital Management的定量分析师。有多年的Python数据分析工作经验，对各种Pyhon包iPython，NumPy，pandas，matpotlib等有着很深的理解。他仅凭一己之力撰写了大量与Python数据分析相关的经典文章，并开发了用于数据分析的著名开源Python库：Pandas。看完这本，敲完代码，Python数据分析就算上道了。

目前（2019年）未有中文版，但这不妨碍它的质量，内容优秀且丰富。很多牛人（如Tom Phillips，Google搜索和分析业务主管）为之作序，数据科学如何与商业结合？相信这本书会给你不少启发。

2016年6月出版的，500页保质保量，目前已有中文版，作者（Jake VanderPlas）是华盛顿大学电子科学研究所的高级数据科学研究员，研究领域包括天文统计学、机器学习和可扩展计算。书的前半部分介绍

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！