大家好，我是一名普通毕业生，现就职于某互联网公司。之前很多同学问我“ 为什么自学3年Python，最后却成为了数据分析师 ？”
首先肯定是数据分析师的前景和薪资条件，打动了我
下面是我的学习之路，附带一些必备学习的资料，可以 免费领取 ，相信感兴趣的你看完也可以找到自己的方向。
众所周知：Python是当今最火的编程语言之一，各大招聘网站上都会要求求职者会这门语言，并且它很容易上手，业务面宽泛，像Web网页工程师、网络爬虫工程师、自动化运维、自动化测试、 游戏 开发、数据分析、AI等等。
我们首先明确一个大的方向，知道自己以后要做什么。因为我是统计学专业，所以我会选择从事数据分析行业，那么 用Python做数据分析成了一个最佳选择 。
要想使用Python做数据分析，首先就应该知道“ 数据分析的流程是怎样的？ ”
我这次特地总结了一张 思维导图 给大家，点击放大看更清楚哦。
（点击查看高清大图）
基于此，我这里将我以前学习过程中用过的电子书（技能类、统计类、业务类），还有相关视频免费分享给大家，省去了你们挑选视频的时间，也希望能够对你们的学习有所帮助。
PS：我总结的资料有点多哦，差不多有4G，大家一定要给你的百度云盘空出位置来哦！
如果遇到一些环境配置，还有一些错误异常等bug，资料就显得不太够用，这时就需要找到老师，给我们特别讲解。
或者是想 快速学习 数据分析领域知识，不妨先找一找 直播课 看看， 了解当下最贴合实际的学习思路，确定自己的方向。
Day1 20:00&量化交易入门：
用Python做股票指标分析和买卖时机选择
场景工具：Python工具分解RSI指标流程处理: 业务场景分析建模和可视化学习成果：使用RSI指标模型做买卖点搜索、交易回溯实战案例：分析A股数据模型，制定投资策略
Day2 20:00&职场晋升必备：
制作酷炫报表，4步带你学习数据可视化
场景工具：用Tableau学习如何管理数据流程处理: 利用业务拆解找到数据指标、进行数据可视化学习成果：高效的对数据驱动型业务作出精准决策实战案例：利用可视化工具构建 旅游 客流量趋势地图
Day3 20:00&量化交易进阶：
0基础用Python搭建量化分析平台
场景工具：利用pandas工具分解KDJ指标构成流程处理: 交易数据爬取，业务场景分析建模和可视化分析结果：用KDJ指标模型对比特币行情买卖点搜索&交易回溯实战项目：掌握根据数据指数和分析工具寻找虚拟货币买卖原理
他们 每周都会定期分享 一些 干货 供大家学习参考，对学习很有帮助。
（深度学习DeepLearning.ai实验室认证）
（微软/甲骨文/Cloudera等公司颁发的数据分析证书）
4步学会数据可视化，办公效率提高三倍
（更多精彩内容 等你解锁）
您好，Python画词云图体现的是计算机程序的思维。词云图是一种可视化技术，可以将文本数据可视化，从而更容易理解和探索。Python可以通过词云图来表示文本数据，从而更好地理解和探索文本数据。Python的词云图可以帮助计算机程序员更好地理解文本数据，从而更好地构建计算机程序。词云图可以帮助计算机程序员发现文本数据中的重要信息，从而更好地分析文本数据，并且可以更好地构建出更有效的计算机程序。
Python的词云图可以帮助计算机程序员更好地理解文本数据，从而更好地构建计算机程序。词云图可以帮助计算机程序员发现文本数据中的重要信息，从而更好地分析文本数据，并且可以更好地构建出更有效的计算机程序。
Python的词云图可以帮助计算机程序员更好地理解文本数据，从而更好地构建计算机程序。词云图可以帮助计算机程序员发现文本数据中的重要信息，从而更好地分析文本数据，并且可以更好地构建出更有效的计算机程序。
Python的词云图可以帮助计算机程序员更好地理解文本数据，从而更好地构建计算机程序。词云图可以帮助计算机程序员发现文本数据中的重要信息，从而更好地分析文本数据，并且可
知识图谱可以用python构建吗？
答案当然是可以的！！！
那么如何使用python构建
什么是知识图谱
从Google搜索，到聊天机器人、金融风控、物联网场景、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。
互联网的终极形态是万物的互联，而搜索的终极目标是对万物的直接搜索。传统搜索引擎依靠网页之间的超链接实现网页的搜索，而语义搜索是直接对事物进行搜索，如人物、机构、地点等。这些事物可能来自文本、图片、视频、音频、IoT设备等各种信息资源。而知识图谱和语义技术提供了关于这些事物的分类、属性和关系的描述，使得搜索引擎可以直接对事物进行索引和搜索。
知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度，我们可以对知识图谱给一个这样的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。但这有点抽象，所以换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。
那什么叫多关系图呢？ 学过数据结构的都应该知道什么是图（Graph）。图是由节点（Vertex）和边（Edge）来构成，但这些图通常只包含一种类型的节点和边。但相反，多关系图一般包含多种类型的节点和多种类型的边。
本项目利用pandas将excel中数据抽取，以三元组形式加载到neo4j数据库中构建相关知识图谱。
运行环境
基于Neo4j能够很容易构建知识图谱，除了用neo4j自带的cypher，也支持Python包py2neo创建节点和关系从而构建知识图谱。本项目是基于发票信息，将发票数据中结构化数据抽象成三元组，分别创建节点和关系从而构建成知识图谱。
具体包依赖可以参考文件requirements.txt
neo4j-driver==1.6.2numpy==1.15.3pandas==0.23.4parso==0.3.1pickleshare==0.7.5pluggy==0.8.0prompt-toolkit==1.0.15py==1.7.0py2neo==3Pygments==2.2.0pytest==3.9.3python-dateutil==2.7.5wcwidth==0.1.7wincertstore==0.2xlrd==1.1.0
将所需依赖安装到pyton中：pip install -r requirements.txt
Pandas抽取excel数据
python中pandas非常适用于数据分析与处理，可以将excel文件转换成dataframe格式，这种格式类似于Spark中的Dataframe结构，可以用类sql的形式对数据进行处理。
Excel数据结构如下
通过函数data_extraction和函数relation_extrantion分别抽取构建知识图谱所需要的节点数据以及联系数据，构建三元组。
数据提取主要采用pandas将excel数据转换成dataframe类型
invoice_neo4j.py
建立知识图谱所需节点和关系数据
DataToNeo4jClass.py
具体代码请移步到GitHub上下载
详细内容请到github下载，项目名neo4j-python-pandas-py2neo-v3
更多Python知识，请关注：Python自学网！！
