前言

今天我想跟大家分享自己转行的故事，希望能够鼓励那些跟我一样的朋友共同前行。

首先说说为何要转型，我之前的专业是汽车检测与维修，毕业后进入维修工作，后来换了两份工作，其实都基本没有离开过汽车行业这个圈子。

而实际上，汽车行业这个圈子并不是我的理想工作，不管是工作时长 工作前景，工作的付出和收入是否成正比的角度来看，都证明这不是我想要的，只是我人生的过渡阶段。

我自己对汽修又不是很感兴趣，正是因为如此，所以综合考虑和充分了解后，我决定进入IT行业。

由于当时没有计算机基础，走了不少弯路，在网上搜了一些教程，东拼西凑，感觉乱七八糟。既来之，则安之，既然想转型，就必须得有所付出。

那段时间，我还在学习群里认识了一些数据分析岗位的在职者，年龄不大。他就建议我做数据分析。

下面是我给大家的一些学习方针：

1.我发现很多学习Python的人不明白一个东西，就是我们在做一件事的时候首先弄清楚这个事情是干什么的，应该怎么做。就像有些人写代码做程序一样，刚有了需求，直接动手干，完全不去想思路和细节，如果你能把每个细节做到位，写代码真的很简单。所以初学者一定知道自己在学什么，而不是整体在那里盲目的学，浪费时间。

2.系统的学习规划，学习Python是一个循序渐进的过程，不是今天学一会，明天多学一会，这样一定学不成功，最后的结果就是浪费时间，浪费生命，这都是走过来的路，经验。

3.有人指导，学Python千万别自以为是的认为自己很天赋异禀，只要努力就一定能成功，很多东西我们现有智商无法满足的，所以学Python开始一定要有人帮你解决一些小问题，很多难题自己是无法解决，就算解决也很浪费时间，所以我把大家都聚在了一块希望帮助每一个想学习改变自己的人。

4.只需要一套系统的学习教程，学习资料不在多，再多可能你都不会看，没用，能耐心的学完，每天都在学，这才是有用的东西，没有学习资源的朋友可以自己去下载。

5.学习方法，学习Python是需要一个少走弯路的学习方法的，如果学习方法不对，那怎么学都是浪费时间，多去跟过来人请教，交流的碰撞，可以让你少走很多弯路，如果大家没人可以问，可以随时来问我，平时我工作不忙的时候，都会在群里给大家解决问题。

学习这件事最终还是自己的事，无论在哪里学都差不多，最后还是自己心里怎么对待，有人帮助必然会快，但其他的一切东西都是辅助，有再好的条件都有学不好的，在恶劣的环境都有学好的。如果想在Python这条路走的长，那你一定要热爱技术，热爱互联网。

要注重实践，眼到手也到，才更完美

相信很多初学者都会有这种感觉，就是学习的时候，感觉自己都能理解了，但真正，自己去做的时候，又觉得这里也不会那里不会，磕磕碰碰的。

其实学习一个新的知识，理解了，只是第一步，最重要的是实际操作，实际操作之后才能够理解的更加到位，印象也才能够更加的深刻。千万不能眼高手低，也不要为了追求速度而忽略一些代码的编写。

说说现在的我

在浙江宁波工作，然后进入互联网企业进行数据分析工作，月薪也从原先的4k提升到12k，更好的环境、更高的薪资，让我对未来的进阶学习也充满了向往。

其实工作挺好找的，面试的时候，把一些经常面的题多复习一下，注意不要花太长时间。每面完一家，先网上搜索该题的答案，讲解，下次遇到这样的题，就能很快知了。

工作中，一定要多问同事，遇到不懂的，多请教，直到能找到问题的解决办法，能完成上面布置的任务才是硬道理。还有平时有时间，可以多看看书，书里的内容比较系统，从最简单的开始看，慢慢会有深的体会的。

最后，想跟学弟学妹说一声，选择比努力重要，你的努力不会被辜负，好的工作机会也会在前方等着你！

最后

在这里要与大家分享的书籍是《Python 数据分析基础教程：NumPy 学习指南（第 2 版）》，根据小编多年python开发经验，这本书是零基础入门数据分析首选佳作，需要的朋友可以微信扫描下方二维码免费领取。

第1章 NumPy快速入门

  • Python
  • 动手实践：在不同的操作系统上安装 Python
  • Windows
  • 动手实践：在 Windows 上安装 NumPy、Matplotlib、 SciPy 和 IPython
  • Linux
  • 动手实践：在 Linux 上安装 NumPy、Matplotlib、SciPy 和 IPython
  • …

第2章 NumPy基础

  • NumPy 数组对象
  • 动手实践：创建多维数组
  • 动手实践：创建自定义数据类型
  • 一维数组的索引和切片
  • 动手实践：多维数组的切片和索引
  • …

第3章 常用函数

  • 文件读写
  • 动手实践：读写文件
  • CSV 文件
  • 动手实践：读入 CSV
  • 成交量加权平均价格（VWAP）
  • …

第4章 便捷函数

  • 相关性
  • 动手实践：股票相关性分析
  • 动手实践：多项式拟合
  • 净额成交量
  • 动手实践：计算 OBV
  • …

第5章 矩阵和通用函数

  • 矩阵
  • 动手实践：创建矩阵
  • 从已有矩阵创建新矩阵
  • 动手实践：从已有矩阵创建新矩阵
  • 通用函数
  • 动手实践：创建通用函数
  • …

第6章 深入学习NumPy模块

  • 线性代数
  • 动手实践：计算逆矩阵
  • 求解线性方程组
  • 动手实践：求解线性方程组
  • 特征值和特征向量
  • 动手实践：求解特征值和特征向量
  • …

第7章 专用函数

  • 排序
  • 动手实践：按字典序排序
  • 复数
  • 动手实践：对复数进行排序
  • 搜索
  • 动手实践：使用 searchsorted 函数
  • …

第8章 质量控制

  • 断言函数
  • 动手实践：使用 assert_almost_equal 断言近似相等
  • 近似相等
  • 动手实践：使用 assert_approx_equal 断言近似相等
  • 数组近似相等
  • 动手实践：断言数组近似相等
  • …

第9章 使用Matplotlib绘图

  • 简单绘图
  • 动手实践：绘制多项式函数
  • 格式字符串
  • 动手实践：绘制多项式函数及其导函数
  • 子图
  • 动手实践：绘制多项式函数及其导函数
  • …

第10章 NumPy的扩展：SciPy

  • MATLAB 和 Octave
  • 动手实践：保存和加载.mat 文件
  • 统计
  • 动手实践：分析随机数
  • 样本比对和 SciKits
  • 动手实践：比较股票对数收益率
  • 信号处理
  • …

第11章 玩转Pygame

  • Pygame
  • 动手实践：安装 Pygame
  • Hello World
  • 动手实践：制作简单游戏
  • 动画
  • 动手实践：使用 NumPy 和 Pygame 制作动画对象
  • …

因为篇幅有限，这里就不一一展示了，需要《Python 数据分析基础教程：NumPy 学习指南（第 2 版）》PDF的小伙伴，可以微信扫描下方二维码免费领取！