大数据分析的书籍，从入门到实战，我替你踩过的那些坑

说实话，第一次接触大数据分析那会儿，我整个人是懵的，书店里关于大数据分析的书籍堆成小山，封面一个比一个炫酷，文案一个比一个唬人，什么“三天精通Spark”“零基础玩转TensorFlow”，结果买回来翻两页就睡着了——不是书不好,是我根本看不懂。

后来我才明白，选大数据分析的书籍跟找对象差不多，得看缘分，更得看匹配度，你让一个刚会Python语法的人去啃《数据科学入门》的数学推导，那纯属自虐，我自己的血泪史是这样的：第一本买的是本大部头，叫《大数据时代》，说实话当故事书看还行，真要说实操,它连个Excel排序都没教。

入门级：先别急着买“高级货”

如果你是个纯新手，我的建议是别碰那些名字里带“高级”“深入”“原理”的书。《利用Python进行数据分析》 这本是真的良心，作者Wes McKinney就是pandas库的作者，书里讲的都是实际工作中会用到的东西，不过要说句实话，它前几章讲Python基础的部分有点啰嗦，我直接跳过了——你要是已经会点Python,直接从第5章开始看就行。

我当时还买了本 《R语言实战》 ，但这本更适合做统计出身的人，纯Python党的话,R语言可以先放放。

进阶阶段：开始头疼算法了

等你会用pandas处理数据了，就会开始纠结：到底要不要学机器学习？说实话，大数据分析的书籍里，《机器学习实战》 这本虽然有些代码是老版本的Python，但思路讲得很清楚，我记得当时看朴素贝叶斯那一章，突然就明白了为什么垃圾邮件过滤器能识别出那些奇怪的内容——其实就是算概率,没想象中那么玄乎。

这本 《统计学习方法》 是李航老师写的，说实话有点难啃，数学公式一堆，但我当时是咬着牙一点一点磨下来的，每看懂一个算法就去跑个小小的demo，这个过程挺痛苦的，不过熬过来之后再看其他的书,就觉得轻松多了。

列一下我觉得进阶期值得看的书单：

• 《机器学习实战》——动手党首选，代码直接能用
• 《统计学习方法》——理论派必啃，公式推导详实
• 《Python数据挖掘入门与实践》——案例挺多，适合练手

实战篇：光看书没用，得拿脏数据练手

书看了一堆，代码抄了一遍，然后呢？我第一个真实项目是分析某电商的销售数据，那数据简直了——缺失值一堆，字段命名乱七八糟，还有编码问题，这时候才发现，那些大数据分析的书籍里教的“清洗数据”章节，太简单了！现实中的脏数据,比书里描述的恶心十倍。

不过有两本书是我翻烂了的：《Spark快速大数据分析》 和 《数据科学实战》，前者教我处理那种几千万行的数据，虽然我笔记本跑起来风扇响得像直升机；后者提供的那些实际项目案例,让我懂得了怎么把一个问题拆解成数据问题。

对了，还要吐槽一本《数据挖掘：概念与技术》，书写得确实权威，但读起来真的像在念经，我大概翻了三分之一就放弃了，但如果做学术研究的朋友,这本书还是得硬着头皮看。

那些“不是书”的补充材料

说实话，光靠看书学数据分析真的不够，有时候看一本大数据分析的书籍看累了，我反而会去翻一些技术博客或者看GitHub上的代码，书里的代码通常是理想化的，现实中你会遇到各种版本的坑——Python 2和3就不说了，pandas的API还隔三差五变，所以我的建议是：书作为系统学习的骨架，网络资源作为随时查的肉。

还有一点，数据分析的书更新速度永远赶不上技术更迭，我之前买的几本关于Hadoop的书都已经过时了，现在大家都流行用Spark或者Flink，所以买书的时候记得看版次,尽量选近一两年的新书。

大数据分析的书籍，说实话没有一本是完美的，就像我现在的书架上，既有翻得脱线的旧书，也有买来只看了序章的新书，挑书这件事，就跟找饭搭子一样——合口味才是王道，你看我这篇写得也没什么严谨的体系，纯粹是想到哪说到哪，但如果你正想入门数据分析，照着我的建议去选书,至少不会买完就放着吃灰。