A. 数学函数如何记住公式，有没有技巧
进入中学阶段的学习,数学公式也越来越纷繁复杂,面对如此多的数学公式,学生要完全背下来是件很困难的事,那么学生如何在紧张的学习中把这些重要的公式都快速记忆下来呢?下面给一些小提示：
1、要有良好的数学学习方法和习惯
良好的数学学习习惯,会减轻数学学习的难度,要学会把课堂知识用自己特殊方法记忆下来,那就要做到认真预习、专心上课、及时复习、独立作业、系统小结.
2、掌握常用的数学思想和方法
做数学题时,也要注意解题思维策略问题,经常要思考：选择什么角度来进入,应遵循什么原则性的东西,是否可以运用哪些数学公式来做这些题.
3、慢慢养成“以我为主”的学习模式
学习数学就要积极主动地参与学习过程,养成实事求是的科学态度,独立思考、勇于探索的创新精神;对课本知识既要能钻进去,又要能跳出来,结合自身特点,寻找最佳学习方法.
4、针对自己的学习情况,采取一些具体的措施
(1)记数学笔记,特别是对概念理解的不同侧面和数学规律,教师在课堂中拓展的课外知识.
(2)建立数学纠错本.把平时容易出现错误的知识或推理记载下来,以防再犯.
(3)熟记一些数学规律和数学小结论,使自己平时的运算技能达到了自动化或半自动化的熟练程度.
(4)经常对知识结构进行梳理,形成板块结构,实行“整体集装”,如表格化,使知识结构一目了然.
(5)阅读数学课外书籍与报刊,参加数学学科课外活动与讲座,多做数学课外题,加大自学力度,拓展自己的知识面.
(6)及时复习,强化对基本概念知识体系的理解与记忆,进行适当的反复巩固,消灭前学后忘.
任何一门课的学习都需要科学方法,数学公式的记忆同样也需要,
希望能根据以上建议,为自己建立一套完整的数学公式记忆方法.
有帮助的话顺手采纳一下吧
B. 怎样学习函数
学习要立足课本，加强训练。这方面我在学习的时候深刻感到它的重要性，见的题型多了，解决起来就更容易。函数，说真的，刚学起来的却觉得很有难度，后来学的什么椭圆之类的曲线方程有不好学，这个我建议你联系图形，画图理解。要深知函数的三要素，定义域值域表达式，在知道这个的基础上然后按题型拓展，在这里首先要把书本知识了解了，然后就要涉及课外题目了，看典型的题目和专题，比喻说，有关于对称的，就要花时间去看。其实数学不难，就是要花时间去学，我高中是数学一直在班级领先，在这我强烈推荐要做题目，你就是了解了但数学现在是考试，要做题目，而且你也应该知道，书上的例题有限，所以这就要你课外训练。上课跟着老师走，基本能把书本学会，课后及时处理作业，不要拖。形成一个好习惯，这样就能及时掌握知识。好好学，其实数学并不难。
如果这样还不行的话，我知道一个博客挺好的，博主曾经从最后一名成为中考状元，只用了6个月的时间，后来他又经过3年的努力，成功的成为了一个高考状元，他的一些方法，也许对你会有所帮助！你可以网络找一下李晓鹏新浪博客，里面除了有函数的学习方法、重点归纳，还有各个科目详细的复习计划、解题窍门以及复习资料，都是他的经验总结，希望能够帮到你哦！博主的经历说明了一个道理，没有笨孩子，只有笨方法，只要你努力了，找对好方法，我相信你一定能够学好函数的！加油哦！O(∩_∩)O~
C. 怎么才能学好excel函数
1、ABS函数
函数名称：ABS
主要功能：求出相应数字的绝对值。
使用格式：ABS(number)
参数说明：number代表需要求绝对值的数值或引用的单元格。
应用举例：如果在B2单元格中输入公式：=ABS(A2)，则在A2单元格中无论输入正数（如100）还是负数（如-100），B2中均显示出正数（如100）。
特别提醒：如果number参数不是数值，而是一些字符（如A等），则B2中返回错误值“#VALUE！”。
2、AND函数
函数名称：AND
主要功能：返回逻辑值：如果所有参数值均为逻辑“真（TRUE）”，则返回逻辑“真（TRUE）”，反之返回逻辑“假（FALSE）”。
使用格式：AND(logical1,logical2, ...)
参数说明：Logical1,Logical2,Logical3……：表示待测试的条件值或表达式，最多这30个。
应用举例：在C5单元格输入公式：=AND(A5=60,B5=60)，确认。如果C5中返回TRUE，说明A5和B5中的数值均大于等于60，如果返回FALSE，说明A5和B5中的数值至少有一个小于60。
特别提醒：如果指定的逻辑条件参数中包含非逻辑值时，则函数返回错误值“#VALUE!”或“#NAME”。
3、AVERAGE函数
函数名称：AVERAGE
主要功能：求出所有参数的算术平均值。
使用格式：AVERAGE(number1,number2,……)
参数说明：number1,number2,……：需要求平均值的数值或引用单元格（区域），参数不超过30个。
应用举例：在B8单元格中输入公式：=AVERAGE(B7:D7,F7:H7,7,8)，确认后，即可求出B7至D7区域、F7至H7区域中的数值和7、8的平均值。
特别提醒：如果引用区域中包含“0”值单元格，则计算在内；如果引用区域中包含空白或字符单元格，则不计算在内。
4、COLUMN 函数
函数名称：COLUMN
主要功能：显示所引用单元格的列标号值。
使用格式：COLUMN(reference)
参数说明：reference为引用的单元格。
应用举例：在C11单元格中输入公式：=COLUMN(B11)，确认后显示为2（即B列）。
特别提醒：如果在B11单元格中输入公式：=COLUMN()，也显示出2；与之相对应的还有一个返回行标号值的函数——ROW(reference)。
5、CONCATENATE函数
函数名称：CONCATENATE
主要功能：将多个字符文本或单元格中的数据连接在一起，显示在一个单元格中。
使用格式：CONCATENATE(Text1，Text……)
参数说明：Text1、Text2……为需要连接的字符文本或引用的单元格。
应用举例：在C14单元格中输入公式：=CONCATENATE(A14,"@",B14,".com")，确认后，即可将A14单元格中字符、@、B14单元格中的字符和.com连接成一个整体，显示在C14单元格中。
特别提醒：如果参数不是引用的单元格，且为文本格式的，请给参数加上英文状态下的双引号，如果将上述公式改为：=A14"@"B14".com"，也能达到相同的目的。
6、COUNTIF函数
函数名称：COUNTIF
主要功能：统计某个单元格区域中符合指定条件的单元格数目。
使用格式：COUNTIF(Range,Criteria)
参数说明：Range代表要统计的单元格区域；Criteria表示指定的条件表达式。
应用举例：在C17单元格中输入公式：=COUNTIF(B1:B13,"=80")，确认后，即可统计出B1至B13单元格区域中，数值大于等于80的单元格数目。
特别提醒：允许引用的单元格区域中有空白单元格出现
7、DATE函数
函数名称：DATE
主要功能：给出指定数值的日期。
使用格式：DATE(year,month,day)
参数说明：year为指定的年份数值（小于9999）；month为指定的月份数值（可以大于12）；day为指定的天数。
应用举例：在C20单元格中输入公式：=DATE(2003,13,35)，确认后，显示出2004-2-4。
特别提醒：由于上述公式中，月份为13，多了一个月，顺延至2004年1月；天数为35，比2004年1月的实际天数又多了4天，故又顺延至2004年2月4日。
8、DATEDIF函数
函数名称：DATEDIF
主要功能：计算返回两个日期参数的差值。
使用格式：=DATEDIF(date1,date2,"y")、=DATEDIF(date1,date2,"m")、=DATEDIF(date1,date2,"d")
参数说明：date1代表前面一个日期，date2代表后面一个日期；y（m、d）要求返回两个日期相差的年（月、天）数。
应用举例：在C23单元格中输入公式：=DATEDIF(A23,TODAY(),"y")，确认后返回系统当前日期[用TODAY()表示）与A23单元格中日期的差值，并返回相差的年数。
特别提醒：这是Excel中的一个隐藏函数，在函数向导中是找不到的，可以直接输入使用，对于计算年龄、工龄等非常有效。
9、DAY函数
函数名称：DAY
主要功能：求出指定日期或引用单元格中的日期的天数。
使用格式：DAY(serial_number)
参数说明：serial_number代表指定的日期或引用的单元格。
应用举例：输入公式：=DAY("2003-12-18")，确认后，显示出18。
特别提醒：如果是给定的日期，请包含在英文双引号中
10、DCOUNT函数
函数名称：DCOUNT
主要功能：返回数据库或列表的列中满足指定条件并且包含数字的单元格数目。
使用格式：DCOUNT(database,field,criteria)
参数说明：Database表示需要统计的单元格区域；Field表示函数所使用的数据列（在第一行必须要有标志项）；Criteria包含条件的单元格区域。
应用举例：如图1所示，在F4单元格中输入公式：=DCOUNT(A1:D11,"语文",F1:G2)，确认后即可求出“语文”列中，成绩大于等于70，而小于80的数值单元格数目（相当于分数段人数）。
特别提醒：如果将上述公式修改为：=DCOUNT(A1:D11,,F1:G2)，也可以达到相同目的。
11、FREQUENCY函数
函数名称：FREQUENCY
主要功能：以一列垂直数组返回某个区域中数据的频率分布。
使用格式：FREQUENCY(data_array,bins_array)
参数说明：Data_array表示用来计算频率的一组数据或单元格区域；Bins_array表示为前面数组进行分隔一列数值。
应用举例：如图2所示，同时选中B32至B36单元格区域，输入公式：=FREQUENCY(B2:B31,D2:D36)，输入完成后按下“Ctrl+Shift+Enter”组合键进行确认，即可求出B2至B31区域中，按D2至D36区域进行分隔的各段数值的出现频率数目（相当于统计各分数段人数）。
特别提醒：上述输入的是一个数组公式，输入完成后，需要通过按“Ctrl+Shift+Enter”组合键进行确认，确认后公式两端出现一对大括号（{}），此大括号不能直接输入。
12、IF函数
函数名称：IF
主要功能：根据对指定条件的逻辑判断的真假结果，返回相对应的内容。
使用格式：=IF(Logical,Value_if_true,Value_if_false)
参数说明：Logical代表逻辑判断表达式；Value_if_true表示当判断条件为逻辑“真（TRUE）”时的显示内容，如果忽略返回“TRUE”；Value_if_false表示当判断条件为逻辑“假（FALSE）”时的显示内容，如果忽略返回“FALSE”。
应用举例：在C29单元格中输入公式：=IF(C26=18,"符合要求","不符合要求")，确信以后，如果C26单元格中的数值大于或等于18，则C29单元格显示“符合要求”字样，反之显示“不符合要求”字样。
特别提醒：本文中类似“在C29单元格中输入公式”中指定的单元格，读者在使用时，并不需要受其约束，此处只是配合本文所附的实例需要而给出的相应单元格，具体请大家参考所附的实例文件。
13、INDEX函数
函数名称：INDEX
主要功能：返回列表或数组中的元素值，此元素由行序号和列序号的索引值进行确定。
使用格式：INDEX(array,row_num,column_num)
参数说明：Array代表单元格区域或数组常量；Row_num表示指定的行序号（如果省略row_num，则必须有 column_num）；Column_num表示指定的列序号（如果省略column_num，则必须有 row_num）。
应用举例：如图3所示，在F8单元格中输入公式：=INDEX(A1:D11,4,3)，确认后则显示出A1至D11单元格区域中，第4行和第3列交叉处的单元格（即C4）中的内容。
特别提醒：此处的行序号参数（row_num）和列序号参数（column_num）是相对于所引用的单元格区域而言的，不是Excel工作表中的行或列序号。
14、INT函数
函数名称：INT
主要功能：将数值向下取整为最接近的整数。
使用格式：INT(number)
参数说明：number表示需要取整的数值或包含数值的引用单元格。
应用举例：输入公式：=INT(18.89)，确认后显示出18。
特别提醒：在取整时，不进行四舍五入；如果输入的公式为=INT(-18.89)，则返回结果为-19。
15、ISERROR函数
函数名称：ISERROR
主要功能：用于测试函数式返回的数值是否有错。如果有错，该函数返回TRUE，反之返回FALSE。
使用格式：ISERROR(value)
参数说明：Value表示需要测试的值或表达式。
应用举例：输入公式：=ISERROR(A35/B35)，确认以后，如果B35单元格为空或“0”，则A35/B35出现错误，此时前述函数返回TRUE结果，反之返回FALSE。
特别提醒：此函数通常与IF函数配套使用，如果将上述公式修改为：=IF(ISERROR(A35/B35),"",A35/B35)，如果B35为空或“0”，则相应的单元格显示为空，反之显示A35/B35的结果。
16、LEFT函数
函数名称：LEFT
主要功能：从一个文本字符串的第一个字符开始，截取指定数目的字符。
使用格式：LEFT(text,num_chars)
参数说明：text代表要截字符的字符串；num_chars代表给定的截取数目。
应用举例：假定A38单元格中保存了“我喜欢天极网”的字符串，我们在C38单元格中输入公式：=LEFT(A38,3)，确认后即显示出“我喜欢”的字符。
特别提醒：此函数名的英文意思为“左”，即从左边截取，Excel很多函数都取其英文的意思。
17、LEN函数
函数名称：LEN
主要功能：统计文本字符串中字符数目。
使用格式：LEN(text)
参数说明：text表示要统计的文本字符串。
应用举例：假定A41单元格中保存了“我今年28岁”的字符串，我们在C40单元格中输入公式：=LEN(A40)，确认后即显示出统计结果“6”。
特别提醒：LEN要统计时，无论中全角字符，还是半角字符，每个字符均计为“1”；与之相对应的一个函数——LENB，在统计时半角字符计为“1”，全角字符计为“2”。
18、MATCH函数
函数名称：MATCH
主要功能：返回在指定方式下与指定数值匹配的数组中元素的相应位置。
使用格式：MATCH(lookup_value,lookup_array,match_type)
参数说明：Lookup_value代表需要在数据表中查找的数值；
Lookup_array表示可能包含所要查找的数值的连续单元格区域；
Match_type表示查找方式的值（-1、0或1）。
如果match_type为-1，查找大于或等于 lookup_value的最小数值，Lookup_array 必须按降序排列；
如果match_type为1，查找小于或等于 lookup_value 的最大数值，Lookup_array 必须按升序排列；
如果match_type为0，查找等于lookup_value 的第一个数值，Lookup_array 可以按任何顺序排列；如果省略match_type，则默认为1。
应用举例：如图4所示，在F2单元格中输入公式：=MATCH(E2,B1:B11,0)，确认后则返回查找的结果“9”。
特别提醒：Lookup_array只能为一列或一行。
19、MAX函数
函数名称：MAX
主要功能：求出一组数中的最大值。
使用格式：MAX(number1,number2……)
参数说明：number1,number2……代表需要求最大值的数值或引用单元格（区域），参数不超过30个。
应用举例：输入公式：=MAX(E44:J44,7,8,9,10)，确认后即可显示出E44至J44单元和区域和数值7，8，9，10中的最大值。
特别提醒：如如果参数中有文本或逻辑值，则忽略。
20、MID函数
函数名称：MID
主要功能：从一个文本字符串的指定位置开始，截取指定数目的字符。
使用格式：MID(text,start_num,num_chars)
参数说明：text代表一个文本字符串；start_num表示指定的起始位置；num_chars表示要截取的数目。
应用举例：假定A47单元格中保存了“我喜欢天极网”的字符串，我们在C47单元格中输入公式：=MID(A47,4,3)，确认后即显示出“天极网”的字符。
特别提醒：公式中各参数间，要用英文状态下的逗号“,”隔开。
D. 如何学习函数公式
Excel的函数公式：
NETWORKDAYS 函数专门用于计算两个日期值之间完整的工作日数值。这个工作日数值将不包括双休日和专门指定的其他各种假期。
假设从2003 年9 月1 日开始到2004 年1 月15 日结束，希望知道这段时间有多少个工作日，也就是排除双休日和国家法定假日外的工作日。这就是计算工作日数的问题。
首先打开一个空白工作表，在A1、B1、C1 单元格输入“开始时间”、“结束时间”、“法定节日”，然后在其下面的单元格内输入“2003-9-1”、“2004-1-15”、“2003-10-1”“2003-10-2”、“2003-10-3”和“2004-1-1”(后四项必须在C 列的“法定假日”下)。接着可以选中D2 单元格，输入公式“=NETWORKDAYS(A2,B2,C2:C5)”。公式中A2 引用的是工作的开始日期，B2 引用的是工作结束的日期，C2:C5区域引用的是作为法定假日的多个日期。输入结束回车即可获得结果95，即2003 年9 月1 日到2004 年1 月15 日，排除四个法定假日后的实际工作日是95 天。
E. 怎样学好excel中的函数
不必要逐一学习。只要学习常用的10多个。如数学函数、统计函数、逻辑函数、引用函数、时间函数。
打开有公式的EXCEL文件，学习简单的统计、时间和引用函数。学习函数的编写方法。
再下载有关财会文件，学习更复杂的公式。
这样根据实际学习更快些。
请采纳答案，支持我一下。
F. 如何自学数据分析
很多人都觉得，自己是文科类出身，或者对数理专业不熟悉，会很难上手数据分析。其实不是这样子的，学习数据分析，不同于程序员，它不会专门要求我们一定要掌握编程，只是理解熟悉就可以。个人的逻辑思维能力、个人兴趣所在，以及自身的决心毅力，这些才是构成一个人学成与否的关键和最重要因素。
小编觉得最重要的一点就是，我们得清楚企业对数据分析师的基础技能需求是什么。这样我们才能有的放矢。我大抵总结如下：
（1）SQL数据库的基本操作，会基本的数据管理
（2）会用Excel/SQL做基本的数据分析和展示
（3）会用脚本语言进行数据分析，Python or R
（4）有获取外部数据的能力，如爬虫
（5）会基本的数据可视化技能，能撰写数据报告
（6）熟悉常用的数据挖掘算法：回归分析、决策树、随机森林、支持向量机等
之后，怎么安排自己的业余时间就看个人了。总体来说，先学基础，再学理论，最后是工具。基本上，每一门语言的学习都是要按照这个顺序来的。
1、学习数据分析基础知识，包括概率论、数理统计。基础这种东西还是要掌握好的啊，基础都还没扎实，知识大厦是很容易倒的哈。
2、你的目标行业的相关理论知识。比如金融类的，要学习证券、银行、财务等各种知识，不然到了公司就一脸懵逼啦。
3、学习数据分析工具，软件结合案列的实际应用，关于数据分析主流软件有(从上手度从易到难)：Excel，SPSS，stata，R，Python，SAS等。
4、学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。
G. 怎么学习excel函数公式
学习EXCEL函数和公式的用法，可以从以下几方面着手：
1、理解函数和公式的基本概念。函数是EXCEL程序预先内置、能够以特定方法处理数据的功能模块，每个函数有其特定的语法结构和参数内容。公式则是使用者自己输入的包含函数和其他运算符且能进行特定数据运算的符号组合，要以符号“=”开始。EXCEL函数本身就是一种特殊的公式。
2、通过SUM、LEN、MOD、AND等几个比较简单的函数，掌握好公式和函数的输入方法、函数语法结构的概念、函数参数的概念、什么是常量、什么是逻辑值、什么是错误值、什么是单元格引用等重要概念。
3、单元格引用是函数参数的重要内容，分为相对引用、绝对引用和混合引用三个类型。灵活正确地使用单元格引用的类型，可以减少函数和公式输入的工作量，同时也能让计算的数据更精确有效。这需要在实践中认真摸索。
4、EXCEL内置的函数很多，有些函数是特定专业领域的，在实际工作使用中并非都能用到，因此不用把每个函数的语法结构和参数内容都进行掌握。但上述的有关函数和公式的基本概念必须要深刻理解、认真掌握，这些是学习函数和公式的核心关键。
5、在实际运用中，往往需要在一个公式里面嵌套多个函数，即将一个函数的计算结果作为另外一个函数的参数来使用。在使用嵌套函数的时候，必须要有清晰的参数概念，特别是多重嵌套时，一定要分清哪个函数是哪一个层次的参数。
6、多实践、多思考、多理解，结合自身的工作实际，对一些非常常用的重要函数要下死功夫，记住其语法结构和参数内容，做到能灵活运用、熟练输入。
H. Excel 怎样快速学会函数公式
看说明档,或有人整理出来的档案.
懂的跳过,有疑问的练习.
不见得所有函数都用得到.
有时需要时再回来查就可以了.
I. 数据处理，函数公式
1、如果区分大小写，需要确保完全一致，那么需要使用EXACT函数来区分大小写。
2、先不筛选正确答案，所有数据一并复制到新表，然后添加一辅助列，对错误题计数，并通过筛选，并完全正确的筛选出来删除，留下如图错误的学生及对应题目，通过“插入”选项下的“数据透视表”汇总。
J. 数据科学 怎样进行大数据的入门级学习
数据科学 怎样进行大数据的入门级学习？
数据科学并没有一个独立的学科体系，统计学，机器学习，数据挖掘，数据库，分布式计算，云计算，信息可视化等技术或方法来对付数据。
但从狭义上来看，我认为数据科学就是解决三个问题：
1. data pre-processing;(数据预处理）
2. data interpretation；（数据解读）
3.data modeling and analysis.（数据建模与分析）
这也就是我们做数据工作的三个大步骤：
1、原始数据要经过一连串收集、提取、清洗、整理等等的预处理过程，才能形成高质量的数据；
2、我们想看看数据“长什么样”，有什么特点和规律；
3、按照自己的需要，比如要对数据贴标签分类，或者预测，或者想要从大量复杂的数据中提取有价值的且不易发现的信息，都要对数据建模，得到output。
这三个步骤未必严谨，每个大步骤下面可能依问题的不同也会有不同的小步骤，但按我这几年的经验来看，按照这个大思路走，数据一般不会做跑偏。
这样看来，数据科学其实就是门复合型的技术，既然是技术就从编程语言谈起吧，为了简练，只说说R和Python。但既然是荐数据科学方面的书，我这里就不提R/Python编程基础之类的书了，直接上跟数据科学相关的。
R programming
如果只是想初步了解一下R语言已经R在数据分析方面的应用，那不妨就看看这两本：
R in action：我的R语言大数据101。其实对于一个没有任何编程基础的人来说，一开始就学这本书，学习曲线可能会比较陡峭。但如果配合上一些辅助材料，如官方发布的R basics（http://cran.r-project.org/doc/contrib/usingR.pdf），stackoverflow上有tag-R的问题集（Newest ‘r’ Questions），遇到复杂的问题可在上面搜索，总会找到解决方案的。这样一来，用这本书拿来入门学习也问题不大。而且这本书作者写得也比较轻松，紧贴实战。
Data analysis and graphics using R：使用R语言做数据分析的入门书。这本书的特点也是紧贴实战，没有过多地讲解统计学理论，所以喜欢通过情境应用来学习的人应该会喜欢这本入门书。而且这本书可读性比较强，也就是说哪怕你手头没电脑写不了代码，有事没事拿出这本书翻一翻，也能读得进去。
但如果你先用R来从事实实在在的数据工作，那么上面两本恐怕不够，还需要这些：
Modern applied statistics with S：这本书里统计学的理论就讲得比较多了，好处就是你可以用一本书既复习了统计学，又学了R语言。（S/Splus和R的关系就类似于Unix和Linux，所以用S教程学习R，一点问题都没有）
Data manipulation with R：这本书实务性很强，它教给你怎么从不同格式的原始数据文件里读取、清洗、转换、整合成高质量的数据。当然和任何一本注重实战的书一样，本书也有丰富的真实数据或模拟数据供你练习。对于真正从事数据处理工作的人来说，这本书的内容非常重要，因为对于任何研究，一项熟练的数据预处理技能可以帮你节省大量的时间和精力。否则，你的研究总是要等待你的数据。
R Graphics Cookbook：想用R做可视化，就用这本书吧。150多个recipes，足以帮你应付绝大多数类型的数据。以我现在极业余的可视化操作水平来看，R是最容易做出最漂亮的图表的工具了。
An introction to statistical learning with application in R：这本书算是着名的the element of statistical learning的姊妹篇，后者更注重统计（机器）学习的模型和算法，而前者所涉及的模型和算法原没有后者全面或深入，但却是用R来学习和应用机器学习的很好的入口。
A handbook of statistical analysis using R：这本书内容同样非常扎实，很多统计学的学生就是用这本书来学习用R来进行统计建模的。
Python
Think Python，Think Stats，Think Bayes：这是Allen B. Downey写的着名的Think X series三大卷。其实是三本精致的小册子，如果想快速地掌握Python在统计方面的操作，好好阅读这三本书，认真做习题，答案链接在书里有。这三本书学通了，就可以上手用Python进行基本的统计建模了。
Python For Data Analysis： 作者是pandas的主要开发者，也正是Pandas使Python能够像R一样拥有dataframe的功能，能够处理结构比较复杂的数据。这本书其实analysis讲得不多，说成数据处理应该更合适。掌握了这本书，处理各种糟心的数据就问题不大了。
Introction to Python for Econometrics, Statistics and Data Analysis：这本书第一章就告诉你要安装Numpy, Scipy, Matplotlib, Pandas, IPython等等。然后接下来的十好几章就是逐一介绍这几个库该怎么用。很全面，但读起来比较枯燥，可以用来当工具书。
Practical Data Analysis： 这本书挺奇葩，貌似很畅销，但作者把内容安排得东一榔头西一棒子，什么都讲一点，但一个都没讲透。这本书可以作为我们学习数据分析的一个索引，看到哪块内容有意思，就顺着它这个藤去摸更多的瓜。
Python Data Visualization Cookbook： 用Python做可视化的教材肯定不少，我看过的也就这一本，觉得还不错。其实这类书差别都不会很大，咬住一本啃下来就是王道
Exploratory Data Analysis 和 Data Visualization
Exploratory Data Analysis：John Tukey写于1977年的经典老教材，是这一领域的开山之作。如今EDA已经是统计学里的重要一支，但当时还是有很多人对他的工作不屑一顾。可他爱数据，坚信数据可以以一种出人意料的方式呈现出来。正是他的努力，让数据可视化成为一门无比迷人的技术。但这本书不推荐阅读了，内容略过时。要想完整地了解EDA，推荐下一本：
Exploratory Data Analysis with MATLAB：这本书虽然标题带了个MATLAB，但实际上内容几乎没怎么讲MATLAB，只是每讲一个方法的时候就列出对应的MATALB函数。这本书的重要之处在于，这是我读过的讲EDA最系统的一本书，除了对visualization有不输于John Tucky的讲解外，对于高维的数据集，通过怎样的方法才能让我们从中找到潜在的pattern，这本书也做了详尽的讲解。全书所以案例都有对应的MATALB代码，而且还提供了GUI（图形用户界面）。所以这本书学起来还是相当轻松愉悦的。
Visualize This：中译本叫“鲜活的数据”，作者是个“超级数据迷”，建立了一个叫http://flowingdata.com的网页展示他的数据可视化作品，这本书告诉你该选择什么样的可视化工具，然后告诉你怎样visualize关系型数据、时间序列、空间数据等，最后你就可以用数据讲故事了。如果你只想感受一下数据可视化是个什么，可以直接点开下面这个链接感受下吧！A tour through the visualization zoo（A Tour Through the Visualization Zoo）
Machine Learning & Data Mining
这一块就不多说了，不是因为它不重要，而是因为它太太太重要。所以这一部分就推两本书，都是”世界名着“，都比较难读，需要一点点地啃。这两本书拿下，基本就算是登堂入室了。其实作为机器学习的延伸和深化，概率图模型（PGM）和深度学习（deep learning）同样值得研究，特别是后者现在简直火得不得了。但PGM偏难，啃K.Daphne那本大作实在太烧脑，也没必要，而且在数据领域的应用也不算很广。deep learning目前工业界的步子迈得比学术界的大，各个domain的应用如火如荼，但要有公认的好教材问世则还需时日，所以PGM和deep learning这两块就不荐书了。
The Element of Statistical Learning：要学机器学习，如果让我只推荐一本书，我就推荐这本巨着。Hastie、Tibshirani、Friedman这三位大牛写书写得太用心了，大厦建得够高够大，结构也非常严谨，而且很有前瞻性，纳入了很多前沿的内容，而不仅仅是一部综述性的教材。（图表也做得非常漂亮，应该是用R语言的ggplot2做的。）这本书注重讲解模型和算法本身，所以需要具备比较扎实的数理基础，啃起这本书来才不会太吃力。事实上掌握模型和算法的原理非常重要。机器学习（统计学习）的库现在已经非常丰富，即使你没有完全搞懂某个模型或算法的原理和过程，只要会用那几个库，机器学习也能做得下去。但你会发现你把数据代进去，效果永远都不好。但是，当你透彻地理解了模型和算法本身，你再调用那几个库的时候，心情是完全不一样的，效果也不一样。
Data Mining: Concepts and Techniques, by Jiawei Han and Micheline Kamber 数据挖掘的教材汗牛充栋，之所以推荐这本韩家炜爷爷的，是因为虽然他这本书的出发点是应用，但原理上的内容也一点没有落下，内容非常完整。而且紧跟时代，更新的很快，我看过的是第二版，就已经加进去了social network analysis这种当时的前沿内容。现在已经有第三版了，我还没看过，但应该也加入了不少新内容。其实这本书并不难读，只是篇幅较长，啃起来比较耗时。
其实这两本书里单拎出来一块内容可能又是几本书的节奏，比如bayesian方法，再拿出两三本书来讲也不为过，我个人用到的比较多，而且也确实有不少好书。但并非是所有data scientist都要用到，所以这一块就不再细说。
还有一些印象比较深刻的书：
Big Data Glossary： 主要讲解大数据处理技术及工具，内容涵盖了NoSQL，MapRece，Storage，Servers，NLP库与工具包，机器学习工具包，数据可视化工具包，数据清洗，序列化指南等等。总之，是一本辞典式的大数据入门指导。
Mining of Massive Datasets：这本书是斯坦福大学Web Mining的讲义，里面很多内容与韩家炜的Data Mining那本书重合，但这本书里详细地讲了MapRece的设计原理，PageRank（Google创业时期的核心排序算法，现在也在不断优化更新）讲解得也比较详细。
Developing Analytic Talent： 作者是个从事了十几年数据工作的geek，技术博客写得很有个人风格，写的内容都比较偏门，通常只有具备相关数据处理经验的人能体会出来，丝毫不照顾初学者的感受。比如他会谈到当数据流更新太快时该怎么办，或者MapRece在什么时候不好用的问题，才不管你懂不懂相关基础原理。所以这本书不太适合初学者阅读。这本书其实是作者的博客文章的集结，用how to become a data scientist的逻辑把他近几年的博客文章串联了起来。
Past, Present and Future of Statistical Science：这本书是由COPSS（统计学社主席委员会，由国际各大统计学会的带头人组成）在50周年出版的一本纪念册，里面有50位统计学家每人分别贡献出的一两篇文章，有的回忆了自己当年如何走上统计学这条路，有的探讨了一些统计学的根本问题，有的谈了谈自己在从事的前沿研究，有的则给年轻一代写下了寄语。非常有爱的一本书。
其它资料
Harvard Data Science：这是H大的Data science在线课，我没有修过，但口碑很好。这门课需要费用8千刀左右，比起华盛顿大学的4千刀的Data science在线课虽贵一倍，但比斯坦福的14千刀要便宜将近一半（而且斯坦福的更偏计算机）。如果想自学，早有好心人分享了slides:（https://drive.google.com/folderview?id=0BxYkKyLxfsNVd0xicUVDS1dIS0k&usp=sharing）和homeworks and solutions:（https://github.com/cs109/content）
PyData：PyData是来自各个domain的用Python做数据的人每年举行一次的聚会，期间会有各路牛人举行一些规模不大的seminar或workshop，有好心人已经把video上传到github，有兴趣的去认领吧（DataTau/datascience-anthology-pydata · GitHub）
工具
R/Python/MATLAB（必备）：如果是做数据分析和模型开发，以我的观察来看，使用这三种工具的最多。R生来就是一个统计学家开发的软件，所做的事也自然围绕统计学展开。MATLAB虽然算不上是个专业的数据分析工具，但因为很多人不是专业做数据的，做数据还是为了自己的domain expertise（特别是科学计算、信号处理等），而MATLAB又是个强大无比的Domain expertise工具，所以很多人也就顺带让MATLAB也承担了数据处理的工作，虽然它有时候显得效率不高。Python虽然不是做数据分析的专业软件，但作为一个面向对象的高级动态语言，其开源的生态使Python拥有无比丰富的库，Numpy, Scipy 实现了矩阵运算/科学计算，相当于实现了MATLAB的功能，Pandas又使Python能够像R一样处理dataframe，scikit-learn又实现了机器学习。
SQL（必备）：虽然现在人们都说传统的关系型数据库如Oracle、MySQL越来越无法适应大数据的发展，但对于很多人来说，他们每天都有处理数据的需要，但可能一辈子都没机会接触TB级的数据。不管怎么说，不论是用关系型还是非关系型数据库，SQL语言是必须要掌握的技能，用什么数据库视具体情况而定。
MongoDB（可选）：目前最受欢迎的非关系型数据库NoSQL之一，不少人认为MongoDB完全可以取代mySQL。确实MongoDB方便易用，扩展性强，Web2.0时代的必需品。
Hadoop/Spark/Storm（可选）: MapRece是当前最着名也是运用最广泛的分布式计算框架，由Google建立。Hadoop/Spark/storm都是基于MapRece的框架建立起来的分布式计算系统，要说他们之间的区别就是，Hadoop用硬盘存储数据，Spark用内存存储数据，Storm只接受实时数据流而不存储数据。一言以蔽之，如果数据是离线的，如果数据比较复杂且对处理速度要求一般，就Hadoop，如果要速度，就Spark，如果数据是在线的实时的流数据，就Storm。
OpenRefine（可选）：Google开发的一个易于操作的数据清洗工具，可以实现一些基本的清洗功能。
Tableau（可选）：一个可交互的数据可视化工具，操作简单，开箱即用。而且图表都设计得非常漂亮。专业版1999美刀，终身使用。媒体和公关方面用得比较多。
Gephi（可选）：跟Tableau类似，都是那种可交互的可视化工具，不需要编程基础，生成的图表在美学和设计上也是花了心血的。更擅长复杂网络的可视化。