php中怎么设置颜色，数据可视化工具有哪些？
给大家推荐一款人人可上手的可视化工具，那就是Excel，好评度五星！全文7688字，阅读需要10分钟，赶时间的朋友先点赞收藏，方便下次学习！
为什么要推荐Excel呢？
兼容性，Excel与PPT可以实现数据同步，数据修改后能直接呈现在PPT，一劳永逸。内在：Excel有5大类常规的数据可视化表达，图表类多达13种，还可以通过自定义制作多变的数据可视化表达，满足95%的日常办公需求。
跟其他数据可视化工具对比，
①对比可视化网站工具，Excel拥有强大的数据分析（Excel函数，数据透视表等），而大多数在线工具只能输入结果，而无法运算。 ②对比R、Python等，Excel对于初学者的友好高，基本2周就能大概掌握，而这些语言太难了！ ③普及率高：哪台电脑没有装Excel，你要表达你的观点也容易。
想快速掌握Excel可视化表达，先了解一下可视化的全面架构：
以下就是课件内容的例子，先给同学看一下效果：
基础图表：《王者之星★》
三维地图：《广州武汉之❤》
Excel控件：《520❤你的名字》
《进阶の图表》
《智联之薪》
接下来，我们从第一个开始撩：
E01.认识数据可视化数据可视化就是通过图形，呈现出数据大小，占比，分布等特点，从而传递信息给大家。
下面我就用地图简单举栗子吧
腾讯位置大数据https://heat.qq.com/
地图越亮的地方代表定位次数越多的地方，这个定位跟我们人口分布一致的。
通过流量折线图比较，我们就能直观看出欢乐谷的应该是9点开门，19点闭门。
关于数据可视化，大家可以多去一些可视化网站看看，其实我们大多数人接触数据可视化应该是小学、初中、高中的地理课本。
E02.Excel的数据可视化表达在Excel中常见可视化表达有五类，分别是REPT函数、条件格式、迷你图、Excel图表，三维地图。
点击获取Excel图表视频教程和源文件模板★★★★★N0.1 REPT函数表达式：=REPT（text,number_times） =REPT(重复文本，重复次数）
注意重复文本要用英文状态下引用，通过具体的实例去实战吧~
01.给课程做数据条
表达式子：=REPT("|",C5)&C5
选择适合的字体很重要，一般适合展示20至100的数据
02.网站流量漏斗图
03.电影评分表
04.相亲心动指数
05.人口金字塔图
NO.2 条件格式01.突出显示单元格规则
点击【开始】→【条件格式】即可选择相关的规则，突出显示相关的单元格。
1.查找重复值，查找班里不及格的人等等
02.最前最后的规则利用前N项或者后N项，通过突出显示快速找到对应的数据。
例如我们可以显示数学成绩高于平均分的同学、显示各位同学最低的一门科目成绩、班里成绩最好的3位同学
03.图标集许多小伙伴不知道这些小图标是来自条件格式，导致了误以为是图表上的。
优点：其实这些精致的小图标设置很简单，通过默认的设置就能得出来。 缺点：就是精度不高，只能表示大概。图标集分为方向、形状、标记、等级四个归类，根据归类我们日常主要分别应用在
方向：表示涨↑跌↓，一般用于数据对比
形状：一般用于分类划分的信号
标记：用于标记状态，某件事做了与否，达成目标与否
等级：表示占比划分
04.色阶色剂可以设置双色色阶或者三色色阶。
05.半自定义规则如果还不过瘾可以通过自定义格式来设置，整体设置也不难，所有的框和图标均可以自定义设置。
06.公式自定义条件格式公式自定义条件格式，相对与上面的会难点，但通过简单标志有更高的灵活度。
自定义格式百分比图
2.动态考勤记录表
3.项目计划甘特图
03.迷你图迷你图有三种形式，柱形、折线和盈亏图，它的优点是能大概表示数据状态，确定就是精准度低，图形无法表示数据真实差距。
无排版可视化的表格
经过可视化后↓
点击获取Excel图表视频教程和源文件模板★★★★★04.三维地图武广之恋❤
本题版本要求：2016及以上，2013版本可以安装power map插件还能拯救。
点击获取Excel图表视频教程和源文件模板★★★★★本道题可以简单拆分为：心形图形表达式+三维地图
01.第一步构建数据源
我们在百度或者一些论坛上找到心形的函数Excel表达式，然后在Excel上列出具体的数据源，这是最关键的又是最麻烦的一部分工作。就能直接下载该我精心为大家准备源文件啦！
02.打开三维地图
1.我们把标准的心形函数表达式放到三维地图上，其表达效果这样紫滴，地理曾经满分的我一下子恍然大悟，这不就是本初子午线（经度=0）与赤道（纬度=0）交界的地方嘛。
2.当我们把坐标的中心定位到广州，不就是将原来的表达式加上广州的经纬度，我马上百度了一下广州的经纬度。广州（东经113.23，北纬23.16）大小老可爱们直接在我的城市填上经纬度就OK啦↓
以广州为例↓
延伸：西经与南纬，需要把坐标写成负数。如西经113.23，南纬23.16（-113.23，-23.16）这样表达。
于是我们在茫茫的太平洋找到这个东西↓
03.添加异地坐标
在对应我的城市，和你的城市填上对应的坐标轴，可得到：
广州与武汉❤
广州与珠海❤
05.特别提醒
更改过数据源后一定要刷新数据啊！
E03.了解Excel图表的规范与应用E03-1.参考优秀的图表借鉴样式、布局、配色等
a.echart网站
b.设计网站
c.可视化平台等：如网易数读
d.商业杂志
E03-2.一份专业商务图表具备哪些特图表原有元素：2.主标题；5.图例；6绘图区（1.纵坐标、2.网格线、3.横坐标、4.图形）
添加元素：1.logo；3.副标题，4.单位，7.备注
E03-3.快速了解图表基础设置E03-4.配置表格主题颜色
E03-5.系统设置整个表格主题
了解整个表格和图表的基础和规范设置后，我们马上去了解各种基础图表。
E04.玩王者荣耀，学习基础图表学习基础图表，大家只需要吧这个《王者荣耀看板》做一遍，基本就你能掌握90%日常工作的应用，更重要你做完后会有一股成就感。
王者荣耀数据看板
王者荣耀动态看板
那我们分解一下，都是由哪些图表构成的，从这个图表就能从主标题看出是哪些图表，我们还可以通过点击图表左上方蓝色■形状，进行跳转到对应的图表联系区域。
教学部分主要采用了《经济学人》的配色风格演示，大家可以通过设置页面布局的主题，变换主题颜色。
E04-1.柱形图01.表格开始页引导：
02.图表练习区域展示：
02.图表小结区域：
每个图表做了实践之后，我们会给大家总结主要的知识点，方便大家快速上手图表。
E04-2.条形图条形图在王者荣耀中很常见，例如对战战绩图，血量、蓝量还有回城图都是由条形图来展示的。
03.知识点小结：
接下来的图表，就简单跟介绍一下需要注意的事项，或者一些与其他图表的不同点或共同点：
E04-3.折线图E04-4.环形/饼状图：占比分析E04-5.面积图：占比趋势分析这个在王者中的经济占比运用的就是面积图。
03.知识点小结：
E04-6.散点图:双变量分析03.知识点小结：
E04-7.气泡图：三变量分析03.知识点小结：
E04-8.雷达图：多维度分析最常见在我们的综合战力分析上，几乎每个游戏都会常常用到这种的对比。
03.知识点小结：
以前的案例示范：
E04-9.树状图：分级占比分析E04-10.旭日图：分级占比分析E04-10.直方图：区间分布分析直方图更像简化版的正态分布图，它经常用于统计数值区间的分布，例如年龄段的人数、收入水平、工资收入分布等。
E04-12.瀑布图E04-13.组合图E04.最后一招，数字放大法！
最后，我们把上面的所有图表拼合在一起，可得：
把我们所学的图表，一一放进去，可得到：
暂时补充到这里，如果想看动态图表的，请留言，我抽空补充一下这方面的知识。
私信回复：基础图表，即可获得一份基础图表的源文件❤
电子商务专业的就业方向有哪些？
电子商务专业的同学可以看看这所义乌工商学院学生们的日常，或许对你有一些之后就业的启发思考。
义乌商学院创业学院大楼一角
这所学校于2009年率先开设淘宝创业班，3年后，皇冠级店铺达到31家。首先创业班的老师就是金冠台湾美食店铺的店长，他认为老师不实操积累经验怎么可以教学生呢，不能照本宣科，理论和实践要相结合。
这个班级里不仅仅有创业自己开店的学生，还有美工、物流等各方向的专业人才。
爱好艺术的王江祥加入了学校视觉营销工作室，主要给店铺做拍摄和详情页设计。今年淘宝短视频流行起来了，他们还要在一天之内为214顶帽子，124条围巾拍摄好短视频，去年双十一他硬是在椅子上坐了一天一夜雕琢出四个详情页，今年他买了一瓶vc奖励自己熬夜产生的痘痘。
王江祥准备了维生素C和新耳机备战
学院摄影班学生熬夜赶拍产品
已经毕业的殷翃依然回到了母校，拉上大二学弟一起承包了学校的韵达快递点，由于做生意的都是自己的学弟学妹或者是同学，所以客源不在话下，而且和其他快递站点不同，熟人关系的他们也会照顾刚开店生意不好的店铺，即使现在一天只有几个件，他们也会接下来。慢慢的他们已经累积了一些固定的大客户。
殷翃的小伙伴在紧张地搬货
有哪个大哥解释一下HTML和JS和PHP之间的关系？
HTML 是一种超文本语言，由客户端的浏览器负责解析
css 是一种样式控制，也就是如何定义一个网页的布局，颜色 等外观，也是由浏览器负责解析
php是一种服务端动态语言，最终会动态生成html供客户端浏览器解析
js 是一种客户端动态脚本，用户控制页面上的动态内容显示总结: html,css,js 都是客户端语言，都是由浏览器解析执行,php 是服务端语言，运行在远程服务器上，其最终需要生成html才可以被浏览器识别
怎么自学数据分析？
这是一份数据分析师的入门指南，它包含七周的内容，Excel、数据可视化、数据分析思维、数据库、统计学、业务、以及Python。
每一周的内容，都有两到三篇文章细致讲解，帮助新人们快速掌握。这七周的内容刚好涵盖了一位数据分析师需要掌握的基础体系，也是一位新人从零迈入数据大门的知识手册。
第一周：Excel
每一位数据分析师都脱离不开Excel。
它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。
Excel的学习分为两个部分。
掌握各类功能强大的函数，函数是一种负责输入和输出的神秘盒子。把各类数据输入，经过计算和转换输出我们想要的结果。
在SQL，Python以及R中，函数依旧是主角。掌握Excel的函数有助于后续的学习，因为你几乎在编程中能找到名字一样或者相近的函数。
在「数据分析：常见的Excel函数全部涵盖在这里了」中，介绍了常用的Excel函数。
清洗处理类：trim、concatenate、replace、substitute、left/right/mid、len/lenb、find、search、text
关联匹配类：lookup、vlookup、index、match、row、column、offset
逻辑运算类：if、and、or、is系列
计算统计类：sum/sumif/sumifs、sumproduct、count/countif/countifs、max、min、rank、rand/randbetween、averagea、quartile、stdev、substotal、int/round
时间序列类：year、month、weekday、weeknum、day、date、now、today、datedif
搜索能力是掌握Excel的不二窍门，工作中的任何问题都是可以找到答案。
第二部分是Excel中的工具。
在「数据分析：Excel技巧大揭秘」教程，介绍了Excel最具性价比的几个技巧。包括数据透视表、格式转换、数组、条件格式、自定义下拉菜单等。正是这些工具，才让Excel在分析领域经久不衰。
在大数据量的处理上，微软提供了Power系列，它和Excel嵌套，能应付百万级别的数据处理，弥补了Excel的不足。
Excel需要反复练习，实战教程「数据分析：手把手教你Excel实战」，它通过网络上抓取的数据分析师薪资数据作为练习，总结各类函数的使用。
除了上述要点，下面是附加的知识点，铺平数据分析师以后的道路。
了解单元格格式，数据分析师会和各种数据类型打交道，包括各类timestamp，date，string，int，bigint，char，factor，float等。
了解数组，以及相关应用（excel的数组挺难用），Python和R也会涉及到 list，是核心概念之一。
了解函数，深入理解各种参数的作用。它会在学习Python中帮助到你。
了解中文编码，UTF8、GBK、ASCII，这是数据分析师的坑点之一。
第二周：数据可视化
数据分析界有一句经典名言，字不如表，表不如图。
数据可视化是分析的常用技巧之一，不少数据分析师的工作就是通过图表观察和监控数据。首先了解常用的图表：
Excel的图表可以100%绘制上面的图形，但这只是基础。
在「数据可视化：你想知道的经典图表全在这」中介绍了各类数据分析的经典图表，除了趋势图、直方图，还包括桑基图、空间图、热力图等额外的类型。
数据可视化不是图表的美化，而是呈现数据的逻辑之美，是揭示数据的内在关联。了解图表的维度和适用场景，比好看更重要。比如桑吉图就是我一直推崇的图表，它并不知名，但是它能清晰的揭露数据内在状态的变化和流向。案例是用户活跃状态的趋势。
Excel的图表操作很傻瓜化，其依旧能打造出一份功能强大的可视化报表。「数据可视化：教你打造升职加薪的报表」教给大家常用的Excel绘图技巧，包括配色选取，无用元素的剔除、辅助线的设立、复合图表等方法。
Excel图表的创造力是由人决定的，对数据的理解，观察和认知，以及对可视化的应用，这是一条很长的道路。
图表是单一的，当面板上绘制了多张图表，并且互相间有关联，我们常称之为Dashboard仪表盘。
上图就是用分析师薪资数据为数据源绘制的Dashboard，比单元格直观不少。我们常常把绘制这类Dashboard的工具叫做BI。
BI（商业智能）主要有两种用途。一种是利用BI制作自动化报表，数据类工作每天都会接触大量数据，并且需要整理汇总，这是一块很大的工作量。这部分工作完全可以交给BI自动化完成，从数据规整、建模到下载。
另外一种是使用其可视化功能进行分析，它提供比Excel更丰富的交互功能，操作简单，而且美观，如果大家每天作图需要两小时，BI能缩短大半。
在「数据可视化：手把手打造BI」教程中，以微软的PowerBI举例，教大家如何读取数据，规整和清洗数据，绘制图表以及建立Dashboard。最后的成果就是上文列举的分析师案例。
BI还有几个核心概念，包括OLAP，数据的联动，钻取，切片等，都是多维分析的技巧，也是分析的核心方法之一。
后续的进阶可视化，将和编程配合。因为编程能够提供更高效率和灵活的应用。而BI也是技术方向的工具，了解技术知识对应用大有帮助。
第三周：数据分析思维数据分析能力的高低，不以工具和技巧决定，而以分析思维决定。
在一场战争中，士兵装备再好的武装，进行再严苛的训练，若是冲锋的方向错了，那么迎接他们的唯有一败涂地。
分析思维决定一场「数据战争」中的冲锋方向。只有先养成正确的分析思维，才能使用好数据。
既然是思维，它就倾向于思考的方式，Excel函数学会了就是学会，分析则不同。大多数人的思维方式都依赖于生活和经验做出直觉性的判断，以「我觉得我认为」展开，好的数据分析首先要有结构化的思维。
麦肯锡是其中领域的佼佼者，创建了一系列分析框架和思维工具。最典型地莫过于金字塔思维。
这篇文章简述了该思维的应用，「快速掌握麦肯锡的分析思维」。你能学会结构化思考，MECE原则，假设先行，关键驱动等方法论。
除此以外，还有SMART、5W2H、SWOT、4P4C、六顶思考帽等，这些都是不同领域的框架。框架的经典在于，短时间内指导新人如何去思考，它未必是最好的，但一定是性价比最优的。数据分析思维，是分析思维的引申应用。再优秀的思考方式，都需要佐证和证明，数据就是派这个用处的，「不是我觉得，而是数据证明」。
现代管理学之父彼得·德鲁克说过一句很经典的话：如果你不能衡量它，那么你就不能有效增长它。如果把它应用在数据领域，就是：如果你不能用指标描述业务，那么你就无法有效增长它。每一位数据分析师都要有指标体系的概念，报表也好，BI也好，即使机器学习，也是围绕指标体系建立的。
下图就是一个典型的指标体系，描述了用户从关注产品、下载、乃至最后离开的整个环节。每一个环节，都有数据及指标以查询监控。
不同业务背景需要的指标体系不同，但有几个建立指标的通用准则。这篇文章深入介绍了「如何建立数据分析的思维框架」。你将区分什么是好指标、什么是坏指标、比率和比例、指标的结构、指标设立的维度等概念。
数据分析不是一个结果，而是一个过程。几乎所有的分析，最终目的都是增长业务。所以比分析思维更重要的是驱动思维落地，把它转化为成果。
数据分析思维是常年累月养成的习惯，一周时间很难训练出来，但这里有一个缩短时间的日常习惯。以生活中的问题出发做练习。
这家商场的人流量是多少？怎么预估？
上海地区的共享单车投放量是多少？怎么预估？
街边口的水果店，每天的销量和利润是多少？怎么预估？
这些开放性问题起源于咨询公司的训练方法，通过不断地练习，肯定能有效提高分析思维。另外就是刷各种CaseBook。
优秀的数据分析师会拷问别人的数据，而他本身的分析也经得起拷问。
第四周：数据库
Excel很容易遇到瓶颈，随着业务的发展，分析师接触的数据会越来越多。对大部分人的电脑，超过十万条数据，已经会影响性能。何况大数据时代就是不缺数据，这时候就需要学习数据库了。
即使非数据岗位，也有越来越多的产品和运营被要求使用SQL。
很多数据分析师戏称自己是跑SQL的，这间接说明SQL在数据分析中有多核心。从Excel到SQL绝对是处理效率的一大进步。
教程内容以MySQL为主，这是互联网行业的通用标准。其实语法差异不大的。
新手首先应该了解表的概念，表和Excel中的sheet类似。「写给新人的数据库指南」是一篇入门基础文章，包括表、ID索引、以及数据库的安装，数据导入等简单知识。
SQL的应用场景，均是围绕select展开。增删改、约束、索引、数据库范式均可以跳过。新手在「SQL，从入门到熟练」教程会学习到最常见的几个语法，select、where、group by、if、count/sum、having、order by、子查询以及各种常用函数。
数据还是分析师薪资数据，它可以和Excel实战篇结合看，不少原理都是相通的。
想要快速掌握，无非是大量的练习。大家可以在leetcode上做SQL相关的练习题，难度从简单到困难都有。「SQL，从熟练到掌握」教程中将会带领大家去刷一遍。
join对新手是一个很绕的概念，教程会从图例讲解，逐步提高难度。从一开始的join关联，到条件关联、空值匹配关联、子查询关联等。最后完成leetcode中的hard模式。
如果想要更进一步，可以学习row_number，substr，convert，contact等函数。不同数据平台的函数会有差异，例如Presto和phpMyAdmin。再想提高，就去了解Explain优化，了解SQL的工作原理，了解数据类型，了解IO。知道为什么union比or的效率快，这已经和不少程序员并驾齐驱。
第五周：统计学
很多数据分析师并不注重统计学基础。
比如产品的AB测试，如果相关人员不清楚置信度的含义和概念，那么好的效果能意味着好么？如果看待显著性？
比如运营一次活动，若不了解描述统计相关的概念，那么如何判别活动在数据上的效果？可别用平均数。
不了解统计学的数据分析师，往往是一个粗糙的分析师。如果你想要往机器学习发展，那么统计学更是需要掌握的基础。
统计知识会教大家以另一个角度看待数据。如果大家了解过《统计数据会撒谎》，那么就知道很多数据分析的决策并不牢靠。
在第一篇教程「解锁数据分析的正确姿势：描述统计」，会教给大家描述统计中的诸多变量，比如平均数、中位数、众数、分位数、标准差、方差。这些统计标准会让新手分析师从平均数这个不靠谱的泥潭中出来。
箱线图就是描述统计的大成者，好的分析师一定是惯用箱线图的常客。
第二篇「解锁数据分析的正确姿势：描述统计(2)」将会结合可视化，对数据的分布进行一个直观的概念讲解。很多特定的模型都有自有的数据分布图，掌握这些分布图对分析的益处不可同日而语。
直方图和箱线图一样，将会是长久伴随分析师的利器。
统计学的一大主要分支是概率论，概率是度量一件事发生的可能性，它是介于0到1之间的数值。很多事情，都可以用概率论解释，「概率论的入门指南」和「读了本文，你就懂了概率分布」都是对其的讲解。
包括贝叶斯公式、二项概率、泊松概率、正态分布等理论。理论不应用现实，那是无根之木，教程中会以运营活动最常见的抽奖概率为讲解，告诉大家怎么玩。
其实数据分析中，概率应用最广泛和最全面的知识点，就是假设检验，大名鼎鼎的AB测试就是基于它的。俗话说得好，再优秀的产品经理也跑不过一半AB测试。
何为假设检验？假设检验是对预设条件的估计，通过样本数据对假设的真伪进行判断。
产品改版了，用户究竟喜不喜欢？调研的评分下降了，这是用户的评价降低了，还是正常的数据波动呢？这些都是可以做假设检验的。它可以说是两面两篇文章的回顾和应用。
「数据分析必须懂的假设检验」依旧以互联网场景讲解各种统计技巧的应用。假设检验并不难，通过Excel的几个函数就能完成。它的难点在于诸多知识点和业务的结合使用，实际公式不需要掌握的多透彻，了解背后的意义更重要。
统计学是一个很广阔的领域，包括方差分析，时间序列等，都有各自不同的应用。大家若感兴趣，可以去阅读各类教材，没错，教材是学习统计学最优的方式。我这类文章堪堪算入门罢了。
第六周：业务
对于数据分析师来说，业务的了解比数据方法论更重要。举个例子，一家O2O配送公司发现在重庆地区，外卖员的送货效率低于其他城市，导致用户的好评率降低。总部的数据分析师建立了各个指标去分析原因，都没有找出来问题。后来在访谈中发觉，因为重庆是山城，路面高低落差比较夸张，很多外卖人员的小电瓶上不了坡…所以导致送货效率慢。这个案例中，我们只知道送货员的送货水平距离，根本不知道垂直距离。这是数据的局限，也是只会看数据的分析师和接地气分析师的最大差异。业务形态千千万万，数据分析师往往难窥一二。我的公众号业务部分也涉及了不少，大家可以通过这几篇文章了解。
一篇文章读懂活跃数据；深入浅出，用户生命周期的运营；获取新增用户，运营都应该知道的事；运营的商业逻辑：CAC和CLV；从零开始，构建数据化运营体系；读懂用户运营体系：用户分层和分群，这些都是互联网运营相关的内容，或多或少涉及了不少业务方面的概念，数据分析人员可以选择性的挑选部分内容。了解业务的数据分析师在职场发展上会更加顺利。
而在「最用心的运营数据指标解读」中，我尝试总结了几个泛互联网领域的指标和业务模型，它们都是通用的框架。
产品运营模型：以移动端APP为主体，围绕AARRR准则搭建起数据框架。包括Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播，以及细分指标。
市场营销模型：以传统的市场营销方法论为基底，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
流量模型：从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、用户分享率、停留时间、退出率跳出率等。
电商和消费模型：以商品的交易、零售、购买搭建而起。包括GMV、客单价、复购率、回购率、退货率、购物篮大小、进销存，也包含SKU、SPU等商品概念。
用户行为模型：通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层，还包含点赞评论浏览收藏等功能的相关指标。
除了上述的几个常见模型，数据分析还有其他分支。比如SEO/SEM，虽然可以归类到流量模型，但它并不简单。比如财务分析，商业的各种成本支出也需要专人负责。
在业务知识外，业务层面的沟通也很重要。业务线足够长的时候，沟通往往成为老大难的问题。
业务学习没有捷径，哪怕掌握了诸多模型，不同行业间的业务壁垒会是分析师们的门槛。金融的各类专有领域知识，电子商务不同产品的特性，这些都会影响到分析报告的质量。
在早期，新人最好选择一到两个领域深入了解其业务，然后以此拓展边界。
第七周：Python/R
第七周是最后的学习环节。
是否具备编程能力，是初级数据分析和高级数据分析的风水岭。数据挖掘、BI、爬虫、可视化报表都需要用到编程。掌握一门优秀的编程语言，可以让数据分析师升职加薪，迎娶白富美。数据分析领域最热门的两大语言是R和Python。R的优点是统计学家编写的，缺点也是统计学家编写。涉及各类统计函数和工具的调用，R无疑有优势。但是大数据量的处理力有不逮，学习曲线比较陡峭。
Python则是万能的胶水语言，适用性强，可以将分析的过程脚本化。Pandas、Numpy、SKLearn等包也是非常丰富。
这里的教程以Python为主。
「开始Python的新手教程」将会教大家搭建数据分析环境，Anaconda是功能强大的数据科学工具。Python建议安装Python3+版本，不要选择Python2了。
Python的语法相当简洁，大家print出第一个hello world顶多半小时。就像在Excel上进行运算一样方便。
「开始Python的数据结构」介绍给大家Python的三类数据结构，列表list，元组tuple，以及字典dict。万变不离其宗，掌握这三种数据结构以及相对应的函数，足够应付80%的分析场景。函数式编程为Python一大特色，Python自身就提供不少丰富的函数。很多都和Excel的函数相通，掌握起来非常迅速。另外还有控制流，for、while、if，通常配合函数组合使用。
「了解和掌握Python的函数」教大家如何自定义函数，丰富的函数虽然能偷懒，但是不少场景下，还是需要自己动手撸一个。
能够调第三方包解决，就使用第三方的函数。如果是一个频繁使用的场景，而第三方依靠不了，就自己编一个函数。如果是临时性的场景，写得粗糙点也无所谓。毕竟分析师的代码能力不要求工程师那么严格，所以Python的学习尽量以应用为主，不用像分析师那么严格。
包、模块和类的概念属于进阶知识，不学也不要紧。
「Python的数据分析: numpy和pandas入门」介绍了数据分析师赖以生存的两个包，numpy和pandas，其他Python知识可以不扎实，这两个最好认真掌握。它是往后很多技能树的前置要求。
array，series，dataframe是numpy和pandas的三个数据结构，掌握它们，便算是入门了。后续的两篇教程都是实战。
「用pandas进行数据分析实战」以分析师的薪资作为实战数据。Excel、BI、SQL，一路走来，大家想必对它无比熟悉，这也是最后一次使用它了。教程通过Pandas的各类功能，绘制出一副词云图。
实际应用中python编写的程序大部分都是无界面的吗？
只要找对方法用python编写桌面程序一点都不麻烦。
下面演示一下如何使用Qt Designer编写Python图形界面程序。
1.目标编写一个倒计时时钟程序，用饼图的形式显示一天、一周、一个月以及一年已经过了多少时间还剩多少时间，用于提醒人珍惜时间。
2.实现方法由于准库time模块不能继承，创建一个新的时间的类，使用标准库time模块来进行时间的相关操作。使用Eric与Qt Designer开发使用matplotlib的pie函数绘制饼图3.项目编写3.1 创建项目打开Eric，单击菜单栏【项目】-【新建】输入“项目名称”，选择“项目文件夹”，点击【OK】
3.2创建窗体在Eric“项目浏览器”的“窗体”中，单击右键，选择【新建窗体】选择窗体类型“主窗口”，点击【OK】输入窗体文件名，点击【Save】在项目浏览器中，右键点击新建的.ui窗体文件，选择【在Qt设计师中打开】打开Qt Designer后，会有几个基本的窗口，你自己的窗口“MainWindow”、“窗口部件盒”、“对象查看器”、“属性编辑器”，其他的窗口可从菜单栏“视图”窗口选择。拖拽“MainWindows”设置窗口的初始大小从“窗口部件盒”拖4个Widget到“MainWindow”在“MainWindow”4个Widget以外的地方单击右键，选择【布局】-【水平布局】在一个Widget上单击右键，选择【提升为】在“提升的类名称”中输入要创建的自定义的widget类名称，点击【添加】选中“提升的类”中新建的那个类，点击【提升】选中Widget组件，在右侧的“属性编辑器”中将objectName改为mpl···Widget保存文件，退出Qt Designer。右击Eric“项目浏览器”中的.ui窗体文件，选择【编译窗体】，生成文件Ui_countdownmainwindow.py打开生成的文件，将 剪切至上面，保存文件。
3.4 自定义Widget类的编写单击Eric工具栏新建按钮，创建一个空白文档，保存为名为‘mplpiewidget.py’的文件。伪代码编写代码3.5 Time类编写单击Eric工具栏新建按钮，创建一个空白文档，保存为名为‘mytime.py’的文件。伪代码编写代码3.6 主程序编写1.Eric“项目浏览器”右击.ui文件选择【生成对话框代码】2.选择【新建】类名3.单击【OK】，项目中生成名为countdownmainwindow.py的文件4.编辑countdownmainwindow.py
将改为导入我们写的Time类创建一个绘制饼图的方法创建列表，用于绘制饼图及设置饼图颜色在__init__方法中添加绘制饼图的方法在最后添加如下代码，将主窗口显示出来。完整代码为：3.7 程序的调试与运行F5键为调试程序选中主程序调试，调试整个项目，如果没有错误直接运行F2键为直接运行程序5 程序演示