2、开启 Python 数据分析之旅

开启 Python 数据分析之旅

1. 数据、信息与知识的关系

数据是未加工的信息，它可以以任何形式存在，有用或无用。例如，撰写本文当天黄金价格为每盎司 1158 美元，这仅仅描述了黄金价格，本身并无其他意义，这表明数据的有用性取决于上下文。

当建立起数据之间的关联时，信息便出现了，它能让我们超越感官范围拓展知识。若拥有一段时间内的黄金价格数据，我们可能得到的一条信息是：黄金价格在三天内从 1152 美元持续上涨到 1158 美元，这对于追踪黄金价格的人来说是有用的。

知识则帮助人们在生活和工作中创造价值。它基于经过组织、综合或总结的信息，以增强理解、意识或领悟能力。当黄金价格连续三天上涨时，下一天价格可能会略有下降，这就是有用的知识。

数据到知识的转化过程如下：

graph LR
    A[数据] --> B[收集]
    B --> C[总结]
    C --> D[组织]
    D --> E[信息]
    E --> F[综合]
    F --> G[分析]
    G --> H[知识]
    H --> I[决策]

2. 数据分析与处理

2.1 数据分析所需的知识领域

如今数据日益庞大和多样化，分析和处理数据以提升人类知识或创造价值是一项巨大挑战。要应对这些挑战，需要多领域的知识和技能，包括计算机科学、人工智能与机器学习、统计学与数学以及特定领域知识，具体如下：
- 计算机科学