想做数据分析是学python还是学大数据？

这是一个非常好的问题，作为一名IT从业者，我来一下。

首先，数据分析是大数据技术体系当中的一个重要组成部分，所以未来要想在数据分析领域走得更远，应该对大数据整体的技术体系有一个全面的了解，涉及到数据采集、数据存储、数据呈现、数据安全和数据应用等。

数据分析当前有两种常见的方式，一种是统计学方式，另一种是机器学习方式，当前统计学方式有一套比较完整的技术体系，相关内容的学习也会更容易一些，而机器学习方式对于初学者的要求相对高一些，往往需要初学者具有一定的编程基础和数学基础。

Python语言在数据分析领域的应用比较广泛，采用机器学习的方式进行数据分析，往往也需要采用Python语言来完成算法实现和落地应用，所以学习数据分析从Python语言开始学起也是比较常见的选择。由于Python语言本身的语法结构比较简单，而且Python语言自身的库也比较丰富，所以即使没有编程基础的人也可以顺利入门Python语言。

初学者学习完Python语言的基本语法之后，可以进一步学习机器学习知识，可以从一些经典的算法开始学起，比如决策树、k-mean、朴素贝叶斯等等，然后基于Python语言来完成这些算法的实现、训练、验证和应用步骤。当然，这个过程最好能够结合一些实际的应用场景，这会积累不少实践操作经验。

大数据结构中的很多组件都是java语言编写的少部分是由scala编写的，如hadoop中的hdfs ,mapreduce,yarn,zk,hbase,hive,spark等.这些东西更加倾向于数据工程，倾向数据的处理，计算。而python语言，包含了诸如pandas,numpy,scipy 等数据分析扩展包，通过学习这些包的使用，可以完全的掌握数据分析的能力。所以学习数据分析，建议学习python而不是大数据。

个人认为没什么冲突。

1.Python目前的使用基本排名前四，而数据分析需要的是数据整理以及数据库等东西。跟学习Python影响不是很大，而且学习Python比学习C++，JAVA等简单一些。

2.学习什么软件只是作为工具而言，主要学习的是借用工具处理问题的方法。所以关于学什么，其实你自己已经有一些答案。

小飞象数据分析社群探讨过这个问题，我们当时也给出了一些建议，以及群友的，今天我们来梳理一下这个问题。

我们认为要先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python或者学大数据，可以先上手Excel+SQL这2个简单的数据分析工具来入门。有SQL基础以及数据分析的基础后再学Python和大数据挖掘会相对容易些。

但是，需要值得注意的是，要入门数据分析岗，我们要先做职业的规划：

1. 明确自己职业规划是走业务方向还是技术方向。
2. 要充分对目标领域的行业知识进行全面的调研，了解行业背景及行业相关的指标，然而，在行业的选择上，要以擅长的、热爱的和有发展前景的即是最佳选择）。
3. 了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。

如果单纯的做数据分析，可以先学习python，在数据量不是特别大的情况下，python是完全有能力完成大部分分析需求的。如果遇到数据量特别大的情况，如十亿级以上，这个时候python处理起来可能就有些吃力，这个时候需要借助大数据来进行处理，比如spark生态圈，但是现在spark生态圈是支持python语言的，所以基础还是python。只有打牢基础，在平时使用是才能得心应手。

个人建议还是做大数据吧，毕竟大数据就是做数据分析，Python的话就是爬虫数据啦，很简单的，比大数据差了点

　　在过去几年中，对数据分析师和数据科学家的需求一直在快速增长。Python是用于数据分析最流行的语言，如果你想在数据字段中，您将工作可能需要学习Python(尽管R可以是一个伟大的选择。

　　像任何编程语言一样，Python需要花费一些时间来掌握。但是，如果您有动力并愿意学习一种新技能，那么就有很大的机会来满足就业市场对数据科学家的需求。数据科学领域充满了需要Python编程能力的工作。在2017年，IBM估计到2020年对数据科学专业人员的需求将增长28%。

　　了解Python是在包括工程，医学研究，人工智能，机器学习，汽车等行业的数据科学和其他编程工作中的一项关键技能。尽管学习数据科学似乎很漫长，但您可能会惊讶地发现，进入数据科学的Python的入门门槛实际上很低，尤其是与高回报相比。

　　为什么Python需求如此之高?

　　Python社区内部有个玩笑，说Python是所有功能的第二好语言。当然，最好的办法是主观的，但是Python非常灵活。这是最常见的- 数据的科学使用的语言(R是紧随其后)，并且它也经常在其他一些行业的使用。

大数据和Python从根源来说，是两个维度的两码事。如果你不能理解，这相当于问了一个问题，请问我学做淮扬菜好还是学造铁锅好？

一个是根源，一个是延伸。你可以选择用铁锅来做淮扬菜，或者你也可以用铁锅去做川菜。甚至如果你愿意，也可以用不粘锅来做菜。最终的结果都会非常类似。可能你在网上看到了一些文章，Java大数据工程师工资非常高，又看到Python工程师能拿到多少多少钱的月薪。所以产生了题目中比较有歧义的问题。也许修改一下更为贴切。做大数据应该学Python好还是Java好？

从当前市场来说，Python可能会更受青睐一些。比如拿了海量数据，你准备做什么？是不是得去配合人工智能搞事情？那人工智能现在更多人选择用什么？Python啊！PyTorch，TensorFlow，MXNet等等第三方深度学习库，都非常成熟。是不是要搞数据可视化？那现在数据可视化的工具应该用什么？Python啊！matplotlib或者其他一些基于其之上的可视化库，比如seaborn之类。都是好看又好用。是不是要做科学计算？那现在怎么做科学计算更方便呢？Python啊！numpy，pandas，scipy，做起来数学计算简直爽歪歪，超大矩阵秒出答案，各种数学公式一行代码解决问题。

当然Java也有很多非常棒的第三方库支持，不过当前世界的趋势就是Python的占比份额越来越大，如果对Java没有太多的感情，可以把更多的精力放在Python上。如果你是个新手，没有太多的编码经验，可以从Java或者.Net入门。

python和大数据都是为了业务服务的，若是学习使用技术，学习哪个都可以，但是python相对容易一些。要想学好，必须数学的。

百战程序员IT问题专业解答

1.Python目前的使用基本排名前四，而数据分析需要的是数据整理以及数据库等东西。跟学习Python影响不是很大，而且学习Python比学习C++，JAVA等简单一些。

2.学习什么软件只是作为工具而言，主要学习的是借用工具处理问题的方法。所以关于学什么，其实你自己已经有一些答案。