Python之所以是一门很容易被人们爱上的语言，不光因为它本身的简洁优雅，更因为它是一种非常好用的'胶水语言'，能融合丰富且强大的第三方类库。在巨大而活跃的科学计算社区的支持下，如NumPy，SciPy，Pandas等数据科学领域的三方库不断涌现和迭代，让Python在数据分析和交互、探索性计算以及数据可视化等方面接近并超越其他开源及商业的领域的工具。Python作为科学计算时代的语言，可以轻松实现如线性代数、优选、积分、快速傅里叶变换以及其他数据科学的算法。
例如我们可以通过短短几行代码就能实现以最小二乘拟合数据来求解一个形如y = mx + c的线性方程的斜率和截距，并实现预测。
Python学习群：593088321
import numpy as np
x=np.array([243,314,625,1024])
y=np.array([75,103,155,269])
x=np.vstack([x,np.ones(len(x))]).T
#model
m,c=np.linalg.lstsq(A,y)[0]
print(m,c)
#predict
newX=2000
print(m*newX+c)
以招聘人数和薪资来讲，Python数据科学领域应用不仅是当下Python方向最热门的职业（远超WEB领域），也是未来迈向更高端的机器学习方向必须之途。那Python程序员和传统数据分析师如何顺利切入Python数据分析呢？