0. 如何入门数据分析
关注沙漠之鹰的同学一定看过沙漠君写得很多篇数据分析文章，比如分析房价，车价，预测机动车摇号这些话题。其实文章中所有的分析都使用了Python和它非常强大的数据分析库Pandas。一些机器学习和预测的功能则用到了sklearn库。掌握了这些工具，就能应对绝大多数的分析需求。
纸上得来终觉浅，即使你看了很多书和代码，也未必比得上多接触例子多敲一些代码，三四个中等规模（约一两百行代码的）的案例就能让你有整体的把握。至于数据采集，沙漠之鹰有开源的数据抓取工具Hawk，网上也有众多如何获取数据的教程，因此本文不再详述。
系列文章分为三个部分：
1) 查询与统计
2) 可视化和高级用法
3) 分类和预测（估计会分为几篇文章）
好了，废话不多说，进入正题。
1. 找到好的问题
好的问题其实比答案更重要。人认识问题，分为四种级别：
我们知道自己知道的（房价在涨）
知道自己不知道的（可度量的信息，如房价平均涨幅）
不知道自己知道的（如证明摇号系统漏洞）
不知道自己不知道的（最有价值，蕴含着最大的机会）
沙漠君期待于寻找3-4层级的问题，可是多数情况只能在第1和第2档上徘徊。当你发现一个问题之后，还需要思考3个问题：
我是否找到了一个值得解决的问题？
我是否提出了一个足够好的解决方案
我真的想去解决这个问题吗？
最后的动机往往反映了你能解决该问题的最大极限，很多人也许仅仅是完成任务，因此有了一点成果便停滞不前，错过了最大的金矿。数据的质量比数量更重要，如果不知道什么样的数据更重要，即使拥有更多的数据也只会造成呕吐。数据分析需要专注，需要从纷繁的图表和信息中找到问题核心。
通常来说，人们对变化的指标更感兴趣，因此比率和增长幅度比静态的数据更有说服力。而变化又分长短期，不同维度得出的结论往往全然不同。相关性很好，因果性更佳。有了因果性，便有了改变未来的能力。
下图展示了数据分析的一般流程（图片来自网络）：
统计的三大核心：分组(map)，聚合(reduce)，排序(sort)。它们用的是如此普遍，因此MapReduce管道框架成了数据分析的标准，也非常适合做多机并行化。分组和排序很好理解，聚合指的是对各组内容做求和，分组等。
绝大部分数据分析操作，都可以通过查询，分组，聚合，排序四个元素进行级联组合进行。因此掌握这四大天王，应付一般的场景就都无问题了。 (这应该是这篇文章最重要的一句话了)
2. 查询和过滤
DataFrame是pandas的核心数据结构，可以理解为Excel里的二维矩阵，它更高级，能表达3维或更高维的数据，支持多索引。在内存中存取，效率极高，绝
