⏳ 时光/数据分析师← 返回主页
BOOK LIST

数据分析师书单

按主题分类的 20+ 本经典书籍。难度星级越低越适合入门;阶段标签对应「学习路线」页的阶段。点击书名可跳转豆瓣查看详情与评分。

7
主题分类
20+
精选书籍
★~★★★★
难度分级

01入门与思维

先建立「用数据思考」的直觉,再谈工具。适合阶段一。

01

《深入浅出数据分析》

Michael Milton · 中译本 · ★★ 入门阶段一
用漫画式案例讲透「分析 = 拆解问题 + 验证假设」,全书无一行代码,是最友好的分析思维启蒙书。 豆瓣 →
02

《用数据讲故事》

Cole Nussbaumer Knaflic · 中译本 · ★★ 入门阶段四
可视化表达的「圣经」:如何选图表、去噪、用颜色引导注意力,让报告真正说服人。 豆瓣 →
03

《谁说菜鸟不会数据分析》

张文霖 等 · 中文原创 · ★ 入门阶段一
以 Excel 为主线、案例驱动的中文入门书,零基础友好,跟着做一遍就能上手。 豆瓣 →
04

《数据思维:从数据分析到商业价值》

王汉生 · 中文原创 · ★★ 入门阶段五
北大光华教授写的统计学思维科普,用大白话讲「相关不等于因果」等核心观念。 豆瓣 →

02统计学

数据分析的底层语言,面试必考。适合阶段一与阶段五。

05

《深入浅出统计学》

Dawn Griffiths · 中译本 · ★★ 统计阶段一
Head First 系列,把概率、分布、置信区间、假设检验画成看得懂的故事。 豆瓣 →
06

《统计学的世界》

David S. Moore · 中译本 · ★★ 统计阶段一
不堆公式、只讲统计思想,适合非数学背景的人建立统计直觉。 豆瓣 →
07

《商务与经济统计》

Anderson 等 · 中译本 · ★★★ 统计阶段五
经典商学院教材,案例贴近真实商业场景,做 A/B 测试与假设检验时可当工具书查阅。 豆瓣 →
08

《概率论与数理统计》

浙大版(盛骤 等)· 中文教材 · ★★★ 统计阶段五
国内最普及的大学教材,缺哪块补哪块(分布、估计、检验),遇到看不懂的概念回来翻。 豆瓣 →

03SQL 与数据库

面试第一关,刷题 + 精读结合。适合阶段三。

09

《SQL必知必会》

Ben Forta · 中译本 · ★ SQL阶段三
200 页的小薄书,一两天读完,最快把 SQL 基础语法跑通。 豆瓣 →
10

《MySQL 必知必会》

Ben Forta · 中译本 · ★ SQL阶段三
上书的 MySQL 版,示例可直接在本地 MySQL 里运行,边看边敲。 豆瓣 →
11

《SQL 进阶教程》

Mick · 中译本 · ★★★ SQL阶段三
从「会写」到「写得好」:窗口函数、性能优化、易错点剖析,进阶必读。 豆瓣 →
12

《SQL 经典实例》

Anthony Molinaro · 中译本 · ★★★ SQL进阶
按业务场景组织的实战手册,工作中遇到「这个查询怎么写」直接查目录。 豆瓣 →

04Python 与数据处理

从语法到数据科学工具箱。适合阶段二。

13

《Python编程:从入门到实践》

Eric Matthes · 中译本 · ★★ Python阶段一
零基础学 Python 语法的最畅销选择,前半本语法、后半本项目实战。 豆瓣 →
14

《利用Python进行数据分析》

Wes McKinney(Pandas 作者)· 中译本 · ★★★ Python阶段二
数据分析方向最值得精读的一本书:NumPy / Pandas 一手知识,按书敲一遍胜过看十篇教程。 豆瓣 →
15

《Python数据科学手册》

Jake VanderPlas · 中译本 · ★★★ Python阶段二
数据科学工具箱全景:NumPy、Pandas、Matplotlib、Scikit-learn 一气呵成,适合当第二本精读书。 豆瓣 →
16

《利用 Python 进行数据分析(配套练习)》

《Python for Data Analysis》官方仓库 · 免费 · ★★ Python阶段二
书中所有示例代码与数据集的官方 GitHub 仓库,跟着跑一遍即可动手改造。 GitHub →

05数据可视化

把分析结论变成「一眼看懂」的图表。适合阶段四。

17

《鲜活的数据》

Nathan Yau · 中译本 · ★★★ 可视化阶段四
作者是流数据可视化博客创始人,讲如何从数据到叙事,案例极富启发性。 豆瓣 →
18

《数据可视化之美》

Julie Steele & Noah Iliinsky 编 · 中译本 · ★★★ 可视化进阶
20 多位可视化实践者的经验文集,帮你建立「好的可视化长什么样」的审美。 豆瓣 →
19

《ECharts 数据可视化实战》

中文原创教程 · ★★ 可视化阶段四
国产图表库 ECharts 的入门实战,配合官方示例库(echarts.apache.org)上手更快。 豆瓣 →

06机器学习

加分项与进阶方向。适合阶段六。

20

《Python机器学习基础教程》

Andreas Müller & Sarah Guido · 中译本 · ★★★ ML阶段六
用 Scikit-learn 入门机器学习的最佳选择:每个模型讲原理 + 代码 + 何时用。 豆瓣 →
21

《机器学习》(西瓜书)

周志华 · 中文原创 · ★★★★ ML进阶
国内机器学习理论经典,数学推导较多,适合有基础后精读,面试理论题常考。 豆瓣 →
22

《统计学习方法》

李航 · 中文原创 · ★★★★ ML进阶
算法推导最清晰的中文专著,面试前刷一遍「感知机 / SVM / 决策树」推导大有帮助。 豆瓣 →
23

《机器学习实战》

Peter Harrington · 中译本 · ★★★ ML阶段六
手把手写代码实现算法,代码偏老但思路经典,适合培养「把模型跑起来」的感觉。 豆瓣 →

07业务与进阶

从「会分析」到「能产生业务价值」。适合阶段五及以后。

24

《精益数据分析》

Alistair Croll & Benjamin Yoskovitz · 中译本 · ★★★ 业务阶段五
用数据驱动产品与商业决策的经典,讲透「什么指标该看、什么时候看」。 豆瓣 →
25

《增长黑客》

范冰 · 中文原创 · ★★ 业务阶段五
大量中文互联网增长案例(A/B 测试、漏斗优化),帮你理解数据分析在业务中的真实玩法。 豆瓣 →
26

《数据挖掘导论》

Pang-Ning Tan 等 · 中译本 · ★★★★ 进阶进阶
数据挖掘体系化教材,分类、聚类、关联规则的框架讲得极清楚,长期案头书。 豆瓣 →
27

《数据分析实战:方法、工具与案例》

中文原创 · ★★★ 业务阶段五
以真实业务案例串起分析全流程(取数 → 清洗 → 建模 → 报告),适合做完阶段二后阅读。 豆瓣 →

08读书方法建议

📖 快速通读

第一遍不求甚解,2–3 天翻完,先知道「书里有什么」,标注重点章节。

✍️ 精读 + 敲码

第二遍按章节动手复现所有示例,代码一定要亲手敲,不要复制粘贴。

🔁 输出笔记

每章写 3–5 条要点 + 1 个自己的例子,发到博客/语雀,形成知识资产。

选书策略:同类书买 1–2 本即可,把一本吃透胜过书架吃灰。纸质书 + 官方文档 + 视频三合一,效率最高。