資料分析是指用適當的統計分析方法對收集來的大量資料進行分析，提取有用資訊和形成結論而對資料加以詳細研究和概括總結的過程。這一過程也是品質管理系統的支持過程。在實務中，數據分析可幫助人們做出判斷，以便採取適當行動。
資料分析的數學基礎在20世紀早期就已確立，但直到電腦的出現才使得實際操作成為可能，並使得資料分析得以推廣。數據分析是數學與計算機科學結合的產物。
類型（推薦學習：Python影片教學）
在統計領域，有些人將資料分析分成描述性統計分析、探索性資料分析以及驗證性資料分析；其中，探索性資料分析著重於在資料之中發現新的特徵，而驗證性資料分析則著重於已有假設的證實或證偽。
探索性資料分析是指為了形成值得假設的檢定而對資料進行分析的一種方法，是對傳統統計假設檢定手段的補充。此方法由美國著名統計學家約翰·圖基(John Tukey)命名。
定性資料分析又稱為“定性資料分析”、“定性研究”或“定性研究資料分析”，是指對諸如詞語、照片、觀察結果之類的非數值型資料（或者說資料）的分析
建議大家使用python進行資料分析，原因有以下四點：
python語言非常的簡單、易學，適合初學者作為入門語言
Python的文法簡單，程式碼可讀性高，容易入門，有利於初學者學習。舉個例子，假如我們在處理資料的時候，希望把使用者性別資料數值化，也就是變成電腦可以運算的數字形式，我們可以直接用一行清單推導式完成，十分的簡潔，
python擁有強大的通用程式設計能力
不同於R或matlab，python不僅在資料分析方面能力強大，在爬蟲、web、自動化維運甚至遊戲等等很多領域都有廣泛的應用。這就使公司使用一種技術完成全部服務成為可能，有利於各個技術組之間的業務融合。例如，我們用python的爬蟲框架scrapy爬取數據，然後交給pandas做數據處理，最後使用python的web框架django給用戶作展示，這一系列任務可以全部用python完成，能大大提高公司的技術效率。
Python擁有一個巨大而活躍的科學計算社群
Python在資料分析和互動、探索性運算以及資料視覺化等方面都有非常成熟的函式庫和活躍的社區，使python成為資料處理任務重要解決方案。在科學計算方面，python擁有numpy、pandas、matplotlib、scikit-learn、ipython等等一系列非常優秀的函式庫和工具，特別是pandas在處理中型資料方面可以說有著無與倫比的優勢，正在成為各行業資料處理任務的首選庫。
python是人工智慧時代的通用語言
在人工智慧火熱的今天，python已經成為了最受歡迎的程式語言。得益於python的簡潔、豐富的函式庫和社區，大部分深度學習框架都優先支援python語言編程，例如當今最火熱的深度學習框架tensorflow，它雖然是C 編寫的，但對python語言支援最好。
更多Python相關技術文章，請造訪Python教學欄位學習！
以上是python資料分析是做什麼的的詳細內容。更多資訊請關注PHP中文網其他相關文章！
