前言
想动手写写自己的经历，希望对更多像我一样想转行自学的年轻人有所帮助和鼓励。
1. 为什么想换工作
我的大概情况是，本科专业建筑环境与设备工程，2016 年 7 月毕业。同学很多去了工地，我受不了工地居无定所，选择了制造业。 制造业环境确实一般，虽然岗位是研发工程师，但经常要在车间干体力活，累得满头大汗，还要处理复杂的人际关系。无论是自然环境还是人文环境，只能用恶劣来形容。而且我们是单休，动不动就加班，最不合理的是加班没有加班费。节假日一般放一天，国企两天，周日值班一天给 32 块钱。 看到办公室里面三十几岁的男生还没有女朋友，有的即使有女朋友的还在住员工宿舍，快十年的工作经验还出国待过，现在月薪不到 1w。想到七八年后我的生活是这样，我就惶恐不安，觉得不能过这样的生活。 于是决心转行，瞄准 IT 行业。理由很简单：从业环境好，工作内容没有体力活（相对于体力劳动，更喜欢脑力劳动），相同的努力下，钱比制造业多，而且现在各个行业都与互联网相关。
2. 如何提前准备
从去年 11 月开始自学数据分析的一些课程。当时由于没有计算机基础，走了不少弯路，看了一些教程，东拼西凑，感觉乱七八糟。 甚至有一段时间，不断怀疑自己，放弃大学四年的知识，不做传统行业的研发，转身去接触一个新的东西是不是对的？ 那段时间，认识了一些数据分析岗位的在职者，年龄不大。有个同学建议我先做 Python 开发，再做数据分析（因为他说数据分析如何如何难，机器学习算法都是大牛玩儿的）。当时犹豫了很久，还自学了 Django 教程、前端知识、HTTP 协议，去熟悉 Linux。准备去找 Python 开发的职位（其实对软件开发不感冒）。 后来，看了两本关于转行的书，至今对我很有启发。 第一本书《转行》说了以下重点：
- 寻找一个导师：导师可以降低你加入一个新行业的成本，帮助你熟悉环境和行业规则，也会鼓励完成心理方面的转变。
- 建立新的社交网络：过去的人脉关系会阻碍你的转行，因为他们是以过去对你的认知来评价你。新领域的人脉，会给你提供各种各样新的机会和情感支持，帮助你融入。
第二本书《职场人终身学习心法》归纳下： 首先，如果想系统地学习，那就建议选择系统的渠道。既然在这个领域你是新手，就不要指望自己能把散落的信息整合成系统了，那是高手要做的事情。要想系统地学习，那就踏踏实实地拿出几个月的时间来，看 5 本这个领域的经典书，选一门系统课，或者跟着一个系统学习过的老师把这个领域的骨架摸清楚。你又不比别人聪明几倍，却想用几分之一的时间，就掌握人家花了好长时间下了硬功夫，系统掌握的知识，怎么可能呢？先接受一个已经存在的系统，再在上面修修改改，对于新手是最适合的方案。
用 3 句话来总结一下上面两篇文章：
- 转行最好有人带、有人指导。
- 去认识做大数据这块的人，否则身边的人脉关系会不断否定你，打击你（以及要说服家人支持你折腾）。
- 系统学习，要几个月，不要贪多，要扎扎实实看书。
这样一看，我就明白多了，并且知道该怎么做了。 第一的话，我想转行做数据分析这块的，过去的背景与此相差太远。现在的话，只有坚持终身学习，系统学习，要看书，好好啃。 当然，上面的建议是建立在你下决心要转行的基础上。先问问自己下面几个问题：
- 喜欢不喜欢转行后的工作？评估自己转行的优势与劣势？问问自己为什么不待在现在的行业了？自己是不是有很强的自我驱动力？自己是不是能保持终身学习？自己搜集信息和整合信息的能力是不是很强？自己是不是不怕失败？转行失败了，拿什么保底？
- 把这些令人焦虑和令人害怕的事情考虑清楚，再去做决定，要不要转行。这些问题想清楚了，就清除了学习道路上的精神障碍。
- 学习的那段时间，基本上每天学习 3-5 小时。每周平均 30 小时左右。加上在办公室没有事情的情况下，利用电脑看看东西，用笔记软件记录。
- 这几个月，先后看了《Python 核心编程》《利用 Python 进行数据分析》《R 语言实战》，还看了 SQL 的一些教程，以及一些数据分析师需要的思维。最后面试的时候，掌握的技能包括 SQL、Python、R。会一点简单的爬虫，懂点 Linux。
- 但是每一个都掌握的很浅，书只看了一半。像一些复杂的算法，还不能深入的理解。
技术准备详解
为了弥补基础薄弱的问题，我制定了详细的技术学习路线，并配合代码实践。
1. 环境搭建 推荐使用 Anaconda 发行版，它预装了 Python 和常用的科学计算库，避免了配置环境的繁琐。
# 创建虚拟环境
conda create -n data_analysis python=3.8
conda activate data_analysis
# 安装常用库
pip install pandas numpy matplotlib seaborn scikit-learn
2. 核心库学习 数据分析的核心在于数据处理和可视化。
- Pandas: 用于数据清洗和分析，类似 Excel 的高级版。
