Про python
Сразу скажу, что я говорю про питон для аналитиков, а не разработки.

Первый поинт.
Есть два варианта его ботать:
1) проектный — у вас есть конкретная задача, под неё вы ищите готовые решение. И так становитесь умнее.

2) фундаментальный — вы смотрите какой-то курс, где вам дают много знаний, и что-то однажды вам пригодится.

Немного про плюсы и минусы. Фундаментальный дольше, но и качество знаний (если вы потом их используете) выше. Проектный подход может не дать вам хорошего решения. И вы не будете знать, что можно сделать по другому.

Я сам изучал питон проектным способом. В 11 классе надо было нарисовать графики в Паскале. Я решил что Паскаль мне надоел. И потратил выходные, чтобы сделать это в питоне. Потом делал аналогично на лабораторных работах.

Поинт 2
Есть три уровня познания;
1) вы копируете чужой код не очень понимая, как он работает
2) мы можете скопировать два разных чужих кода и адаптировать их под себя
3) вы понимаете, как что работает и можете написать сами

При проектором подходе, обычно вы остаётесь на 1-2 уровне. Но вам решать какой уровень достаточный. Если вам быстро нужно решить разово задачу, то проще скопировать чужой код.

Поинт 3
Питон для аналитика — клей для библиотек. Распишу, что считаю нужно знать, а что знать желательно.
1) точно нужно знать:
Циклы, условия, функции, работа со строками, датами, случайные числа. Листы (массивы), словарь (хэш таблица). Генераторы массивов и словарей.

2) знать полезно:
Работа с классами. Исключения. Регулярные выражения (не совсем питон, но очень полезно).
Работа с файлами (CSV, json)
Подключение к базе данных

Пойдём теперь по библиотекам
Pandas — святая святых для аналитика.
1) знать важно:
Series(создание, работа с ними)
DataFrame(создание разными способами)
Работа с датами
Работа со строками
Apply
itterrows
pivot-table
Фильтры
Сортировки
Group by (agg)

2) знать полезно:
Работа с группами
Векторизация

3) когда-нибудь заботать
Spark, Modin

Numpy (scipy) — последнее время, я не использую. Но если вам, что-то нужно из Математики, то в них это уже реализовано. Статистика, разные тесты и прочее все есть. Ну и заботайте векторизацию

Визуализация: я с 1 курса полюбил plotly. Напишу про него. Четких пацанов, юзающих Matplot просьба не Хейтить
1) знать нужно
Plotly.express (color, size, trend line)

2) знать полезно
Работа с полной версией, бывает нужно, когда нужно несколько графиков на одном.
Экспорт графиков (в png и html)

3) круто знать
Dash

Парсинг — тут я сам не очень знаю.
Точно надо: beautiful soup
Полезно: Selenium, postman (не питон, но в нем есть классный экспорт запроса в разные языки)

В коментах буду добавлять материалы для бота, так что заглядывайте

#python