本文可以看做是诚实预告版的《如何成为一名全栈数据科学家》，有感于湾区日报推荐的一篇文章《全栈数据科学家》，并探索如何正确点亮“数据科学家”的技能树以及Python在这棵技能树中的位置。
机器学习、大数据、数据挖掘这些红到碰不得的词碰撞出“数据科学家”、“数据工程师”这样的新兴职位，《全栈数据科学家》一文中作者提出了一个典型的数据科学部门的组成结构：
数据科学家：统计学家中代码写得最好的与工程师中统计学最好的“思考者”；
数据工程师：给数据科学家喂食、将他们的想法落地实现的“行动者”；
基础工程师：维护数据的“工人”。
这里不再重复作者对于职能分配等方面的讨论，有兴趣可以去阅读一下原文。首先需要说明，和Wb开发领域的“全栈工程师”类似，全栈不是“物美价廉”的代名词，也不是“难以沟通，喜欢单打独斗”找的借口，而是对这个领域的所有环节都充满兴趣，对于从无到有的创造过程充满激情，更是能够理解彼此的需求，让团队沟通协作更加顺畅的润滑剂，所以每个领域都存在也需要更多的全栈！好了，干了这碗鸡汤，回归正题。我分别去Quora和蛤乎进行搜索，找到两张广义上数据科学家的技能图谱：
总的来说分为下面几个分支：
数学，统计，机器学习；
数据采集、分析、挖掘；
数据库、大数据处理；
结果报告、可视化。
在这些分支中，除了核心的数学能力、对数据的敏感以及创造性思维等，其余大部分要依赖编程语言或相关的工具来完成，并且同时可能存在多个竞争语言可供选择，下面我们就逐一讨论Python在这些领域中的应用：