如果我要用Python做数据分析之上手篇

开头先BB两句

开始上手之前，先来啰嗦两句，都是一些大家都知道的废话 balabala

Python 数据分析是使用 Python 编程语言进行数据处理、探索、分析和可视化的过程。

Python 作为一种高级编程语言，拥有丰富的数据处理和分析库：

如 Pandas、NumPy、Matplotlib、Seaborn、Scikit-learn 等。

这使得 Python 成为了数据科学和数据分析领域中的一种重要工具。

Python 数据分析在未来的发展前景非常广阔。随着大数据时代的到来，数据的规模和复杂性不断增加，对数据分析的需求也越来越高。

Python 作为一种灵活、简洁、易用的编程语言，具有丰富的数据处理和分析库，使得其在数据科学和数据分析领域中具有竞争优势。

同时，随着人工智能、机器学习、深度学习等技术的快速发展，Python 数据分析在这些领域中也扮演着重要角色，因为这些技术通常需要对大量的数据进行预处理、特征提取、模型训练和结果分析等操作，而Python在这些方面具有丰富的库和工具支持。

此外，Python 数据分析在各个行业和领域都有广泛的应用，包括金融、医疗、电商、社交媒体、能源、交通等，通过对各自领域的数据进行分析，可以提供深入的业务洞察和决策支持，从而推动相应领域的发展和创新。

总的来说，Python 数据分析在当今信息化时代具有重要的意义和影响，为企业、组织和科学研究等提供了强大的数据处理和分析工具，助力决策、优化业务、推动创新，同时也在未来的发展前景非常广阔，将继续在各个领域中发挥着重要作用。

最简单的数据分析

那么，由浅入深，先从最简单的数据分析开始，举例说明：

假设有一个包含学生成绩的 CSV 文件（scores.csv）

包含学生的姓名、科目和成绩信息。

使用 Python 的 Pandas 库进行数据处理和分析

scores.csv文件

姓名,科目,成绩张三,数学,80张三,英语,90李四,数学,85李四,英语,92王五,数学,78王五,英语,88

统计每个学生的平均成绩

import pandas as pd# 读取CSV文件df = pd.read_csv('scores.csv')# 按姓名分组，计算平均成绩df_grouped = df.groupby('姓名').mean()# 打印结果print(df_grouped)

输出结果：

      成绩姓名      张三  85.0李四  88.5王五  83.0

以上代码使用 Pandas 的 read_csv 方法读取 CSV 文件，并使用 groupby 方法按照姓名进行分组，然后使用 mean 方法计算每个学生的平均成绩。最后，通过打印结果可以得到每个学生的平均成绩信息。

小总结

这个例子中使用了Pandas库来读取CSV文件，并对成绩数据进行了简单的处理，计算了每个人的平均成绩。除了计算平均成绩，Pandas还提供了丰富的数据操作和分析功能，例如：

1. 数据筛选与过滤：可以使用Pandas提供的条件筛选、逻辑运算等功能，对数据进行过滤、查询和筛选，以满足特定需求。
2. 数据排序与排名：可以使用Pandas提供的排序和排名功能，对数据进行排序和排名操作，以便进行数据分析和展示。
3. 数据聚合与统计：可以使用Pandas提供的聚合和统计函数，例如sum、mean、median、min、max等，对数据进行统计分析，以便获取更多的洞察和结论。
4. 数据转换与处理：可以使用Pandas提供的数据转换和处理功能，例如数据类型转换、缺失值处理、字符串处理、数据合并、数据拆分等，以便进行数据清洗和预处理。
5. 数据可视化：可以使用Pandas结合其他可视化库（例如Matplotlib、Seaborn等），对数据进行可视化分析，生成图表、图形和图像，以便更好地理解数据。
6. 数据统计分析：可以使用Pandas进行数据统计分析，例如描述性统计、假设检验、回归分析、时间序列分析等，以便深入挖掘数据背后的信息和趋势。
7. 数据合并与连接：可以使用Pandas提供的合并和连接功能，对多个数据表进行合并和连接操作，以便进行数据整合和关联分析。

总的来说，Pandas提供了丰富的数据处理、分析和展示功能，可以在数据分析中广泛应用，从而帮助数据分析人员更加高效地处理和分析数据，得出有价值的结论。

第二个栗子

再写一个

“data.csv” 是一个示例的CSV格式数据文件。

包含了学生的成绩信息，具体的数据格式可能类似如下：

姓名,性别,年龄,语文成绩,数学成绩,英语成绩张三,男,18,80,85,90李四,男,19,85,88,92王五,女,18,90,92,88赵六,女,19,92,87,95

数据读取与展示：

import pandas as pd# 读取CSV文件df = pd.read_csv('data.csv')# 查看前5行数据print(df.head())# 查看数据的基本统计信息print(df.describe())# 查看数据的列名print(df.columns)# 查看数据的形状print(df.shape)

数据筛选与过滤：

# 筛选出数学成绩大于80的学生math_above_80 = df[df['数学成绩'] > 80]# 筛选出语文成绩大于等于90且数学成绩大于等于90的学生chinese_math_above_90 = df[(df['语文成绩'] >= 90) & (df['数学成绩'] >= 90)]

数据聚合与统计：

# 计算每个学生的平均成绩df['平均成绩'] = df.mean(axis=1)# 按性别分组，计算每个性别学生的平均数学成绩和语文成绩df_grouped = df.groupby('性别').agg({'数学成绩': 'mean', '语文成绩': 'mean'})

数据转换与处理：

# 将数学成绩从百分制转换为0-10分制df['数学成绩_0_10'] = df['数学成绩'] / 10# 填充缺失值df.fillna(0, inplace=True)# 将姓名列拆分为姓和名两列df[['姓', '名']] = df['姓名'].str.split(' ', expand=True)

数据可视化：

# 数据可视化：import matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesfont_set = FontProperties(fname='ttf/msyh/msyh.ttf', size=15)# 设置中文字体# 绘制柱状图，显示每个学科的平均成绩bar = df_grouped.plot(kind='bar')# 设置x轴标签plt.xticks(range(len(df_grouped.index)), df_grouped.index,fontproperties=font_set)plt.legend(loc="upper left",prop=font_set)plt.title('平均成绩',fontproperties=font_set)plt.xlabel('学科',fontproperties=font_set)plt.ylabel('平均成绩',fontproperties=font_set)plt.show()

以上代码示例展示了Pandas在数据分析中的一些常见用法，具体的数据分析场景和需求会根据实际情况有所不同，可以根据实际数据和分析目标，选择合适的Pandas功能进行数据处理、分析和展示。

数据可视化，中文无法显示的问题，解决方案：

设置x轴标签、图例、标题和轴标签的字体属性为font_set，其中font_set是一个FontProperties对象，指定了使用的中文字体和字体大小。

from matplotlib.font_manager import FontPropertiesfont_set = FontProperties(fname='ttf/msyh/msyh.ttf', size=15)

具体解释如下：

• plt.xticks(range(len(df_grouped.index)), df_grouped.index,fontproperties=font_set)：
• 这行代码用于设置x轴标签的属性。
• range(len(df_grouped.index))
• 生成了一个包含从0到学科数量的整数序列，作为x轴的刻度位置；
• df_grouped.index作为刻度标签；
• fontproperties=font_set设置刻度标签的字体属性为font_set，即使用指定的中文字体和字体大小。
• plt.legend(loc="upper left",prop=font_set)：
• 这行代码用于设置图例的属性。
• loc="upper left"
• 指定图例位置为左上角；
• `prop=font_set
• 设置图例的字体属性为font_set，即使用指定的中文字体和字体大小。
• plt.title('平均成绩',fontproperties=font_set)：
• 这行代码用于设置图表的标题属性。
• '平均成绩'是图表的标题；
• fontproperties=font_set
• 设置标题的字体属性为font_set，即使用指定的中文字体和字体大小。
• plt.xlabel('学科',fontproperties=font_set)：
• 这行代码用于设置x轴标签的属性。'学科'是x轴的标签；
• fontproperties=font_set
• 设置x轴标签的字体属性为font_set，即使用指定的中文字体和字体大小。
• plt.ylabel('平均成绩',fontproperties=font_set)：
• 这行代码用于设置y轴标签的属性。'平均成绩'是y轴的标签；
• fontproperties=font_set
• 设置y轴标签的字体属性为font_set，即使用指定的中文字体和字体大小。

通过这些设置，可以确保在绘制柱状图时，x轴标签、图例、标题和轴标签的字体都能正确显示为指定的中文字体和字体大小。

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

如果需要可以点击链接免费领取或者滑到最后扫描二v码

[CSDN大礼包：《python学习路线&全套学习资料》免费分享]（安全链接，放心点击）

Python学习大纲

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

Python实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

Python面试刷题

Python副业兼职路线

这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以点击链接免费领取或者扫描二v码免费领取【保证100%免费】
[CSDN大礼包：《python学习路线&全套学习资料》免费分享]（安全链接，放心点击）