实用指南:怎么利用 Python 进行数据分析?看这一篇就够了!
Python具有强大的数据分析和处理能力,使用Python做数据分析需掌握pandas、matplotlib、seaborn这三个Python包,掌握Python数据分析知识,可帮助我们更好地发现数据背后的规律和趋势,为业务决策提供支持。
1.使用Pandas数据读取
首先,导入pandas库,pandas库有强大的数据处理能力,使用read_excel函数可导入数据,只要导入文件路径即可导入数据,head可以预览前5行数据。
import pandas as pd df=pd.read_excel(r'C:\Desktop\电商销售数据-23年8月.xlsx') df.head()#预览前5行数据
info函数可以看各个字段的信息,包括非空值计数,数据类型,比如,这里的日期为日期型数据,区域为字符型数据,客户年龄为数值型数据。
df.info()#数据信息预览
使用describe函数对数据进行描述统计,描述统计内容包括计数、平均值、标准差、最小值、最大值等,比如对客户年龄进行描述统计,平均客户年龄为42岁,年龄最小的客户为22岁,年龄最大的客户为62岁。
df.describe()#数据描述统计
2.使用Pandas数据排序
sort_values函数可用于数据排序,by导入排序的数据列,默认排序是升序排序。
df.sort_values(by='销售额',inplace=True)#默认升序排序 df
ascending=False参数可以降序排列。
df.sort_values(by='销售额',inplace=True,ascending=False)#降序排序 df
如果要自定义排序,比如商品品类升序排序,销售额降序排序,by导入自定义数据列,ascending设置参数,True升序排序,False降序排序。
df.sort_values(by=['商品品类','销售额'],ascending=[True,False],inplace=True)#自定义排序 df
3.使用Pandas数据过滤
数据筛选使用数据框[]筛选,数据框里面写条件用于数据筛选,&当条件均满足时筛选,==满足特定条件筛选,这里表示筛选客户性别是男且客户年龄大于60的数据。
df[(df['客户性别']=='男')&(df['客户年龄']>60)]#数据筛选&与
下面筛选区域是“西北-甘肃省-白银”或者商品品类是“电脑硬件”的数据,& 当条件均满足时筛选,| 满足其一条件时筛选数据。
df[(df['区域']=='西北-甘肃省-白银')|(df['商品品类']=='电脑硬件')]#数据筛选|或
isin可筛选特定标签的数据,()内写具体的筛选标签即可,比如下面筛选特定订单号的数据。
df[df['订单号'].isin(['10021296335','10021669688','10021250896','10021434444','10021412817'])]
4.使用Pandas数据拆分
通过str.split方法对列中的数据进行拆分,expand参数设置为True,将返回包含拆分后的数据的DataFrame对象,如下将区域拆分为“省份”和“城市”两列。
df_split=df['区域'].str.split(pat='-',expand=True)#数据拆分 df['区域']=df_split.iloc[:,0] df['省份']=df_split.iloc[:,1] df['城市']=df_split.iloc[:,2] df
5.使用Pandas统计运算
对数据进行统计运算,count用于计数,比如这里对订单号计数,计数结果有7409单。
df['订单号'].count()#计数
7409
如果对商品品类非重复计数,可以先使用unique返回非重复的列表,然后使用len对列表计数,返回结果商品品类有8个非重复值。
len(df['商品品类'].unique())#非重复计数
8
对销售数求和,sum用于求和,这里结果显示销售数总数为48354个。
df['销售数'].sum()#求和
48354
对每一个商品品类的订单数计数,使用groupby分组计数,即可得到每一个商品品类的订单数。
df.groupby(['商品品类'])['订单号'].count().reset_index()#分组计数
6.使用Python数据作图
Python中的matplotlib和seaborn库有强大的数据可视化功能,对各个区域的销售数计数,导入matplotlib包,传入销售数据列,并对具体的图表参数进行设置,可得出华南区域的销售数占比最大为36.3%,西南区域的销售数占比最小为3.1%。
import matplotlib.pyplot as plt import matplotlib.style as psl plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 psl.use('ggplot') df_QY=df.groupby(['区域'])['销售数'].count().reset_index() #饼图 labels = df_QY['区域'].tolist() explode = [0.05,0.05,0,0,0,0] # 用于突出显示数据 df_QY['销售数'].plot(kind='pie',figsize=(9,6), autopct='%.1f%%',#数据标签 labels=labels, startangle=260, #初始角度 explode=explode, # 突出显示数据 pctdistance=0.87, # 设置百分比标签与圆心的距离 textprops = {'fontsize':12, 'color':'k'}, # 设置文本标签的属性值 ) plt.title("各区域销售数占比") plt.show()
对利润做箱线图,使用boxplot函数,并对箱线图图表的参数进行设置,可得出利润的数据分布情况,箱线图中的大多数利润数据都超过了箱线图的上下限。
import matplotlib.pyplot as plt import matplotlib.style as psl plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 psl.use('ggplot') plt.title('利润箱线图') df_XB=df[df['区域']=='西北'] #箱线图 plt.boxplot(x=df_XB['利润'],#指定绘制箱线图的数据 whis=1.5, #指定1.5倍的四分位数差 widths=0.1, #指定箱线图中箱子的宽度为0.3 showmeans=True, #显示均值 #patch_artist=True, #填充箱子的颜色 #boxprops={'facecolor':'RoyalBlue'}, #指定箱子的填充色为宝蓝色 flierprops={'markerfacecolor':'red','markeredgecolor':'red','markersize':3}, #指定异常值的填充色、边框色和大小 meanprops={'marker':'h','markerfacecolor':'black','markersize':8}, #指定中位数的标记符号(虚线)和颜色 medianprops={'linestyle':'--','color':'orange'}, #指定均值点的标记符号(六边形)、填充色和大小 labels=['西北'] ) plt.show()
对销售数做折线图,导入seaborn库,日期列做为X轴,销售数作为Y轴,由折线图可以看到销售数随日期的波动变化趋势。
import seaborn as sns import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 plt.figure(figsize=(10,6)) # 使用Seaborn绘制折线图 sns.lineplot(data=df, x='日期', y='销售数', color='blue') # 设置图表标题和轴标签 plt.title('销售数折线图') plt.xlabel('日期') plt.ylabel('销售额') # 显示图形 plt.show()
对商品品类做词云图进行展示,wordcloud库可专门做词云图,通过使用字典统计商品类别数量,创建词云对象后,使用matplotlib绘制词云图,由词云图可以看出床品件套的品类最多,办公家具的品类最少。
from wordcloud import WordCloud import matplotlib.pyplot as plt # 商品类别列表 product_categories = df['商品品类'].tolist() # 使用字典统计商品类别数量 category_counts = dict() for category in product_categories: if category in category_counts: category_counts[category] += 1 else: category_counts[category] = 1 #创建词云对象 wordcloud = WordCloud(font_path='simhei.ttf', background_color='white').generate_from_frequencies(category_counts) # 使用matplotlib绘制词云图 plt.figure(figsize=(9, 6)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show()
利用Python进行数据分析需熟练掌握pandas、matplotlib、seaborn等Python库,还要具备编程和数据分析基本技能。现在是人工智能和大数据时代,掌握数据技能是职场人士所必须的技能,如果你想要提升自己,不妨看看我的文章合辑,归类了很多Python相关的内容~
最后
我用Python已经九年了,分享的都是一些自己的学习经历和干货,关于我的系统学习路线,和一些实战教程,都打包整理好了,需要的小伙伴可以文末获取。
如果你也想自学Python,可以关注我。我会把踩过的坑分享给你,让你不要踩坑,提高学习速度,还整理出了一套系统的学习路线,这套资料涵盖了诸多学习内容:开发工具,基础视频教程,项目实战源码,51本电子书籍,100道练习题等。相信可以帮助大家在最短的时间内,能达到事半功倍效果,用来复习也是非常不错的。
1.Python系统学习路线图
2.Python必备开发工具
3.看视频进行系统学习
先在网上康康达人分享的视频、干货,通俗易懂,形成初始概念;你会发现博主们在进阶成大神之前他们的学习途径有哪些,找到适合自己风格的课程;
不过这样学习技术比较杂乱,所以通过更加系统的视频来学习,效果更好,也更全面。
4.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。
资料获取方式:↓↓↓↓
1.关注公众号:萧晓编程百事通
2.在后台发送:“学习” 即可免费领取
或者点击这里:【资料传送门】自取