Python 简单数据分析完整教程

pip install pandas numpy matplotlib seaborn

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 设置中文，防止图表乱码
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams["axes.unicode_minus"] = False

# ---------------------- 1. 读取数据 ----------------------
# 支持 csv / excel / txt
df = pd.read_csv("data.csv")
# 如果是excel：df = pd.read_excel("data.xlsx")

# ---------------------- 2. 基础探查 ----------------------
print("===== 前5行数据 =====")
print(df.head())

print("\n===== 数据形状(行数,列数) =====")
print(df.shape)

print("\n===== 字段类型 =====")
print(df.dtypes)

print("\n===== 缺失值统计 =====")
print(df.isnull().sum())

print("\n===== 描述性统计（均值、最大最小等） =====")
print(df.describe())

print("\n===== 列名 =====")
print(df.columns.tolist())

# ---------------------- 3. 数据清洗 ----------------------
# 删除存在缺失值的行
df = df.dropna()
# 填充缺失值：df["col"] = df["col"].fillna(0)

# 删除重复行
df = df.drop_duplicates()

# 筛选数据示例：筛选值大于100的行
# df_filter = df[df["销售额"] > 100]

# ---------------------- 4. 简单统计分析 ----------------------
# 单列均值
mean_val = df["销售额"].mean()
print(f"\n销售额平均值：{mean_val:.2f}")

# 分组统计：按地区分组，求销售额总和
group_result = df.groupby("地区")["销售额"].sum()
print("\n按地区汇总销售额：")
print(group_result)

# ---------------------- 5. 可视化 ----------------------
# 柱状图：分组结果
group_result.plot(kind="bar", title="各地区销售额")
plt.ylabel("销售额")
plt.tight_layout()
plt.savefig("bar.png")
plt.show()

# 直方图，查看数值分布
df["销售额"].plot(kind="hist", bins=10, title="销售额分布直方图")
plt.show()

# ---------------------- 6. 结果导出 ----------------------
group_result.to_csv("统计结果.csv", encoding="utf-8-sig")
print("\n统计结果已保存到 统计结果.csv")

# 构造模拟数据集
data = {
    "地区": ["南京", "苏州", "无锡", "南京", "苏州", "无锡"],
    "销售额": [120, 180, 90, 140, 210, 110],
    "月份": [1,1,1,2,2,2]
}
df = pd.DataFrame(data)

# 选取单列
df["销售额"]

# 多列
df[["地区","销售额"]]

# 条件筛选
df[ (df["销售额"]>100) & (df["地区"]=="南京") ]

# 新增列
df["利润"] = df["销售额"] * 0.3

# 排序
df_sort = df.sort_values("销售额", ascending=False)

# 唯一值
df["地区"].unique()