Python分析数据,Python数据分析实战

  Python分析数据,Python数据分析实战

  Python教程栏目介绍概述数据。

  推荐(免费):Python教程

  文章目录

  一、数据分析导论1。大数据时代的基础2。数据分析师的职业前景。成为数据分析师之路2。Python安装和环境配置1。Python版本2。不同系统中的Python安装3。环境变量配置4。pip5安装5。集成开发环境选择3,Anaconda的介绍和安装1。什么是蟒蛇2。下载并安装anaconda 3。Anaconda3.conda IV,Jupyter Notebook 1的介绍和包管理。Jupyter笔记本2基本介绍。Jupyter笔记本3的使用。Jupyter 4中的Python4。数据交互案例。加载csv数据,处理数据,保存到MongoDB数据库。使用Jupyter处理商店数据一、入门数据分析.

  1.大数据时代的基本面

  大数据产业发展现状:

  现在数据已经显示了爆炸式,的成长,每一分钟都可能有:

  3000个iPhone应用程序下载并发布在Twitter上,98000个新微博发出了1.68亿封电子邮件,淘宝双十一发出了10680个新订单,12306发出了1840张门票。在大数据时代,发生了三大变化:

  从随机样本到总体数据,从准确性到混杂性,从因果性到相关性,举一个典型的例子:

  男人在超市买纸尿裤的时候,会顺便买一些啤酒。大数据分析的结果促使超市在纸尿裤的货架附近放一些啤酒,从而增加销量。买纸尿裤和买啤酒没有因果关系,但是有一定的相关性。

  大数据在中国的应用现状如下(来自CSDN):

  可见,大数据的应用已经有了一定的规模,但还有很大的发展空间。

  对人才的需求主要包括:

  分析师的统计分析、预测分析、流程优化、大数据工程师平台开发、应用开发技术支持、数据架构师业务理解、应用部署架构设计。之所以要学习数据分析,是因为数据越来越普遍,越来越廉价,分析可以为数据提供具有额外价值的稀缺服务。

  2.数据分析师职业前景

  数据分析师需要解决的问题:

  估计需求和分配能力

  大数据时代,更需要解读数据的能力。

  问:烤箱的容量有限。我应该选择生产什么样的面包?

  列出最受欢迎的面包,优先考虑明星商品.

  关键是要找出明星产品,这需要统计出面包的总营业额,然后计算出每个面包在总营业额中的相对比例,优先制作出一个可以覆盖70%营业额的产品组合。这将使用统计频率分布表和直方图,也称为ABC分析,如下所示:

  评估营销计划的有效性。

  统计学不仅仅是分析数据。从分析结果中推测如何影响客户的行为,并将其公式化为具体的商业计划,并据此行动,这是关键。

  问:如果你想在网上卖面包,什么样的广告更有效?

  答:写两种文案,分别做一段时间的广告,看效果如何。

  要比较广告的效果,最好的方法是用统计随机对照实验让两种广告随机出现。一段时间后,观察哪种广告效果更好,再大范围使用效果更好的广告。

  产品质量控制

  发现和发现的原因之间的关系非常重要。

  问:我如何知道面包师是否在面包上偷工减料了?

  答:抽查几块面包,称一下重量,看重量差是否太大。

  你需要先知道面包的平均重量,然后对面包进行抽样,看面包的重量是否呈现正态分布的钟形曲线?如果偏离曲线,可能说明面包质量控制有问题。如下所示:

  好的数据分析师是好的产品策划,是行业的领跑者

  >;
在IT企业,优秀的数据分析师很有希望成为公司的高层。

  数据分析师的工作流程如下:

  数据分析师的三大任务:

  

  • 分析历史
  • 预测未来
  • 优化选择
数据分析师要求的8项技能:

  

  • 统计学
    • 统计检验、P值、分布、估计
  • 基本工具
    • Python
    • SQL
  • 多变量微积分和线性代数
  • 数据整理
  • 数据可视化
  • 软件工程
  • 机器学习
  • 数据科学家的思维
    • 数据驱动
    • 问题解决
数据分析师要求的三大能力:

  

  • 统计学基础和分析工具应用
  • 计算机编码能力
  • 特定应用领域或行业的知识
典型的数据分析师的成长历程:

  3.成为数据分析师之路

  成为数据分析师的自我修养:

  

  • 敏感
  • 探究
  • 细致
  • 务实
数据分析师需要具备的技能如下:

  

  • 熟悉Excel数据处理
  • 数据敏感度较强
  • 熟悉公司业务和行业知识
  • 掌握数据分析方法
    • 基本分析方法

        

      • 对比分析法
      • 分组分析法
      • 交叉分析法
      • 结构分析法
      • 漏斗图分析法
      • 综合评价分析法
      • 因素分析法
      • 矩阵关联分析
    • 高级分析方法

        

      • 相关分析法
      • 回归分析法
      • 聚类分析法
      • 判别分析法
      • 主成分分析法
      • 因子分析法
      • 对应分析法
      • 时间序列
在不同行业数据分析从业人员的工作内容和职责:

  

  • 从事数据分析的工作
    • 学做日报
    • 日销、库存类的表
    • 产品销售预测
    • 库存计算和预警
    • 流量分析相关表
    • 复盘
  • 数据分析挖掘工作人员
    • 给产品优化提供数据支持
    • 验证产品改进效果
    • 为高层提供邮件和报表
  • 互联网+分析
    • KPI指标监控
    • 各种周期性报表
    • 针对某一业务问题做分析报告
    • 针对业务进行线下建模和分析
数据分析很重要的学科基础是数学,但是数学不好也没有关系,可以用Python来帮助学习:
Python不仅是一门编程语言,而且是数据挖掘机器学习等技术的基础,方便建立自动化的工作流;
Python入门不难,它对数学要求并不是太高,重要的是需要知道如何用语言表达一个算法逻辑;
Python有很多封装好的工具库和命令,需要做的是用哪些数学方法解决一个问题,并构建出来。

  要想快速入门Python数据分析,就要使用好Python相关的工具包:
(1)Python最大的特点是拥有一个巨大而活跃的科学计算社区,采用python进行科学计算的趋势也越来越明显。
(2)由于Python有不断改良的库,使其成为数据处理任务的一大代替方案,结合其在通用编程方面的强大实力,完全可以只是用Python这一种语言去构建以数据为中心的应用程序,其中:

  

  • 常用数据分析库
    • Numpy
    • Scipy
    • Pandas
    • matplotlib
  • 常用高级数据分析库
    • nltk
    • igraph
    • scikit-learn
(3)作为一个科学计算平台,Python的能够轻松集成C、C++以及Fortran代码。

  数据分析的准备工作:

  

  • 了解数据
  • 数据清洗与初步分析
  • 绘图与可视化
  • 数据聚合与分组处理
  • 数据挖掘
数据分析与数据挖掘的常用算法:

  

  • 线性回归
  • 时间序列分析
  • 分类算法
  • 聚类算法
  • 降维算法
学习和从事数据分析工作的方法为:

  

  • 勤思考
  • 多动手
  • 多总结
二、Python的安装与环境配置

  1.Python版本

  Python分为3.X和2.X两个大版本。
Python的3.0版本,常被称为Python 3000,或简称Py3k。相对于Python的早期版本,这是一个较大的升级。
为了不带入过多的累赘,Python 3.X在设计的时候没有考虑向下相容,许多针对早期Python版本设计的程式都无法在Python 3.X上正常执行。
大多数第三方库都正在努力地相容Python 3.X版本。

  2.不同系统安装Python

  (1)Unix & Linux系统

  

  • 访问http://www.python.org/download/
  • 选择适用于Unix/Linux的源码压缩包
  • 下载及解压压缩包
  • 如果你需要自定义一些选项,修改Modules/Setup
  • 执行./configure脚本
  • make
  • make install
(2)Window系统

  

  • 访问http://www.python.org/download/
  • 在下载列表中选择Window平台安装包
    由于官网下载很缓慢,因此我已经将Python各版本的安装包下载整理好了,可以直接点击加QQ群

      963624318 在群文件夹Python相关安装包中下载即可。

  • 下载后,双击下载包,进入Python安装向导,安装非常简单,只需要使用默认的设置一直点击下一步直到安装完成即可。
(3)Mac系统
自带python 2.7,可以执行brew install python安装新版本。

  3.环境变量配置

  Windows系统需要配置环境变量。

  如果在安装Python时没有选择添加环境变量,则需要手动添加,需要将安装Python的路径XXX\PythonXXXXXX\PythonXXX\Scripts添加到环境变量,有两种方式:

  

  • 命令行添加
    CMD中分别执行path=%path%;XXX\PythonXXXpath=%path%;XXX\PythonXXX\Scripts即可。
  • 在系统设置中添加
    右键计算机 → 属性 → 高级系统设置 → 系统属性 → 环境变量 → 双击path → 添加XXX\PythonXXXXXX\PythonXXX\Scripts安装路径,如下:
最后依次点击确认退出即可。

  4.安装pip

  pip是Python中的包安装和管理工具,在安装Python时可以选择安装pip,在Python 2 >=2.7.9或Python 3 >=3.4中自带。

  如果没有安装pip,可以通过命令安装:

  

  • Linux或者Mac
    pip install -U pip
  • Windows(cmd输入)
    python -m pip install -U pip
5.集成开发环境选择

  Python有很多编辑器,包括PyCharm等,这里选择PyCharm:
PyCharm是由JetBrains打造的一款Python IDE,支Mac OS、Windows、Linux系统。
包含调试、语法高亮、Project管理、代码跳转智能提示、自动完成、单元测试、版本控制等功能。

  可以在https://www.jetbrains.com/pycharm/download/选择合适的版本进行下载安装即可。

  三、Anaconda的介绍与安装

  1.Anaconda是什么

  Anaconda是一个可用于科学计算的Python发行版,支持Linux、Mac、Windows系统,内置了常用的科学计算库。
它解决了官方Python的两大痛点:
(1)提供了包管理功能,Windows平台安装第三方包经常失败的场景得以解决;
(2)提供环境管理的功能,功能类似virtualenv,解决了多版本Python并存、切换的问题 。

  2.下载和安装Anaconda

  直接在官网https://www.anaconda.com/products/inpidual下载安装包,选择下载Python3.8的安装包个人版即可,但是官网下载速度较慢,因此我已经将Python3.8对应的Anaconda安装包下载整理好了,可以直接点击加QQ群

  963624318 在群文件夹Python相关安装包中下载即可。

  下载完成后直接安装,需要注意,在点击过程中会出现添加环境变量的提示,需要勾选,如下:

  最后依次点击下一步、安装完成后,点击Win键(Windows系统下)可以看到最近添加或应用列表A下如图:

  此时可点击Anaconda Navigator,如下所示:

  可以看到环境为Python 3.8.3,Anaconda创建的基础环境名为base,也是默认环境,也可以看到默认安装的库。

  再打开Anaconda命令行工具Anaconda Powershell Prompt,输入python -V,也打印Python 3.8.3

  还可以通过命令创建新的conda环境,如conda create --name py27 python=2.7执行后即创建了一个名为py27的Python版本为2.7的conda环境。

  激活环境执行命令conda activate py27,停用使用命令conda deactivate

  可以在命令行中执行conda list查看已经安装的库,如下:

  

# packages in environment at E:\Anaconda3:

  #

  # Name Version Build Channel

  _ipyw_jlab_nb_ext_conf 0.1.0 py38_0

  alabaster 0.7.12 py_0

  anaconda 2020.07 py38_0

  anaconda-client 1.7.2 py38_0

  anaconda-navigator 1.9.12 py38_0

  ...

  zlib 1.2.11 h62dcd97_4

  zope 1.0 py38_1

  zope.event 4.4 py38_0

  zope.interface 4.7.1 py38he774522_0

  zstd 1.4.5 ha9fde0e_0

3.conda工具的介绍和包管理

  conda是Anaconda下用于包管理环境管理的工具,功能上类似pip和virtualenv的组合,conda的环境管理与virtualenv是基本上是类似的操作。
安装成功后conda会默认加入到环境变量中,因此可直接在命令行窗口运行conda命令。

  常见的conda命令和含义如下:

  命令含义conda命令conda –h查看帮助基于python3.6版本创建名为python36的环境conda create --name python36 python=3.6激活此环境activate python36(Windows)、source activate python36(linux/mac)查看python版本python -V退出当前环境deactivate python36删除环境conda remove -n py27 --all查看所有安装的环境conda info -econda的包管理常见命令如下:

  包管理命令意义包管理命令安装matplotlibconda install matplotlib查看已安装的包conda list包更新conda update matplotlib删除包conda remove matplotlib在conda中,anything is a package一切皆是包,conda本身可以看作是一个包,python环境可以看作是一个包,anaconda也可以看作是一个包,因此除了普通的第三方包支持更新之外,这3个包也支持如下命令:

  操作命令更新conda本身conda update conda更新anaconda应用conda update anaconda更新python,假设当前python环境是3.8.1,而最新版本是3.8.2,那么就会升级到3.8.2conda update python四、Jupyter Notebook

  1.Jupyter Notebook基本介绍

  Jupyter Notebook(此前被称为IPython notebook)是一个交互式笔记本,支持运行40多种编程语言。

  在开始使用notebook之前,需要先安装该库:
(1)在命令行中执行pip install jupyter来安装;
(2)安装Anaconda后自带Jupyter Notebook。

  在命令行中执行jupyter notebook,就会在当前目录下启动Jupyter服务并使用默认浏览器打开页面,还可以复制链接到其他浏览器中打开,如下:

  可以看到,notebook界面由以下部分组成:
(1)notebook名称;
(2)主工具栏,提供了保存、导出、重载notebook,以及重启内核等选项;
(3)notebook主要区域,包含了notebook的内容编辑区。

  2.Jupyter Notebook的使用

  在Jupyter页面下方的主要区域,由被称为单元格的部分组成。每个notebook由多个单元格构成,而每个单元格又可以有不同的用途。
上图中看到的是一个代码单元格(code cell),以[ ]开头,在这种类型的单元格中,可以输入任意代码并执行。
例如,输入1 + 2并按下Shift + Enter,单元格中的代码就会被计算,光标也会被移动到一个新的单元格中。

  如果想新建一个notebook,只需要点击New,选择希望启动的notebook类型即可。

  简单使用示意如下:

  可以看到,notebook可以修改之前的单元格,对其重新计算,这样就可以更新整个文档了。如果你不想重新运行整个脚本,只想用不同的参数测试某个程式的话,这个特性显得尤其强大。
不过,也可以重新计算整个notebook,只要点击Cell -> Run all即可。

  再测试标题和其他代码如下:

  可以看到,在顶部添加了一个notebook的标题,还可以执行for循环等语句。

  3.Jupyter中使用Python

  Jupyter测试Python变量和数据类型如下:

  测试Python函数如下:

  测试Python模块如下:

  可以看到,在执行出错时,也会抛出异常。

  测试数据读写如下:

  数据读写很重要,因为进行数据分析时必须先读取数据,进行数据处理后也要进行保存

  4.数据交互案例

  加载csv数据,处理数据,保存到MongoDB数据库

  有csv文件shopproducts.csv和userratings.csv,分别是商品数据和用户评分数据,如下:

  

如需获取数据、代码等相关文件进行测试学习,可以直接点击加QQ群

  963624318 在群文件夹Python数据分析实战中下载即可。

  

现在需要通过Python将其读取出来,并将指定的字段保存到MongoDB中,需要在Anaconda中执行命令conda install pymongo安装pymongo。

  Python代码如下:

  

import pymongoclass Product:

   def __init__(self,productId:int ,name, imageUrl, categories, tags):

   self.productId = productId

   self.name = name

   self.imageUrl = imageUrl

   self.categories = categories

   self.tags = tags def __str__(self) -> str:

   return self.productId +'^' + self.name +'^' + self.imageUrl +'^' + self.categories +'^' + self.tagsclass Rating:

   def __init__(self, userId:int, productId:int, score:float, timestamp:int):

   self.userId = userId

   self.productId = productId

   self.score = score

   self.timestamp = timestamp def __str__(self) -> str:

   return self.userId +'^' + self.productId +'^' + self.score +'^' + self.timestampif __name__ == '__main__':

   myclient = pymongo.MongoClient("mongodb://127.0.0.1:27017/")

   mydb = myclient["goods-users"]

   # val attr = item.split("\\^")

   # // 转换成Product

   # Product(attr(0).toInt, attr(1).trim, attr(4).trim, attr(5).trim, attr(6).trim)

   shopproducts = mydb['shopproducts']

   with open('shopproducts.csv', 'r',encoding='UTF-8') as f:

   item = f.readline()

   while item:

   attr = item.split('^')

   product = Product(int(attr[0]), attr[1].strip(), attr[4].strip(), attr[5].strip(), attr[6].strip())

   shopproducts.insert_one(product.__dict__)

   # print(product)

   # print(json.dumps(obj=product.__dict__,ensure_ascii=False))

   item = f.readline()

   # val attr = item.split(",")

   # Rating(attr(0).toInt, attr(1).toInt, attr(2).toDouble, attr(3).toInt)

   userratings = mydb['userratings']

   with open('userratings.csv', 'r',encoding='UTF-8') as f:

   item = f.readline()

   while item:

   attr = item.split(',')

   rating = Rating(int(attr[0]), int(attr[1].strip()), float(attr[2].strip()), int(attr[3].strip()))

   userratings.insert_one(rating.__dict__)

   # print(rating)

   item = f.readline()

在启动MongoDB服务后,运行Python代码,运行完成后,再通过Robo 3T查看数据库如下:

  显然,保存数据成功。

  使用Jupyter处理商铺数据

  待处理的数据是商铺数据,如下:

  包括名称、评论数、价格、地址、评分列表等,其中评论数、价格和评分均不规则、需要进行数据清洗。

  

如需获取数据、代码等相关文件进行测试学习,可以直接点击加QQ群

  963624318 在群文件夹Python数据分析实战中下载即可。

  

Jupyter中处理如下:

  可以看到,最后得到了经过清洗后的规则数据。

  完整Python代码如下:

  

# 数据读取f = open('商铺数据.csv', 'r', encoding='utf8')for i in f.readlines()[1:15]:

   print(i.split(','))# 创建comment、price、commentlist清洗函数def fcomment(s):

   '''comment清洗函数:用空格分段,选取结果list的第一个为点评数,并且转化为整型'''

   if '条' in s:

   return int(s.split(' ')[0])

   else:

   return '缺失数据'def fprice(s):

   '''price清洗函数:用¥分段,选取结果list的最后一个为人均价格,并且转化为浮点型'''

   if '¥' in s:

   return float(s.split('¥')[-1])

   else:

   return '缺失数据'def fcommentl(s):

   '''commentlist清洗函数:用空格分段,分别清洗出质量、环境及服务数据,并转化为浮点型'''

   if ' ' in s:

   quality = float(s.split(' ')[0][2:])

   environment = float(s.split(' ')[1][2:])

   service = float(s.split(' ')[2][2:-1])

   return [quality, environment, service]

   else:

   return '缺失数据'# 数据处理清洗datalist = [] # 创建空列表f.seek(0)n = 0 # 创建计数变量for i in f.readlines():

   data = i.split(',')

   # print(data)

   classify = data[0] # 提取分类

   name = data[1] # 提取店铺名称

   comment_count = fcomment(data[2]) # 提取评论数量

   star = data[3] # 提取星级

   price = fprice(data[4]) # 提取人均

   address = data[5] # 提取地址

   quality = fcommentl(data[6])[0] # 提取质量评分

   env = fcommentl(data[6])[1] # 提取环境评分

   service = fcommentl(data[6])[2] # 提取服务评分

   if '缺失数据' not in [comment_count, price, quality]: # 用于判断是否有数据缺失

   n += 1

   data_re = [['classify', classify],

   ['name', name],

   ['comment_count', comment_count],

   ['star', star],

   ['price', price],

   ['address', address],

   ['quality', quality],

   ['environment', env],

   ['service', service]]

   datalist.append(dict(data_re)) # 字典生成,并存入列表datalist

   print('成功加载%i条数据' % n)

   else:

   continueprint(datalist)print('总共加载%i条数据' % n)f.close()

更多编程相关知识,请访问:编程教学!!以上就是Python数据分析实战之 概述数据分析的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!

  

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

相关文章阅读

  • 2020年高考成绩分布表,2020年高考成绩统计,数据分析2020年全国各省高考成绩分布情况
  • ,,python实现数据分析与建模
  • python3 数据分析,python数据分析课堂
  • 《数据思维》,数据分析的思维导图
  • python数据分析就业方向,python数据分析毕业论文
  • python数据分析数据清洗,python中数据清洗
  • 基于Python的数据可视化,python数据分析及可视化处理的第三方库
  • 利用python进行数据分析豆瓣,python数据分析基础和利用python进行数据分析
  • python数据分析数据清洗,用python进行数据清洗
  • python对excel表格数据的统计和分析,python进行excel数据分析
  • 从零开始学Python数据分析与挖掘,自学python数据分析
  • python数据分析结构思维导图,python组合数据类型思维导图
  • 关联规则分析案例,关联规则数据分析题,关联规则的实际案例数据
  • 数据分析与商业数据分析,120个Excel商业数据分析实战案例
  • python数据分析excel读写,python 读取excel数据
  • 留言与评论(共有 条评论)
       
    验证码: