Python資料分析實戰之 概述資料分析
- coldplay.xixi轉載
- 2021-01-06 09:48:392101瀏覽
Python教學欄位介紹概述資料。
推薦（免費）：Python教學
文章目錄
- 一、入門資料分析
- 1.大數據時代的基本面
- #2.資料分析師職業前景
- 3.成為資料分析師之路
- 二、Python的安裝與環境配置
- 1.Python版本
- 2.不同系統安裝Python
- 3.環境變數配置
- 4.安裝pip
- #5.整合開發環境選擇
- 三、Anaconda的介紹與安裝
- 1.Anaconda是什麼
- 2.下載與安裝Anaconda
- 3.conda工具的介紹與套件管理
- 四、Jupyter Notebook
- #1.Jupyter Notebook基本介紹
- 2.Jupyter Notebook的使用
- 3.Jupyter中使用Python
- 4.資料互動案例
- 載入csv數據，處理數據，儲存到MongoDB資料庫
- 使用Jupyter處理商舖資料
#一、入門資料分析
1.大數據時代的基本面
大數據產業發展現狀：
現在數據已經呈現出了爆炸性的成長，每一分鐘可能就會有：
- 13000 個iPhone應用程式下載
- Twitter上發表98000 新微博
- 發出1.68億張Email
- #淘寶雙十一10680個新訂單
- 12306出票1840 張
在大數據時代，出現了三大變化：
- 從隨機樣本到全量資料
- 從精確性到混雜性
- 從因果關係到相關關係
舉一個典型的例子：
男士到超市買尿布會順帶買一些啤酒，透過大數據分析出的結果促使超市在尿布的貨架附近放一些啤酒，從而增大銷量，買尿布與買啤酒之間沒有因果關係，但是存在著某種相關關係。
國內大數據應用狀況如下（來自CSDN）：
可以看到，大數據的應用程式已經具有一定規模，但是還有很大的發展空間。
人才方面的需求主要包括：
- 資料分析師
- 統計分析
- 預測分析 ##流程最佳化
大數據工程師 - 平台開發
- 應用程式開發
- 技術支援
資料架構師- 業務理解
- 應用部署
- 架構設計
額外價值的服務。
2.資料分析師職業前景
#資料分析師需要解決的問題：- 預估需求、分配產能
在大數據時代，更需要解讀數據的能力。
Q：烤箱的產能有限，該選擇生產哪些種類的麵包?
A：列出最受歡迎的幾種麵包，優先生產
明星商品。 關鍵在於找出明星商品，這需要統計出麵包的總營業額，再算出每種麵包佔總營業額的相對比例，優先生產能囊括七成營業額的產品組合。這會用到統計的次數分配表和直方圖，此種分析法也稱為ABC分析法，如下：
- 評估行銷方案成效
統計並不是分析數據就好了，從分析的結果推測該如何影響顧客的行為，並且將之擬定為具體的
商業計劃，並據此行動才是關鍵。 Q：想在網路上販售麵包，哪一種廣告比較有效?
A：寫出兩種文案，分別廣告一段時間看看成效如何。
要比較廣告成效，最好的方法是用統計的
隨機對照實驗，讓兩種廣告隨機出現，一段時間後，觀察哪種廣告的效果比較好，再大範圍運用效果比較好的廣告。 - 產品品管
發現結果以及形成結果的原因之間的關係非常重要。
Q：怎麼從麵包判斷麵包師傅有沒有偷工減料?
A：抽查幾個麵包，秤看重量差距有沒有過大。
你需要先知道麵包的平均重量，再對麵包進行抽樣，看看麵包的重量是否呈現常態分佈的鐘形曲線？若是偏離曲線，就可能暗示麵包品管有問題。如下：
一個好的數據分析師是一個好的產品規劃者和行業的領跑者；
在IT企業，優秀的數據分析師很有希望成為公司的高層。
資料分析師的工作流程如下：
資料分析師的三大任務：
- 分析歷史
- 預測未來
優化選擇- 資料分析師要求的8項技能：
- 統計量
- 統計檢定、P值、分佈、估計
- 基本工具
- Python
- SQL
多變數微積分和線性代數
- 資料整理
- 資料視覺化
- 軟體工程
- 機器學習
資料科學家的思考
資料驅動
問題解決
資料分析師要求的三大能力：- 統計基礎與分析工具應用
- 電腦編碼能力
- 特定應用領域或產業的知識
- #3.成為資料分析師之路
- 成為資料分析師的自我修養：
- 敏感
-
探究
- #細緻
- 務實
- 資料分析師需要具備的技能如下：
- 熟悉Excel資料處理
- 資料敏感度較強
- 熟悉公司業務與產業知識
- 掌握資料分析方法
-
比較分析法
- 分組分析法
- 交叉分析法
- #結構分析法
- 漏斗圖分析法
- 綜合評估分析法
- 因素分析法
- 矩陣關聯分析
相關分析法-
探究
迴歸分析法
- 聚類分析法
- #判別分析法
- 主成分分析法
- 因子分析法
- 對應分析法
- 時間序列
- 在不同產業資料分析從業人員的工作內容與職責：
- 從事資料分析的工作
- 學做日報
- 日銷、庫存類別的表格
產品銷售預測 -
- 庫存計算與預警
- 流量分析相關表
- 複盤
- ##資料分析挖掘工作人員
為高層提供郵件和報表
網路分析
KPI指標監控
各種週期性報表
針對某一業務問題做分析報告
- 針對業務進行線下建模和分析
- ##資料分析很重要的學科基礎是數學，但是數學不好也沒關係，可以用 Python
- 來幫助學習： Python不只是一門程式語言，而且是資料探勘機器學習等技術的基礎，方便建立自動化的工作流程；
- Python入門不難，它對數學要求並不是太高，重要的是需要知道如何用語言表達一個演算法邏輯； Python有很多封裝好的工具庫和指令，需要做的是用哪些數學方法解決一個問題，並且建構出來。
- 要快速入門Python數據分析，就要使用好Python相關的工具包：
科學計算
社區，採用python進行科學計算的趨勢也越來越明顯。- （2）由於Python有不斷改良的函式庫，使其成為資料處理任務的一大代替方案，結合其在通用程式設計方面的強大實力，完全可以只是用Python這種語言去建構以資料為中心的應用程序，其中：
- 常用資料分析庫
- Numpy
- Scipy
- Pandas
- 常用進階資料分析函式庫
- nltk
- igraph
（3）作為科學計算平台，Python的能夠輕鬆整合C、C 以及Fortran程式碼。 資料分析的準備工作：
######了解資料######資料清洗與初步分析######繪圖與視覺化######數據聚合與分組處理######資料探勘########資料分析與資料探勘的常用演算法：########線性迴歸#####時間序列分析######分類演算法######聚類演算法######降維演算法##########學習與從事資料分析工作的方法為：###### ####勤思考######多動手######多重總結#############二、Python的安裝與環境配置######## ####1.Python版本#######Python分為3.X和2.X兩個大版本。
Python的3.0版本，常被稱為Python 3000，或簡稱Py3k。相對於Python的早期版本，這是一個較大的升級。
為了不帶入過多的累贅，Python 3.X在設計的時候沒有考慮向下相容，許多針對早期Python版本設計的程式都無法在Python 3.X上正常執行。
大多數第三方函式庫都正在努力地相容Python 3.X版本。
2.不同系統安裝Python
（1）Unix & Linux系統
- 造訪http://www.python.org /download/
- 選擇適用於Unix/Linux的源碼壓縮包
- #下載並解壓縮壓縮包
- 如果你需要自訂一些選項，修改Modules/Setup
- 執行
./configure腳本 make#make install
-
（2）Window系統訪問http://www.python.org/download/在下載清單中選擇Window平台安裝套件 - 由於官網下載很緩慢，因此我已經將Python各版本的安裝包下載整理好了，可以直接點擊加QQ群
963624318 在群組資料夾Python相關安裝套件中下載即可。下載後，請雙擊下載包，進入Python安裝精靈，安裝非常簡單，只需要使用預設的設定一直點擊
下一步
直到安裝完成即可。
（3）Mac系統
自帶python 2.7，可以執行brew install python安裝新版本。
3.環境變數設定
Windows系統需要設定環境變數。- 如果在安裝Python時沒有選擇添加環境變量，則需要手動添加，需要將安裝Python的路徑
XXX\PythonXXX和XXX\PythonXXX\Scripts 添加到環境變量，有兩種方式： -
命令列新增CMD中分別執行 path=%path%;XXX\PythonXXX
path=% path%;XXX\PythonXXX\Scripts即可。
在系統設定中加入 右鍵計算機→ 屬性→ 進階系統設定→ 系統屬性→ 環境變數→ 雙擊path → 新增
XXX\PythonXXX
和XXX\PythonXXX\ Scripts安裝路徑，如下：
4.安裝pip
pip是Python中的套件安裝與管理工具，在安裝Python時可以選擇安裝pip，在Python 2 >=2.7. 9或Python 3 >=3.4中自備。如果沒有安裝pip，可以透過指令安裝：
Linux或Macpip install -U pip
##Windows（ cmd輸入）
#5.整合開發環境選擇##Python有很多編輯器，包括PyCharm等，這裡選擇PyCharm： PyCharm是由JetBrains打造的Python IDE，支Mac OS、Windows、Linux系統。 包含
調試、語法高亮、Project管理、程式碼跳轉
智慧提示
、自動完成、單元測試、版本控制等功能。 
最後依序點選下一步、安裝完成後，點選Win鍵（Windows系統下）可以看到最近新增或套用清單A下如圖：
此時可點選Anaconda Navigator，如下：
#可以看到環境為Python 3.8.3，Anaconda所建立的基礎環境名稱為base，也是預設環境，也可以看到預設安裝的庫。
再開啟Anaconda命令列工具Anaconda Powershell Prompt，輸入python -V，也列印Python 3.8.3。
也可以透過指令建立新的conda環境，如conda create --name py27 python=2.7執行後即創建了一個名為py27的Python版本為2.7的conda環境。
啟動環境執行指令conda activate py27，停用使用指令conda deactivate。
可以在命令列中執行conda list查看已經安裝的庫，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工具的介紹和套件管理
conda是Anaconda下用於套件管理和環境管理的工具，功能上類似pip和virtualenv的組合，conda的環境管理與virtualenv基本上是類似的操作。
安裝成功後conda會預設加入到環境變數中，因此可直接在命令列視窗執行conda指令。
常見的conda指令與意義如下：
| 指令意義 | conda指令 |
|---|---|
| #指令意義 | conda指令 |
| conda –h | |
| #基於python3.6版本建立名為python36的環境 | |
| 啟動此環境 | |
| #查看python版本 | python -V |
#退出目前環境
| #刪除環境 | |
| #查看所有安裝的環境 | |
| #conda的套件管理常見指令如下： |
套件管理指令意義
| ##安裝matplotlib | conda install matplotlib |
| 查看已安裝的套件 | conda list |
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Python資料分析實戰之 概述資料分析.csv和Python資料分析實戰之 概述資料分析.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
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)
Python資料分析實戰之 概述資料分析 = mydb['Python資料分析實戰之 概述資料分析']
with open('Python資料分析實戰之 概述資料分析.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())
Python資料分析實戰之 概述資料分析.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)
Python資料分析實戰之 概述資料分析 = mydb['Python資料分析實戰之 概述資料分析']
with open('Python資料分析實戰之 概述資料分析.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()))
Python資料分析實戰之 概述資料分析.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
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！！
以上是Python資料分析實戰之 概述資料分析的詳細內容。更多資訊請關注PHP中文網其他相關文章！