Python 数据分析

很多人以为 Python 数据分析要写大量代码，其实日常分析中，最核心的动作往往只有几个：读取数据、计算指标、分组汇总、排序、可视化。只要掌握 pandas，少量代码就能完成一次完整分析。

一、为什么用 Python 做数据分析？

Python 的优势不在于“代码短”，而在于生态成熟：

• pandas：处理表格数据，像 Excel 一样筛选、分组、聚合；
• numpy：数值计算；
• matplotlib / seaborn：画图；
• scikit-learn：进一步做预测和建模。

安装常用库：

pip install pandas matplotlib

二、数据分析的标准流程

一次完整的数据分析，通常包含五步：

1. 明确问题：比如“哪个品类销售额最高？”
2. 获取数据：CSV、Excel、数据库、API。
3. 清洗数据：处理缺失值、重复值、异常值。
4. 分析数据：分组、聚合、排序、计算指标。
5. 可视化与结论：用图表辅助表达，最后给出行动建议。

代码只是工具，真正决定分析价值的，是问题定义和结果解读。

三、实战：某电商单日各品类销售分析

假设我们有一份某电商单日销售数据，包含品类、销售额和订单数。 问题有三个：

• 总销售额是多少？
• 哪个品类销售额最高？
• 各品类客单价如何？

代码如下：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({
    "category": ["Women", "Men", "Beauty", "Digital", "Home", "Food", "Books"],
    "sales": [12000, 9800, 15000, 22000, 7600, 5400, 3200],
    "orders": [120, 90, 150, 80, 70, 100, 40]
})
df["avg_order"] = (df["sales"] / df["orders"]).round(1)

print(df)
print("Total sales:", df["sales"].sum())
print("Top category:", df.loc[df["sales"].idxmax(), "category"])
df.sort_values("sales").plot(x="category", y="sales", kind="barh", title="Sales by Category")
plt.tight_layout(); plt.show()

这段代码完成了：

• 创建数据表；
• 计算客单价 avg_order；
• 输出总销售额；
• 找出销售额最高的品类；
• 画出各品类销售额横向条形图。

四、结果解读

运行后，你会看到类似结果：

  category  sales  orders  avg_order
0    Women  12000     120      100.0
1      Men   9800      90      108.9
2   Beauty  15000     150      100.0
3  Digital  22000      80      275.0
4     Home   7600      70      108.6
5     Food   5400     100       54.0
6    Books   3200      40       80.0

Total sales: 75000
Top category: Digital

从结果可以读出几个关键结论：

1. 总销售额为 75000，总订单 650，整体客单价约 115.4。
2. 数码品类销售额最高，为 22000。 它只有 80 单，但客单价高达 275，属于典型的高客单价品类。
3. 美妆销售额第二，为 15000。 订单数 150，是所有品类中最多的，说明购买频率高、受众广。
4. 食品订单 100，但销售额只有 5400，客单价 54。 它适合做引流品，但利润空间可能有限。
5. 图书销售额最低，为 3200。 可能需要优化选品，或者通过组合销售提升客单价。

图表则直观展示了销售结构： Digital > Beauty > Women > Men > Home > Food > Books。

五、如何用到真实数据？

真实项目中，你不需要手动创建 DataFrame，只需要把数据读进来：

df = pd.read_csv("sales.csv")

如果列名不同，可以重命名：

df = df.rename(columns={"品类": "category", "销售额": "sales", "订单数": "orders"})

真实数据通常还要先清洗，比如删除缺失值、过滤异常订单：

df = df.dropna(subset=["sales", "orders"])
df = df[df["orders"] > 0]

然后继续使用上面的分析逻辑即可。

六、少量代码的秘诀

想让 Python 数据分析代码更少，可以记住四个原则：

1. 优先用 pandas 内置方法：sum、mean、groupby、sort_values、idxmax。
2. 少写循环：pandas 的向量化操作通常比 for 循环更快、更短。
3. 链式操作：筛选、排序、聚合可以连在一起写。
4. 可视化交给 plot：一行 plot(kind="barh") 就能出图。

七、结语

Python 数据分析并不一定需要很长代码。 一次完整的分析，可以浓缩成十几行：读取数据、计算指标、排序汇总、画图、解读结论。

真正重要的是： 先问对问题，再选对指标，最后把结果翻译成业务行动。

如果只是入门，建议先掌握 pandas 的读取、筛选、分组、聚合、排序和基础可视化。掌握这些，已经能完成大量日常分析工作。