Python 数据分析实战：用 20 行代码，跑通一次完整分析

很多人学 Python 数据分析，卡在“工具太多”：pandas、numpy、matplotlib、seaborn、scikit-learn……装了一堆，却不知道从哪下手。

其实一次标准的数据分析，核心就五步：

读取 → 清洗 → 计算 → 可视化 → 输出结论。

用 Python 把这条链路跑通，20 行代码足够。

一、数据分析的公式

数据分析 = 数据 + 问题 + 工具 + 洞察。

数据是原料，问题是方向，工具是手段，洞察才是结果。 没有问题的分析，只是把数字搬来搬去。

二、最小代码：20 行完成一次销售分析

假设你有一份 sales.csv，字段：日期、产品、销量、单价、地区。

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("sales.csv", parse_dates=["日期"])

df["销售额"] = df["销量"] * df["单价"]
df = df.dropna(subset=["销售额"])

total = df["销售额"].sum()
by_product = df.groupby("产品")["销售额"].sum().sort_values(ascending=False)
by_month = df.set_index("日期").resample("M")["销售额"].sum()

print(f"总销售额：{total:,.2f}")
print(by_product)

by_product.plot(kind="bar", title="各产品销售额")
plt.tight_layout()
plt.savefig("sales_by_product.png")

这段代码只做四件事：读数据、算销售额、分组汇总、画图。 换成任何业务数据，把字段名改掉就能复用。

三、实战工作流

1. 获取数据：CSV、Excel、数据库、API，pandas 一行读取。
2. 清洗数据：处理缺失值、重复值、异常值、类型转换。
3. 探索分析：描述统计、分组聚合、透视表、相关性。
4. 可视化：趋势用折线，对比用柱状，分布用直方，关系用散点。
5. 输出结论：写成 Markdown、Excel 或看板，附上建议。

一条命令导出报告：

python analyze.py --input sales.csv --output report.xlsx

四、少量代码的关键：用对库，别造轮子

• pandas：表格读写、清洗、分组、合并。
• numpy：数值计算、数组运算。
• matplotlib / seaborn：快速出图。
• scipy / statsmodels：统计检验、回归。
• scikit-learn：建模、聚类、预测。

把常用操作封装成函数，换数据不改逻辑。 真正值钱的是你提问题的能力，不是写代码的长度。

五、常见坑

• 缺失值不处理：直接算均值，结果全偏。
• 数据类型不对：数字存成字符串，无法计算。
• 索引没重置：合并、分组时对不上。
• 内存不够：一次性读入千万行，改用分块读取。
• 可视化误导：坐标轴不从零开始，夸大差异。
• 只描述不推断：相关不等于因果。
• 忽略业务背景：数字好看，业务未必健康。

六、总结

Python 数据分析实战，不是背 API，而是建一条可复用的流水线：

读取 → 清洗 → 计算 → 可视化 → 输出结论。

上面 20 行代码，已经能完成一次完整的销售分析。接下来要做的，是接入真实数据源、加入统计检验、自动化报告，再把结论翻译成业务语言。

先让代码跑通，再让分析产生价值。