Python 数据分析与可视化实战：从数据清洗到图表展示

Python 是一种广泛使用的高级编程语言，尤其在数据科学和机器学习领域非常流行。它拥有丰富的库和工具，可以轻松地进行数据处理、分析和可视化。本文将介绍如何使用 Python 进行数据分析和可视化，并通过具体的例子来展示这些技术的应用。

主要库和工具

• Pandas: 用于数据操作和分析的强大库。
• NumPy: 提供高性能的多维数组对象和多种派生对象（如掩码数组和矩阵）。
• Matplotlib: 一个用于创建静态、动态和交互式可视化的库。
• Seaborn: 基于 Matplotlib 的高级接口，用于绘制更加美观的统计图形。
• Plotly: 用于创建交互式图表和仪表板。
• Bokeh: 用于生成现代 Web 浏览器上的交互式图表。

数据分析示例

假设我们有一个 CSV 文件 sales_data.csv，包含以下列：Date, Product, Quantity, Price。我们将使用 Pandas 来读取数据并进行一些基本的数据分析。

1. 导入库:

   python

   深色版本

   import pandas as pd

2. 读取数据:

   python

   深色版本

   df = pd.read_csv('sales_data.csv')
   print(df.head())  # 显示前几行数据

3. 数据预处理:

   • 转换日期格式：
     python

     深色版本

     df['Date'] = pd.to_datetime(df['Date'])

   • 计算总销售额：
     python

     深色版本

     df['Total_Sales'] = df['Quantity'] * df['Price']

4. 数据聚合:

   • 按产品计算总销售额：
     python

     深色版本

     product_sales = df.groupby('Product')['Total_Sales'].sum()
     print(product_sales)

5. 数据筛选:

   • 筛选出销售额超过某个阈值的产品：
     python

     深色版本

     high_sales_products = df[df['Total_Sales'] > 10000]
     print(high_sales_products)

数据可视化示例

我们将使用 Matplotlib 和 Seaborn 来对上述数据进行可视化。

1. 柱状图:

   • 使用 Matplotlib 绘制每个产品的总销售额柱状图：
     python

     深色版本

     import matplotlib.pyplot as plt
     
     product_sales.plot(kind='bar', figsize=(10, 6))
     plt.title('Total Sales by Product')
     plt.xlabel('Product')
     plt.ylabel('Total Sales')
     plt.show()

2. 折线图:

   • 使用 Seaborn 绘制每天的总销售额趋势图：
     python

     深色版本

     import seaborn as sns
     
     daily_sales = df.groupby(df['Date'].dt.date)['Total_Sales'].sum()
     
     plt.figure(figsize=(10, 6))
     sns.lineplot(x=daily_sales.index, y=daily_sales.values)
     plt.title('Daily Total Sales Trend')
     plt.xlabel('Date')
     plt.ylabel('Total Sales')
     plt.xticks(rotation=45)
     plt.show()

3. 箱形图:

   • 使用 Seaborn 绘制不同产品的销售额分布情况：
     python

     深色版本

     plt.figure(figsize=(10, 6))
     sns.boxplot(x='Product', y='Total_Sales', data=df)
     plt.title('Sales Distribution by Product')
     plt.xlabel('Product')
     plt.ylabel('Total Sales')
     plt.show()

4. 热力图:

   • 使用 Seaborn 绘制不同产品在不同月份的销售额热力图：
     python

     深色版本

     monthly_sales = df.groupby([df['Date'].dt.month, 'Product'])['Total_Sales'].sum().unstack().fillna(0)
     
     plt.figure(figsize=(10, 6))
     sns.heatmap(monthly_sales, annot=True, fmt='.1f', cmap='YlGnBu')
     plt.title('Monthly Sales Heatmap by Product')
     plt.xlabel('Product')
     plt.ylabel('Month')
     plt.show()

结论

通过上述示例，我们可以看到 Python 在数据分析和可视化方面的强大功能。Pandas 提供了高效的数据处理能力，而 Matplotlib 和 Seaborn 则提供了丰富的可视化选项。结合这些工具，我们可以轻松地从数据中提取有价值的洞察，并以直观的方式呈现给用户。