pandas概述

数据分析的背景

随着计算机技术全面地融入社会生活，网络数据得到了爆发性地增长，驱使着人们进入了一个崭新的大数据时代。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

思考：

数据库里面的数据这么多，怎么快速地拿到有价值的数据呢？

答：

数据分析就可以从海量数据中获得潜藏的有价值的信息，帮助企业或个人预测未来的趋势和行为。

结论 ：

不管你从事什么行业，掌握了数据分析能力，往往在其岗位上更有竞争力。

什么是数据分析

思考：

什么是数据分析呢？

答：

数据分析是使用适当的统计分析方法对收集来的大量数据进行分析，从中提取有用信息和形成结论，并加以详细研究和概括总结的过程。

数据分析的目的：

将隐藏在一大批看似杂乱无章的数据信息集中提炼出来有用的数据，以找出所研究对象的内在规律。

在统计学领域中，数据分析可以划分为如下三类：

类目	描述
描述性数据分析	从一组数据中，可以摘要并且描述这份数据的集中和离散情形。
探索性数据分析	从海量数据中找出规律，并产生分析模型和研究假设。
验证性数据分析	验证科研假设测试所需的条件是否达到，以保证验证性分析的可靠性。

数据分析的应用场景

应用	方法及其结果
营销方面	通过会员卡形式获得消费者的个人信息，以便对消费者的购买信息进一步研究其购买习惯，发现各类有价值的目标群体。
医疗方面	医生通过记录和分析婴儿的心跳来监视早产婴儿和患病婴儿的情况，并针对婴儿的身体可能会出现的不适症状做出预测，这样可以帮助医生更好的救助患儿。
零售方面	在美国零售业曾经有这样一个传奇故事，某家商店将纸尿裤和啤酒并排放在一起销售，结果纸尿裤和啤酒的销量双双增长！
网络安全方面	新型的病毒防御系统可以使用数据分析技术，建立潜在攻击识别分析模型，监测大量网络活动数据和相应的访问行为，识别可能进行入侵的可疑模式。
交通物流方面	用户可以通过业务系统和GPS定位系统获得数据，使用数据构建交流状况预测分析模型，有效预测实时路况、物流状况、车流量、货物吞吐量，进而提前补货，制定库存管理策略。

数据分析的流程

数据分析大致可以分为以下五个阶段：

为什么选择Python做数据分析

思考？

为什么选择Python做数据分析?

图 1-1

答：

选择Python做数据分析，主要考虑的是Python具有以下优势：

• 语法简单精炼，适合初学者入门
• 拥有一个巨大且活跃的科学计算社区
• 拥有强大的通用编程能力
• 人工智能时代的通用语言
• 方便对接其它语言