Python 数据分析学习记录

之前听很多人说数据分析很重要，特别是在工作和生活中都能用到。于是我决定试试用 Python 来学习数据分析。看了一些资料，发现 Python 不仅语法简单，社区资源也特别丰富，于是选择了它作为我的数据分析工具。

### 2. 使用的工具

这段时间主要用到几个库，先简单列一下，方便之后继续深入学习：

- **Pandas**：感觉是数据处理的利器，特别适合做数据清洗、整理表格这类工作。操作起来有点像 Excel，但比 Excel 灵活太多了。
- **NumPy**：虽然一开始用得不多，但处理数组数据时会非常方便，特别是多维数组运算时。
- **Matplotlib** 和 **Seaborn**：数据可视化的工具。学习过程中发现，数据光是表格看着不直观，图表能更清楚地展示数据之间的关系。

### 3. 实战记录：电商销售数据分析

为了练手，找了一份电商平台的销售数据，尝试做一些基础的分析。步骤记在这里，之后有时间可以再优化。

1. **导入数据**
   首先是用 Pandas 读取数据并预览了一下，看看前几行：
   ```python
   import pandas as pd
   data = pd.read_csv('sales_data.csv')
   print(data.head())
   ```
   初步感觉数据还挺完整，但有少量缺失值。

2. **数据清洗**
   缺失值处理了一下，先用 0 填充，虽然这种方法不是最优的，之后再研究更好的处理方式。
   ```python
   # 查看缺失值
   print(data.isnull().sum())

   # 填充缺失值
   data.fillna(0, inplace=True)
   ```
   这个过程感觉还挺简单，但实际项目中可能会复杂很多，得多注意。

3. **销售趋势分析**
   用 Matplotlib 简单画了个趋势图，看看销售数据的变化情况：
   ```python
   import matplotlib.pyplot as plt
   data['sales'].plot(kind='line')
   plt.title('Sales Trend Over Time')
   plt.show()
   ```
   整体趋势有点波动，之后可以再深入分析一下为什么会有这样的变化。

以上