Python数据分析指南(全)

目录

前言

一、 数据分析的逻辑（方法论）

1.2 5W2H分析法

1.3 逻辑树分析法

1.4 4P营销理论

1.5 SCQA分析法

1.6 SMART分析法

1.7 SWOT分析法

二、 数据分析的技术方法

2.1 对比分析法

2.2 分组分析法

---

前言

数据分析是通过明确分析目的，梳理并确定分析逻辑，针对性的收集、整理数据，并采用统计、挖掘技术分析，提取有用信息和展示结论的过程。

本文从常用数据分析逻辑框架及技术方法介绍出发，结合python项目实战，来全面解读数据分析。以便快速掌握数据分析的框架套路，直接上手进行数据分析。

一、 数据分析的逻辑（方法论）

1.1 PEST分析法
PEST分析是指宏观环境的分析，宏观环境是指影响一切行业或企业的各种宏观力量。P是政治(Politics)，E是经济(Economy)，S是社会(Society)，T是技术(Technology)。通常是战略咨询顾问用来帮助企业检阅其外部宏观环境的一种方法，以吉利收购沃尔沃为例：

1.2 5W2H分析法

5W2H分析法又称七何分析法，包括：Why、What、Where、When、Who、How、How much 。主要用于用户行为分析、业务问题专题分析、营销活动等，是一个方便又实用的工具。

1.3 逻辑树分析法

逻辑树是分析问题最常用的工具之一，它是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。使用逻辑树分析的主要优点是保证解决问题过程的完整性，且方便将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

1.4 4P营销理论

4P即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

4P营销理论适用于分析企业的经营状况，可视为企业内部环境，PEST分析的是企业在外部面对的环境。

1.5 SCQA分析法

SCQA分析是一个“结构化表达”工具，即S（Situation）情景、C（Complication）冲突、Q（Question）疑问、A（Answer）回答。

整个结构是通过描述当事者的现实状态，然后带出冲突和核心问题，通过结构化分析以提供更为明智的解决方案。以校园招聘SCQA分析为例：

1.6 SMART分析法

SMART法是一种目标管理方法，即对目标的S（Specific）明确性，M（Measurable）可衡量性，A（Attainable）可实现性，R（Relevant）相关性，T（Time-based）时限性。

1.7 SWOT分析法

SWOT分析法也叫态势分析法，S （Strengths）是优势、W （Weaknesses）是劣势，O （Opportunities）是机会、T （Threats）是威胁或风险。

SWOT分析法常用来确定企业自身的内部优势、劣势和外部的机会和威胁等，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。以HUAWEI 的SWOT分析为例：

二、 数据分析的技术方法

数据分析的技术方法是指提取出关键信息的具体方法，如对比分析、交叉分析、回归预测分析等方法。

2.1 对比分析法

对比分析法是将两个或两个以上的数据进行比较，分析差异，揭示发展变化情况和规律。

• 静态比较：时间一致的前提下，选取不同指标，如部门、城市、门店等，也叫横向比较。
• 动态比较：指标一致的前提下，针对不同时期的数据比较，也叫纵向比较。

举例：各车企销售表现 

2.2 分组分析法

• 先经过数据加工，对数据进行数据分组，然后对分组的数据进行分析。
• 分组是为了便于对比，把总体中具有不同性质的对象区分开，把性质相同的对象合并在一起，保持各组内对象属性的一致性、组与组之间属性的差异性，以便进一步运用各种数据分析方法来解释内在的数量关系。

Python数据可视化分析-CSDN博客

# 导入matplotlib和seaborn库
import matplotlib.pyplot as plt
import seaborn as sns

# 设置图形样式
sns.set(style="whitegrid")

# 创建Figure对象
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制折线图
sns.lineplot(x=[1, 2, 3, 4, 5], y=[10, 8, 15, 12, 18], color="skyblue", marker="o", label="Sales")

# 添加标题和标签
plt.title("Monthly Sales", fontsize=16)
plt.xlabel("Month", fontsize=14)
plt.ylabel("Sales (million)", fontsize=14)

# 添加图例
plt.legend(loc="upper left")

# 设置x轴和y轴的刻度
plt.xticks([1, 2, 3, 4, 5], ["Jan", "Feb", "Mar", "Apr", "May"], fontsize=12)
plt.yticks(fontsize=12)

# 调整图形布局
plt.tight_layout()

# 显示图形
plt.show()