和鲸社区“商业数据分析训练营”学习笔记

🐳 我正在和鲸社区参加“商业数据分析训练营”和鲸社区 - Heywhale.com)，以下是我的学习笔记：

学习主题：商业数据分析与Python基础

日期：2023/09/21

关键概念/知识点：

• 商业数据分析概论
  • 商业数据分析的概念及其应用
  • 商业数据类型、来源
    • 横截面数据
    • 时间序列数据
    • 面板数据
  • 商业数据分析工具简介
    • Python
    • R语言
    • Stata
    • MATLAB
    • EViews
    • SAS
    • SPSS
  • Python 商业数据分析相关的程序包
    • Matplotlib
    • Numpy
    • SciPy
    • Pandas
    • Seaborn
    • Scikit-Learn
    • ...
• python商业数据存取
  • tushare库
  • DataReader包
• python商业数据图形绘制与可视化
  • matplotlib绘图基础
    • 折线图：ax.plot(x, y)
    • 柱状图：ax.bar(x, y)
    • 饼图：ax.pie(sizes, labels)
    • 散点图：ax.scatter(x, y)
    • 直方图：ax.hist(x, bins)
    • 箱图：ax.boxplot(x)

掌握的新函数/方法：

• 数据导入
• 查看数据
  • 删除缺失值
  • 补充缺失值
• 统计描述

代码举例：

# 示例代码 
import pandas as pd

# 读取本地数据
df = pd.read_csv('/home/mw/input/data_analysis8875/Boston Housing Data.csv')

# 查看前5行数据
print(df.head())

# 查看最后5行数据
print(df.tail())

# 提取从11到20行前3列数据
print(df.iloc[10:20,0:3])

# 提取从11到20行，CRIM、RM、AGE三列中数据
print(df.loc[10:20,['CRIM','RM','AGE']])

# 检查是否为缺失值，sum() 函数将每列的缺失值数量加总
print(df.isna().sum())

# 若缺失值不是很多，可以直接选择删除缺失值
df.dropna (inplace=True)

#若数据量不大，还要进行预测，建议选择数据填充
df.loc [df ['A'].isna (),'A'] = B

# 生成数据集的描述性统计信息，如计数、均值、标准差、最小值、四分位数
print(df.describe())

# 安装
pip install matplotlib   

# 导入库
import matplotlib.pyplot as plt

# 创建图形和子图
fig = plt.figure()  
ax = fig.add_subplot(1, 1, 1)

sales = [100, 150, 120, 180, 210, 170]  
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']  

# 绘制柱状图
ax.bar(months, sales);

# 自定义样式
ax.plot(months, sales, linestyle = '--', color = 'red', marker = 'o')  

plt.title("某公司上半年销售额变化折线图")
plt.xlabel("月份")
plt.ylabel("销售额")

# 显示图形
plt.show()

'''
添加标题：plt.title('Title')
添加x轴标签：plt.xlabel('X-label')
添加y轴标签：plt.ylabel('Y-label')
添加图例：ax.legend(['Line 1', 'Line 2'])（在绘图函数中添加label参数）
'''

关键总结：

• matplotlib是一个用于绘制二维图形的强大Python库，它提供了丰富的绘图工具，使得我们能够轻松地将数据可视化为直观、美观的图表。
• Python 就像是一把瑞士军刀，广泛用于数据科学、机器学习、Web 开发等多个领域。Python 具有通俗易懂的语法，搭载诸如 NumPy、pandas、SciPy 和 scikit-learn 等丰富的库，让数据分析与建模游刃有余。

问题/困惑：

• 不熟悉绘图的代码中的某些参数
• 需要多加练习相关项目
• 完成本训练营剩下的关卡

参考资料/相关资源链接：

• 商业分析师 Python 训练营 BA1：应用入门：和鲸社区 - Heywhale.com