大数据技术技能分析大赛——第一章 python数据分析概述

目标：掌握python，进行数据处理、统计分析、回归建模和数据可视化。

教材：《大数据分析务实初级教程（python）## 标题》

第一章 python数据分析概述

1、数据分析概述

1 、excel劣势

使用excel进行数据分析具有一定的局限性，不易处理大规模数据、效率比较慢，美观性和创新性不足

2、Python数据分析优势

不受数据规模的约束，能处理大规模数据

sklearn库提供了丰富的数据挖掘和人工智能方法，为使用者分析各种场景提供方法支持

自动数据分析能够显著提升工作效率

能够绘制各种前沿的数据图表

在海量数据采集方面也有独特的优势

3、数据分析流程

数据采集-数据整理和存储-数据分析和可视化-数据报表和总结

4、数据分析的层次

描述性分析->发生了什么

诊断性分析->为什么会发生

预测性分析->可能会发生什么

处方性分析->该做些什么

应用场景-电商平台，银行金融机构，房产交易平台，工业互联网

2、开发环境

Anaconda专门用于数据科学运算的python发行版软件工具，集成了主流的第三方库

网址：https://www.anaconda.com/

Jupyter Notebook开发环境

Spyder开发环境

3、语言编程基础

1、语法基础

变量直接赋值，语句无需分号

print("hello")
:hello

a=5
print(a+6)
:11

a='5'
print(a+'6')
56
#该处为字符型变量

标识符

数据类型：整型、浮点型、字符串、

布尔型：用于判定真假，判别结果为真时，返回True 反之返回False

输入：input

输出：print

name=intput("请输入姓名:")
print(name)

format输出格式设置：

x=3,1415
print("保留一位小数后为：{:.1f}".format(x))
#使用{}作为占位符，输出的时候将format函数括号中的内容填充到占位符中，整型和字符型按原样输出，浮点型数据需要考虑小数位数，在{}中设置，“:.1f”表示四舍五入后保留一位小数输出

有多个变量要输出的时候，可以设置多个占位符{}

代码的注释：#

2、数据结构基础

（1）列表

顺序结构的一种，列表中的每个元素最多只有一个前驱和一个后驱

语法：[元素1，元素2，···，元素N]

列表中的元素可以是相同的类型也可以是不同的类型[“苹果”,10,“菠萝”,20]

当往列表放入数据的时候，python用索引来标记要放入的位置，从0开始

list[0]="苹果"#把苹果放入list的9号位置
apple=liat[0]

fruit=["苹果","banana","orange",20]

fruit[0]="peter"
print(fruit)

连续获取几个元素，需要使用如下的切片运算符：

切片不包括索引为3的元素

list=["苹果","banana","orange",20]
list2=list[1:3]
print(list2)

['banana', 'orange']

（2）字典

映射结构，把一个值映射到另一个值，跟手机通讯录很相似，Python字典是一个特殊的通讯录，不允许里面有两个人的名字是相同的

由键和值构成，其中键表示查找的依据，值表示查找的结果

python的语法：

{key1:value1,key2:value2···}
addressBook={'张三':'1391653471','；李四':'18552233763'}
addressBook['George']='23445435634'
#输入键可以更改对应的值

（3）元组

元组列表相似，列表的大部分方法在元组上也可以使用，只是元组是不可以修改的，创建列表是方括号，元组是圆括号。

t1=()#创建空元组
t2=(1,2)#创建数字元组
t3=("a","b","c")#创建字符串元组
t4=(1,"b","c")
t5=(1,)

（4）字符串

一类特殊的字符集合，由单个或多个字符组合而成，长度可以由len方法获取，在字符串里，通常使用索引来标识字符所在的位置，第一个字符的索引值为0，最后一个字符的索引值为-1

psw="123dfsdf34-s"
len(psw)
结果为12

psw[0]
'1'
psw[-1]
's'

3、运算符

1、算数运算符

±*/加减乘除

幂次运算，2**3=8

%求余运算，2%3=2

// 求整除数，计算两个整数相除的整数值 5//2=2

2、比较运算符

: > < == != >= <=

3、逻辑运算符

and or not

4 常用控制结构

(1)if/else/elif条件语句

判断语句中,空列表/空元组/空字典/数字0/空字符串都会在判断条件中被自动转换为布尔值False

a=0
if a:
    print("a为True")
print("a为False")

(2)for 循环语句

for 遍历变量 in 遍历的对象
    代码块
    
animals=['cat','dog','panda']
for w in animals:
    print(w)
    if w=='cat'
    print(w)

(3)while循环语句

i=1
while(i<5):
    print(i)
    i=i+1

(4)range()函数

for i in range(5):
    print(i)

结果：0 1 2 3 4

animals=["dog","cat","panda","bird"]
for i in range(3):
    print(animals[i])

结果：
dog
cat
panda

(5)跳出循环

break语句：直接跳出循环，结束循环

continue语句：结束当前循环，直接进入下一次循环

5、函数和类

（1）函数

函数是一个在程序中可以重复使用的代码块，并且这组代码块可以实现一个独立的功能，在定义好函数后，该函数就可以在程序中任意需要的位置被调用

函数由函数名、参数、函数体、返回值组成，其中函数名和函数体是必须的

函数可以没有参数，也可以有一个或多个参数

def plus(x,y):
    s=x+y
    return s

def printhello():
    print("hello")
 
def printName(name):
    print("Welcome"+name)
def printS(x,y):
    s=x+y
    return(s)

printhello()
printName("TJJ")
printS(1,2)

hello
WelcomeTJJ

3

(2)类

类是面向对象的一个核心要素，在编程的过程中，对于有相同属性的方法和对象，为了避免重复定义，可以将这些对象归纳成一个类

类的基本结构为：

class 类名(参数):
    全局属性
    类方法代码块

#编写水果类
class Fruit():
    def __init__(self,name,color):
        self.name=name
        self.color=color  
     def pickup(self,season):
        print("{}在季节收获".format(self.name,season))
        
#以苹果为对象，实例化水果
Apple=Fruit("apple","red")
#调用Apple类的pickup方法
Apple.pickup("秋天")


apple在季节收获

6、模块和包

模块是一个相对笼统的概念，可以将其看成包含变量的一组方法的Python文件对象，或者多个Python文件对象组成的目录。

有了模块，文件内部的方法或者变量可以被外部访问使用，而不是仅仅局限于文件内部使用，对象的抽象和复用更为通用，

调用本地模块和包的基本格式为：

import 模块名/包名
from 模块/包  import 属性/方法

使用random模块产生随机数，并存入列表：

import random
data=[]#定义一个空列表
for i in range(10):
    #使用random里的randint方法生成随机数存入value
    value=random.randint(0,100)
    #将该数存入data列表中，append方法存入空列表
    data.append(value)
print(data)

[28, 71, 73, 59, 68, 94, 77, 35, 25, 82]