1. 数据分析概述与环境搭建

1.1 数据分析课程导论

1.1.1  为什么要学数据分析？

• 传统方法：用Excel手工处理数据
• 问题：数据量超过1万行会卡顿，复杂计算需要写复杂公式
• 举例：统计全校1000名学生成绩排名，手动操作需2小时
• Python数据分析：
• 优势：自动处理百万级数据，代码可重复使用
• 举例：用Pandas代码3分钟完成相同任务

功能	Excel	Python (Pandas)
数据处理量	1万行以内	100万行以上
自动化	手动操作	代码一键运行
学习难度	简单	需基础编程知识

1.1.2  学完能做什么？

• 常见应用场景：
• 销售分析（哪些商品卖得最好？）
• 用户行为分析（用户最喜欢点击哪个功能？）
• 金融预测（股票价格趋势）

1.1.3  数据分析的完整流程

1.数据收集

数据从哪里来？公司数据库| 公开数据集（如政府数据）|手动爬取

2.数据清洗（最重要！）

典型问题：

缺失值（如Excel里的空单元格）

错误数据（如年龄填成200岁）

格式混乱（日期写成“2023年1月1日”和“01/01/2023”混用）

3.数据分析

常用方法：

统计（平均值、最大值、比例）

分组对比（如男vs女用户的消费差异）

4.数据可视化

一图胜千言：折线图（趋势）| 柱状图（对比）|散点图（相关性）

1.1.4  数据分析工具链

1.核心三件套

工具	作用	类比说明
Numpy	高性能数值计算（矩阵/向量）	数据的”发动机”
Pandas	表格数据处理（类似高级Excel）	数据的”手术刀”
Matplotlib	数据可视化（绘图库）	数据的”翻译官”

2.典型工作流

Numpy处理数字 → Pandas整理表格 → Matplotlib画图展示

3.辅助工具

• Jupyter Notebook  
• 交互式编程环境，实时显示代码和结果  
• 优势：适合教学/探索性分析（可保存图文混合笔记）  
• Anaconda  
• 一键安装所有工具的科学计算发行版  
• 包含：Python解释器 + 常用库 + 环境管理工具  
• Git  
• 代码版本控制（避免分析脚本丢失）  
• 协作必备：记录每次修改，支持多人合作