一起学Python第97天: Pandas数据分析相关技能

import pandas as pdimport numpy as np# 创建示例数据df = pd.DataFrame({    'Sales': [1200, 1500, 1800, 2100, 2400, np.nan],    'Profit': [300, 450, 520, 680, 750, 820],    'Region': ['East', 'West', 'East', 'West', 'East', 'West']})# 均值：反映"平均水平"print("🔹 销售额均值:", df['Sales'].mean())      # 1800.0（自动忽略NaN）# 中位数：反映"中间水平"，抗异常值print("🔹 利润中位数:", df['Profit'].median())   # 600.0# 方差/标准差：反映"波动程度"print("🔹 销售额标准差:", df['Sales'].std())     # 469.04# 分位数：定位数据分布位置print("🔹 利润25%/50%/75%分位数:\n",       df['Profit'].quantile([0.25, 0.5, 0.75]))

# describe() 一次性输出核心统计量print("\n🔹 数值列描述性统计:\n", df.describe())# 自定义统计量（更灵活！）custom_stats = df['Profit'].agg([    'count', 'mean', 'median', 'std',     'min', lambda x: x.quantile(0.9), 'max'  # 支持自定义函数！])print("\n🔹 自定义统计报告:\n", custom_stats)

# Pearson相关系数（线性关系，-1~1）corr_sales_profit = df['Sales'].corr(df['Profit'])print("🔹 销售额与利润的相关系数:", corr_sales_profit)  # 0.98 → 强正相关# 多变量相关性矩阵corr_matrix = df[['Sales', 'Profit']].corr()print("\n🔹 相关性矩阵:\n", corr_matrix)

import matplotlib.pyplot as pltimport seaborn as sns# 设置中文字体（避免乱码）plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 绘制热力图plt.figure(figsize=(6, 4))sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)plt.title('变量相关性热力图')plt.tight_layout()plt.show()

# 创建业务数据df_pivot = pd.DataFrame({    'Date': pd.date_range('2024-01-01', periods=6),    'Region': ['East', 'East', 'West', 'West', 'East', 'West'],    'Product': ['A', 'B', 'A', 'B', 'A', 'B'],    'Sales': [100, 150, 200, 250, 120, 180]})# 按区域汇总销售额pivot_region = df_pivot.pivot_table(    values='Sales',     index='Region',     aggfunc='sum'  # 汇总函数：sum/mean/count等)print("🔹 各区域总销售额:\n", pivot_region)

# 按"区域×产品"交叉汇总，同时计算总和与均值pivot_multi = df_pivot.pivot_table(    values='Sales',    index='Region',    columns='Product',  # 列维度    aggfunc=['sum', 'mean'],  # 多重聚合    fill_value=0,  # 缺失值填充    margins=True,  # 添加总计行/列    margins_name='总计')print("\n🔹 区域×产品多维透视表:\n", pivot_multi)

# 用 groupby + agg 实现自定义透视逻辑custom_pivot = df_pivot.groupby(['Region', 'Product']).agg({    'Sales': ['sum', 'mean', 'count'],    'Date': 'min'  # 最早销售日期}).round(2)  # 保留2位小数print("\n🔹 自定义聚合透视:\n", custom_pivot)

# 生成日期索引dates = pd.date_range(start='2024-01-01', periods=30, freq='D')# 创建时间序列DataFramedf_time = pd.DataFrame({    'Date': dates,    'Daily_Sales': np.random.randint(100, 300, size=30)}).set_index('Date')  # 关键：设日期为索引！print("🔹 时间序列前5行:\n", df_time.head())

# 日数据 → 周汇总（求和）weekly_sales = df_time.resample('W').sum()print("\n🔹 周度销售额:\n", weekly_sales.head())# 日数据 → 月均值monthly_avg = df_time.resample('M').mean()print("\n🔹 月均销售额:\n", monthly_avg.head())

# 绘制原始数据 + 7日移动平均线df_time['MA7'] = df_time['Daily_Sales'].rolling(window=7).mean()plt.figure(figsize=(12, 5))plt.plot(df_time.index, df_time['Daily_Sales'], label='日销售额', alpha=0.6)plt.plot(df_time.index, df_time['MA7'], label='7日移动平均', linewidth=2, color='red')plt.title('销售额趋势分析')plt.xlabel('日期')plt.ylabel('销售额')plt.legend()plt.grid(True, alpha=0.3)plt.tight_layout()plt.show()

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns# 1. 构造业务数据np.random.seed(42)dates = pd.date_range('2024-01-01', periods=90, freq='D')df = pd.DataFrame({    'Date': dates,    'Region': np.random.choice(['East', 'West', 'North'], 90),    'Product': np.random.choice(['A', 'B', 'C'], 90),    'Sales': np.random.randint(100, 500, 90) + np.sin(np.arange(90)/10)*50,  # 加趋势    'Profit': np.random.randint(30, 150, 90)})df.loc[np.random.choice(df.index, 5), 'Sales'] = np.nan  # 模拟缺失# 2. 描述性统计print("🔹 核心指标概览:")print(df[['Sales', 'Profit']].describe().round(2))# 3. 相关性分析corr = df[['Sales', 'Profit']].corr().round(3)print("\n🔹 销售-利润相关性:", corr.iloc[0,1])# 4. 数据透视：区域×产品销售额pivot = df.pivot_table(    values='Sales',     index='Region',     columns='Product',     aggfunc='sum',    fill_value=0,    margins=True,    margins_name='合计').round(0)print("\n🔹 区域×产品透视表:\n", pivot)# 5. 时间序列分析df_ts = df.set_index('Date').sort_index()df_ts['Sales_MA7'] = df_ts['Sales'].rolling(7, min_periods=1).mean()# 6. 可视化fig, axes = plt.subplots(2, 1, figsize=(12, 8))# 热力图sns.heatmap(corr, annot=True, cmap='RdYlGn', ax=axes[0])axes[0].set_title('变量相关性热力图')# 趋势图axes[1].plot(df_ts.index, df_ts['Sales'], label='日销售额', alpha=0.5)axes[1].plot(df_ts.index, df_ts['Sales_MA7'], label='7日移动平均', color='red', linewidth=2)axes[1].set_title('销售额趋势分析')axes[1].legend()axes[1].grid(True, alpha=0.3)plt.tight_layout()plt.show()print("\n✅ 分析完成！关键结论：")print(f"  • 销售与利润强相关 (r={corr.iloc[0,1]:.3f})")print(f"  • West区域Product B销售额最高 ({pivot.loc['West', 'B']:.0f})")print(f"  • 近期销售额呈上升趋势（移动平均线向上）")