python基础实战案例教程：用简单代码实现数据分析入门指南

admin python教程 2025-10-24 8

想入门数据分析，却觉得需要学复杂的公式和高深的理论？是不是看着别人用 Python 做数据可视化、出分析报告，自己却不知道从哪下手，怕代码太难学不会？拿到一堆数据不知道怎么整理，更别说从中找规律了。别焦虑，兔子哥第一次接触数据分析时，对着 Excel 表格里的几百行数据发呆，不知道怎么快速算出平均分、找出最高分，后来用 Python 几行代码就搞定了，原来数据分析入门没那么难。今天就带零基础的朋友用简单代码做数据分析实战，从数据加载到可视化，一步步学会用 Python 处理数据，一起往下看吧！

一、数据分析入门前：准备好这两个 “利器”

做数据分析不用复杂工具，Python 的两个库就够了，安装简单，功能却超实用。

必备库介绍：pandas 和 matplotlib

pandas：处理数据的 “瑞士军刀”，能轻松加载、清洗、分析数据，比如筛选成绩大于 90 分的学生、计算平均分，几行代码就能搞定。
matplotlib：数据可视化的 “画笔”，能把数据变成柱状图、折线图，让结果更直观，一眼看出数据规律。

安装方法：一行代码搞定
打开命令提示符（Win+R 输入 cmd），分别输入这两行命令：

plaintext

pip install pandaspip install matplotlib

等几分钟就安装好了，新手如果出现 “pip 不是内部命令”，记得检查 Python 是否添加到环境变量，不会的话搜 “Python 添加环境变量教程”，跟着做就行。

库名称	作用	核心功能	新手友好度
pandas	数据处理	加载数据、清洗数据、计算统计量	★★★★☆
matplotlib	数据可视化	画柱状图、折线图、饼图	★★★☆☆

二、核心步骤：从数据加载到分析，4 步搞定

以 “学生成绩数据” 为例，带大家走完数据分析全流程，数据可以自己用 Excel 造一份（包含姓名、语文、数学、英语成绩），保存为 CSV 格式。

第一步：加载数据，让 Python “读” 懂数据
用 pandas 的read_csv函数加载数据，代码如下：

python

import pandas as pd  # 导入pandas库，简写为pd# 加载CSV文件，文件路径替换成你的文件位置data = pd.read_csv("学生成绩.csv")# 查看数据前5行，确认加载成功print("数据前5行：")print(data.head())  # head()默认显示前5行

如果出现 “FileNotFoundError”，说明文件路径错了，要么写全路径（比如"C:\data\学生成绩.csv"），要么把 CSV 文件和代码放同一个文件夹。

第二步：数据清洗，处理 “脏数据”
实际数据常有些问题，比如缺考的学生成绩是空值（NaN），需要处理干净：

python

# 查看是否有缺失值print("\n缺失值情况：")print(data.isnull().sum())  # 统计每列缺失值数量# 处理缺失值：删除有缺失值的行（简单粗暴，适合新手）data_clean = data.dropna()  # dropna()删除含缺失值的行print("\n清洗后的数据行数：", len(data_clean))  # 看看删了多少行

如果不想删除，也可以用平均分填充缺失值，代码是data.fillna(data.mean())，新手先掌握删除法就行。

第三步：数据分析，找出数据规律
用 pandas 做基础统计分析，几行代码算出平均分、最高分、最低分：

python

# 计算每科平均分avg_scores = data_clean[["语文", "数学", "英语"]].mean()print("\n各科平均分：")print(avg_scores)# 计算每个学生的总分data_clean["总分"] = data_clean["语文"] + data_clean["数学"] + data_clean["英语"]print("\n添加总分后的数据：")print(data_clean.head())# 找出总分前三名的学生top3 = data_clean.sort_values(by="总分", ascending=False).head(3)print("\n总分前三名：")print(top3[["姓名", "总分"]])  # 只显示姓名和总分

sort_values是排序函数，ascending=False表示从高到低排，这样就能轻松找出尖子生。

第四步：数据可视化，用图表展示结果
用 matplotlib 画柱状图，直观展示各科平均分对比：

python

import matplotlib.pyplot as plt  # 导入可视化库# 设置中文显示（不然中文会乱码）plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]# 画柱状图avg_scores.plot(kind="bar", color=["red", "green", "blue"])plt.title("各科平均分对比")  # 图表标题plt.xlabel("科目")  # x轴标签plt.ylabel("平均分")  # y轴标签plt.show()  # 显示图表

运行后会弹出一个窗口，显示红色的语文柱、绿色的数学柱、蓝色的英语柱，哪个科目平均分高一目了然。

三、实战案例：完整代码 + 效果展示

把上面的步骤串起来，完整代码如下，新手可以直接抄，改改文件路径就能跑：
python

import pandas as pdimport matplotlib.pyplot as plt# 1. 加载数据data = pd.read_csv("学生成绩.csv")print("原始数据前5行：")print(data.head())# 2. 数据清洗print("\n缺失值统计：")print(data.isnull().sum())data_clean = data.dropna()print("清洗后数据量：", len(data_clean), "行")# 3. 数据分析avg_scores = data_clean[["语文", "数学", "英语"]].mean()data_clean["总分"] = data_clean["语文"] + data_clean["数学"] + data_clean["英语"]top3 = data_clean.sort_values(by="总分", ascending=False).head(3)print("\n各科平均分：")print(avg_scores)print("\n总分前三名：")print(top3[["姓名", "总分"]])# 4. 数据可视化plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]avg_scores.plot(kind="bar", color=["red", "green", "blue"])plt.title("各科平均分对比")plt.xlabel("科目")plt.ylabel("平均分")plt.show()

运行后会在控制台看到数据统计结果，同时弹出柱状图窗口，是不是很有成就感？

四、避坑指南：新手最容易踩的 5 个坑

坑 1：中文乱码，图表里的中文显示成方框
解决：加上plt.rcParams["font.family"] = ["SimHei", ...]这行代码，指定中文字体，前面的案例已经加了，直接抄就行。
坑 2：加载数据时报 “FileNotFoundError”
检查文件路径是否正确：要么用绝对路径（C:\xxx\data.csv），要么把 CSV 文件和代码放同一个文件夹，路径只写文件名。
坑 3：计算总分时提示 “列名不存在”
原因：CSV 文件里的列名和代码里的不一样，比如文件里是 “语文成绩”，代码里写 “语文”，就会报错。解决：用print(data.columns)查看实际列名，保持一致。
坑 4：安装库时提示 “Permission denied”
权限不够，命令前加pip install --user pandas（加 --user 参数），或用管理员身份打开命令提示符。
坑 5：数据清洗后发现数据少了很多
如果缺失值太多，删除后数据不够用，可以用填充法：data.fillna(data.mean())用平均分填充，或data.fillna(0)用 0 填充，根据实际情况选。

网友 “数据分析小白” 分享：“第一次画图中文乱码，加了字体设置代码后就好了，原来就差这么一行代码，新手一定要注意！”

五、自问自答：数据分析入门常问的 3 个问题

“一定要学数学才能做数据分析吗？”
不用！入门阶段会用 pandas 的mean() sum()这些现成函数就行，不用自己推导公式。当然，想深入学高级分析，数学有帮助，但新手先 focus 用工具出结果，再慢慢补理论。
“数据可视化有必要吗？直接看数字不行吗？”
太有必要了！几百个数据看数字很难发现规律，画成图表一眼就能看出趋势，比如哪个科目平均分低、成绩分布是否集中，汇报时别人也更容易理解。
“除了学生成绩，还能分析什么数据练手？”
很多啊！比如自己的消费记录（分析每月花在哪最多）、天气数据（分析气温变化）、电影评分数据（分析高分电影特点），网上也能下载公开数据集（比如 Kaggle 网站），找自己感兴趣的练。

结尾心得

数据分析入门真的不用怕，用对工具（pandas+matplotlib），跟着案例一步步做，零基础也能上手。兔子哥的经验是，别一开始就追求复杂模型，先把 “加载→清洗→分析→可视化” 这个流程练熟，用简单数据（比如自己造的成绩表）练手，熟悉每个步骤的代码逻辑。遇到报错别慌，90% 的问题是路径错了、列名不对或中文乱码，对照避坑指南排查，多试几次就顺了。数据分析的乐趣在于从杂乱的数据中找出规律，当你用几行代码画出漂亮的图表，发现隐藏的信息时，那种成就感超棒！现在就找份简单数据试试，你会发现数据分析原来这么有意思。

标签：第一次接触数据分析

本文地址： https://www.kfyz.com/python/1196.html