python教程数据分析全解析：Pandas与NumPy实战案例

是不是很多新手朋友学了 Python 基础后，想做数据分析却卡壳了？面对 Excel 里几万行数据，筛选排序半天没反应；听说用 Python 能高效分析，却对着 Pandas 和 NumPy 的文档一脸懵，不知道从哪下手；好不容易导入数据，却连简单的求和平均值都算不对？其实啊，Pandas 和 NumPy 是 Python 数据分析的 “左膀右臂”，掌握它们俩，处理数据能比 Excel 快 10 倍。今天兔子哥就带大家从基础操作到实战案例，把这两个库拆解开讲，新手跟着练，很快就能上手做数据分析，一起往下看吧！

一、先搞懂：Pandas 和 NumPy 到底是啥？为啥非得用它们？

核心问题：都是处理数据的工具，这俩库有啥不一样？
简单说，NumPy 是 “数据计算的发动机”，擅长处理数值型数据，比如矩阵运算、统计计算；Pandas 是 “数据处理的瑞士军刀”，基于 NumPy 开发，能轻松处理表格数据（像 Excel 的表格），功能更全面。

两者对比表（新手一看就懂）

库名	核心功能	擅长处理的数据类型	新手常用场景
NumPy	数值计算、数组操作	纯数值的数组、矩阵	计算平均值、标准差、矩阵运算
Pandas	表格处理、数据清洗	带标签的表格数据（含文字）	数据筛选、分组、合并表格

为什么不用 Excel？ Excel 处理几万行数据就容易卡顿，而且重复操作多；用 Python 的这两个库，几行代码就能批量处理几十万行数据，还能把步骤写成脚本，下次直接复用，效率超高。兔子哥之前用 Excel 算销售数据，光筛选分类就花了半天，后来用 Pandas 写了几行代码，3 分钟就搞定了，还能自动生成结果，超方便！

二、基础操作：从安装到数据导入，3 步入门

核心问题：新手第一步该做啥？怎么把数据弄到 Python 里？
别着急写复杂代码，先把环境搭好，学会导入数据，这是数据分析的基础。

1. 安装库 —— 给 Python 装 “数据分析插件”

Pandas 和 NumPy 不是 Python 自带的，需要手动安装。打开命令提示符（Windows）或终端（Mac），输入这两行命令：
plaintext

pip install numpypip install pandas

等进度条跑完，就安装成功了。如果安装失败，多半是网络问题，加个国内镜像源（比如pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple）会快很多。

2. 导入库 —— 在代码里 “召唤” 它们

写 Python 代码时，得先导入这两个库才能用，一般起简称（行业惯例，大家都这么写）：
python

import numpy as np  # 导入NumPy，简称npimport pandas as pd  # 导入Pandas，简称pd

3. 导入数据 —— 把 Excel/CSV 文件搬进 Python

数据分析的第一步是获取数据，Pandas 支持导入 Excel、CSV 等格式，最常用的是 CSV（比 Excel 兼容性好）：
python

# 导入CSV文件（文件要和代码在同一个文件夹，不然写完整路径）data = pd.read_csv("销售数据.csv")# 导入Excel文件（需要先安装openpyxl库：pip install openpyxl）data = pd.read_excel("销售数据.xlsx")# 查看数据前5行，确认导入成功print(data.head())

如果打印出表格数据，说明导入成功了！要是报错 “文件不存在”，检查文件名是不是写错，或者路径对不对。

三、NumPy 实战：数值计算原来这么简单

核心问题：NumPy 怎么用？哪些计算适合用它？
NumPy 的核心是 “数组（ndarray）”，就像 Excel 里的一列或多列数值，能批量做计算，不用一个个处理。

1. 创建数组 —— 生成要计算的数据

python

import numpy as np# 创建一维数组（像一列数据）scores = np.array([85, 92, 78, 90, 88])# 创建二维数组（像一个表格的数值部分）sales = np.array([[100, 200, 150],[120, 180, 220]])

2. 常用计算 —— 一行代码搞定统计量

不用写循环，直接调用函数就能算：
python

# 一维数组计算print("平均分：", scores.mean())  # 计算平均值print("最高分：", scores.max())   # 最大值print("总分：", scores.sum())     # 求和# 二维数组计算（axis=0按列算，axis=1按行算）print("每月总销售额：", sales.sum(axis=0))  # 按列求和（每个月的总和）print("每天总销售额：", sales.sum(axis=1))  # 按行求和（每天的总和）

是不是比在 Excel 里手动输入公式快多了？尤其数据量大的时候，优势更明显。

四、Pandas 实战：表格数据处理全流程

核心问题：Pandas 最常用的功能有哪些？怎么用它清洗数据？
Pandas 的核心是 “DataFrame”，就像 Excel 的表格，有行有列，能轻松筛选、清洗、分析数据。兔子哥用一个 “销售数据” 案例，带大家走一遍流程。

1. 查看数据 —— 了解数据长啥样

python

import pandas as pddata = pd.read_csv("销售数据.csv")# 查看前5行和后5行print(data.head())  # 前5行print(data.tail())  # 后5行# 查看数据基本信息（行数、列数、数据类型）print(data.info())# 查看统计摘要（平均值、标准差等）print(data.describe())

2. 数据清洗 —— 处理缺失值和错误值

真实数据总会有缺失或错误，比如 “销售额” 列有空值，“日期” 格式不对：
python

# 处理缺失值：要么删除，要么填充data = data.dropna()  # 删除含缺失值的行（简单粗暴）# 或者用平均值填充销售额缺失值data["销售额"] = data["销售额"].fillna(data["销售额"].mean())# 处理错误值：比如销售额为负数，替换成0data["销售额"] = data["销售额"].apply(lambda x: x if x > 0 else 0)

3. 数据筛选与分组 —— 按条件找数据

比如想筛选 “北京地区” 的销售数据，或按 “地区” 分组算平均销售额：
python

# 筛选北京地区的数据beijing_data = data[data["地区"] == "北京"]print(beijing_data)# 按地区分组，计算每组的平均销售额region_sales = data.groupby("地区")["销售额"].mean()print(region_sales)  # 会显示每个地区的平均销售额

4. 数据可视化 —— 用简单图表看趋势

Pandas 能直接调用 Matplotlib 画图（需要先安装：pip install matplotlib）：
python

# 按月份分组，画销售额趋势图month_sales = data.groupby("月份")["销售额"].sum()month_sales.plot(kind="line", title="每月销售额趋势")  # 折线图# 按地区分组，画柱状图region_sales.plot(kind="bar", title="各地区平均销售额")  # 柱状图

运行后会弹出图表，数据趋势一目了然，比在 Excel 里手动画图方便多了！

五、新手避坑指南：这些错误别再犯了！

1. 导入数据时路径错误：文件没和代码放一起，又没写完整路径，导致 “FileNotFoundError”。解决办法：要么把文件放代码同文件夹，要么写绝对路径（比如C:/data/销售数据.csv）。
2. 混淆 NumPy 数组和 Pandas 的 Series：NumPy 数组没有列名，Pandas 的 Series 有索引（类似列名），计算时别搞混。不确定就用type()函数看看数据类型。
3. 处理大数据时内存不够：数据太大（比如几百万行），直接导入会卡顿。可以用chunksize分批导入：for chunk in pd.read_csv("大文件.csv", chunksize=10000): 分批处理。
4. 忘记写print()：新手常犯的错，写了data.head()却看不到结果，得加print()才能在控制台显示。

最后跟新手朋友们说句心里话，Pandas 和 NumPy 看着功能多，其实常用的就那些函数。刚开始不用死记硬背，遇到问题查文档（比如搜 “Pandas 分组求和”），多练几个实际案例就熟了。兔子哥刚开始用 Pandas 时，连groupby都搞不懂，后来用公司的销售数据反复练习，画了几十张图，慢慢就摸到规律了。
数据分析的核心是 “解决问题”，别为了用工具而用工具。拿到数据先想 “我要分析啥？”（比如销售额趋势、地区差异），再想 “用哪个函数能实现”，这样学起来更有方向。按今天的案例多动手试试，你会发现用 Python 做数据分析真的能省超多时间，希望能帮到你！

标签： pypi.tuna.tsi 数据分析