Python 数据分析
从入门到实战

import pandas as pd
import numpy as np

# 读取 CSV 数据
df = pd.read_csv('students.csv')

# 查看基本信息
print(df.shape)        # (行数, 列数)
print(df.dtypes)       # 每列数据类型
print(df.head(5))      # 前5行

# 统计摘要
print(df.describe())

# 检查缺失值
print(df.isnull().sum())

# 各科均值
avg = df[['数学', '英语', '语文']].mean()
print(avg)

# 填充缺失值
df['成绩'].fillna(df['成绩'].mean(), inplace=True)

# 删除含缺失值的行
df.dropna(subset=['姓名', '班级'], inplace=True)

# 删除重复行
df.drop_duplicates(inplace=True)

# 数据类型转换
df['成绩'] = df['成绩'].astype(float)
df['日期'] = pd.to_datetime(df['日期'])

# 过滤异常值（Z-score法）
z = (df['成绩'] - df['成绩'].mean()) / df['成绩'].std()
df = df[z.abs() <= 3]

# 重命名列
df.rename(columns={'score': '成绩'}, inplace=True)

import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']

# 1. 折线图（趋势）
plt.plot(df['月份'], df['销售额'],
         marker='o', color='#3b82f6')
plt.title('月度销售趋势')

# 2. 热力图（相关性）
corr = df.corr()
sns.heatmap(corr, annot=True,
             cmap='coolwarm', center=0)

# 3. 箱线图（分布）
sns.boxplot(x='班级', y='成绩', data=df,
             palette='Set2')

# 4. 散点回归图
sns.regplot(x='学习时长', y='成绩',
             data=df, scatter_kws={'alpha':0.5})

plt.tight_layout()
plt.savefig('analysis.png', dpi=150)