CBF格式解析：锥规划问题的高效存储与优化实践

Python数据分析是一个系统性的技术领域涉及数据获取、清洗、处理、可视化到建模的完整流程。

以下是核心知识体系和实践指南

Python数据分析技术栈核心库与工具库名称主要用途学习重点NumPy​数值计算基础多维数组操作数组创建、索引切片、广播机制、数学运算Pandas​数据处理核心表格数据操作DataFrame操作、数据清洗、分组聚合、合并连接Matplotlib​基础绘图库高度可定制折线图、柱状图、散点图、子图布局Seaborn​统计可视化基于Matplotlib分布图、热力图、分类图、主题美化Scikit-learn​机器学习库算法丰富数据预处理、模型训练、评估、特征工程辅助工具Jupyter Notebook/JupyterLab交互式开发环境适合探索性分析VS Code/PyCharm专业IDE适合大型项目Anaconda包管理工具简化环境配置

数据分析完整流程阶段1数据获取与加载import pandas as pd # 从CSV文件读取 df pd.read_csv(data.csv, encodingutf-

# 从Excel读取 df pd.read_excel(data.xlsx, sheet_nameSheet

# 从数据库读取需安装对应驱动 import sqlite3 conn sqlite

connect(database.db) df pd.read_sql_query(SELECT * FROM table, conn)阶段2数据探索与清洗# 查看数据基本信息 print(df.info()) # 数据类型、缺失值 print(df.describe()) # 数值型统计描述 print(df.head()) # 前几行数据 # 处理缺失值 df.dropna() # 删除缺失行 df.fillna(

# 填充为0 df.fillna(df.mean()) # 用均值填充 # 处理重复值 df.drop_duplicates() # 数据类型转换 df[column] df[column].astype(int) # 转换为整型 df[date_col] pd.to_datetime(df[date_col]) # 转换为日期 # 异常值处理 Q1 df[col].quantile(

0.

Q3 df[col].quantile(

0.

IQR Q3 - Q1 df df[~((df[col] (Q1 -

5*IQR)) | (df[col] (Q3

5*IQR)))]阶段3数据预处理与特征工程# 数据标准化 from sklearn.preprocessing import StandardScaler scaler StandardScaler() df_scaled scaler.fit_transform(df[[col1, col2]]) # 独热编码分类变量 df_encoded pd.get_dummies(df, columns[category_col]) # 时间特征提取 df[year] df[date_col].dt.year df[month] df[date_col].dt.month df[day_of_week] df[date_col].dt.dayofweek # 分组聚合 grouped df.groupby(category)[value].agg([mean, std, count])阶段4数据可视化import matplotlib.pyplot as plt import seaborn as sns # 设置样式 plt.style.use(seaborn-v0_

sns.set_palette(husl) # 单变量分布 plt.figure(figsize(10,

) sns.histplot(df[value], kdeTrue) plt.title(Value Distribution) plt.show() # 双变量关系 plt.figure(figsize(10,

) sns.scatterplot(xx_col, yy_col, datadf, huecategory) plt.title(Scatter Plot) plt.show() # 多变量热力图 corr df.corr() plt.figure(figsize(12,

) sns.heatmap(corr, annotTrue, cmapcoolwarm) plt.title(Correlation Heatmap) plt.show()阶段5建模与评估from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score # 划分训练集和测试集 X df[[feature1, feature2]] y df[target] X_train, X_test, y_train, y_test train_test_split(X, y, test_size

2, random_state

# 模型训练 model LinearRegression() model.fit(X_train, y_train) # 预测与评估 y_pred model.predict(X_test) print(MSE:, mean_squared_error(y_test, y_pred)) print(R2 Score:, r2_score(y_test, y_pred)) # 特征重要性线性回归系数 coef_df pd.DataFrame({feature: X.columns, coefficient: model.coef_}) print(coef_df.sort_values(coefficient, ascendingFalse))

常用数据分析场景

描述性统计分析# 基本统计量 df.describe() # 分类变量统计 df[category].value_counts() # 交叉表 pd.crosstab(df[cat1], df[cat2]) # 分组统计 df.groupby(group_col)[value_col].agg([mean, median, std])

时间序列分析# 设置时间索引 df_time df.set_index(date_col) # 重采样日→月 monthly_data df_time[value].resample(M).mean() # 移动平均 rolling_mean df_time[value].rolling(window

.mean() # 时间序列可视化 plt.figure(figsize(12,

) plt.plot(df_time.index, df_time[value], labelOriginal) plt.plot(rolling_mean.index, rolling_mean, label7-Day MA, colorred) plt.legend() plt.show()

数据透视表# 创建透视表 pivot_table pd.pivot_table(df, valuessales, indexregion, columnsmonth, aggfuncsum, fill_value

print(pivot_table)

数据合并与连接# 按列合并 pd.concat([df1, df2], axis

# 按行合并 pd.concat([df1, df2], axis

# 按键连接 pd.merge(df1, df2, onkey_col, howinner) # 内连接 pd.merge(df1, df2, onkey_col, howleft) # 左连接

小黄书xhs91.cc成人-小黄书xhs91.cc成人应用