大家好，我是大鵬，城市數(shù)據(jù)團(tuán)聯(lián)合發(fā)起人，致力于Python數(shù)據(jù)分析、數(shù)據(jù)可視化的應(yīng)用與教學(xué)。

和很多同學(xué)接觸過程中，我發(fā)現(xiàn)自學(xué)Python數(shù)據(jù)分析的一個難點(diǎn)是資料繁多，過于復(fù)雜。大部分網(wǎng)上的資料總是從Python語法教起，夾雜著大量Python開發(fā)的知識點(diǎn)，花了很多時間卻始終云里霧里，不知道哪些知識才是真正有用的。本來以為上手就能寫爬蟲出圖，卻在看基礎(chǔ)的過程中消耗了一周又一周，以至于很多勵志學(xué)習(xí)Python的小伙伴犧牲在了入門的前一步。

于是，我總結(jié)了以下一篇干貨，來幫助大家理清思路，提高學(xué)習(xí)效率。總共分為三大部分：做Python數(shù)據(jù)分析必知的語法，如何實(shí)現(xiàn)爬蟲，怎么做數(shù)據(jù)分析。1.必須知道的兩組Python基礎(chǔ)術(shù)語A.變量和賦值

Python可以直接定義變量名字并進(jìn)行賦值的，例如我們寫出a=4時，Python解釋器干了兩件事情：在內(nèi)存中創(chuàng)建了一個值為4的整型數(shù)據(jù)

在內(nèi)存中創(chuàng)建了一個名為a的變量，并把它指向4

用一張示意圖表示Python變量和賦值的重點(diǎn)：

例如下圖代碼，“=”的作用就是賦值，同時Python會自動識別數(shù)據(jù)類型:a=4?#整型數(shù)據(jù)

b=2?#整型數(shù)據(jù)

c=“4”?#字符串?dāng)?shù)據(jù)

d=“2”?#字符串?dāng)?shù)據(jù)

print(“a+b結(jié)果為”，a+b)#兩個整數(shù)相加，結(jié)果是6

print(“c+d結(jié)果為”，c+d)#兩個文本合并，結(jié)果是文本“42”

#以下為運(yùn)行結(jié)果

>>>a+b結(jié)果為?6

>>>c+d結(jié)果為?42請閱讀代碼塊里的代碼和注釋，你會發(fā)現(xiàn)Python是及其易讀易懂的。B.數(shù)據(jù)類型

在初級的數(shù)據(jù)分析過程中，有三種數(shù)據(jù)類型是很常見的：列表list(Python內(nèi)置)

字典dic(Python內(nèi)置)

DataFrame(工具包pandas下的數(shù)據(jù)類型，需要import pandas才能調(diào)用)

它們分別是這么寫的：

列表(list)：#列表

liebiao=[1,2.223,-3,'劉強(qiáng)東','章澤天','周杰倫','昆凌',['微博','B站','抖音']]list是一種有序的集合，里面的元素可以是之前提到的任何一種數(shù)據(jù)格式和數(shù)據(jù)類型(整型、浮點(diǎn)、列表……)，并可以隨時指定順序添加其中的元素，其形式是：#ist是一個可變的有序表，所以，可以往list中追加元素到末尾：

liebiao.append('瘦')

print(liebiao)

#結(jié)果1

>>>[1,?2.223,?-3,?'劉強(qiáng)東',?'章澤天',?'周杰倫',?'昆凌',?['微博',?'B站',?'抖音'],?'瘦']

#也可以把元素插入到指定的位置，比如索引號為5的位置,插入“胖”這個元素：

liebiao.insert(5,?'胖')

print(liebiao)

#結(jié)果2

>>>[1,?2.223,?-3,?'劉強(qiáng)東',?'章澤天',?'胖',?'周杰倫',?'昆凌',?['微博',?'B站',?'抖音'],?'瘦']

字典(dict)：#字典

zidian={'劉強(qiáng)東':'46','章澤天':'36','周杰倫':'40','昆凌':'26'}字典使用鍵-值(key-value)存儲，無序，具有極快的查找速度。以上面的字典為例，想要快速知道周杰倫的年齡，就可以這么寫：zidian['周杰倫']

>>>'40'

dict內(nèi)部存放的順序和key放入的順序是沒有關(guān)系的,也就是說，'章澤天'并非是在'劉強(qiáng)東'的后面。

DataFrame：

DataFrame可以簡單理解為excel里的表格格式。導(dǎo)入pandas包后，字典和列表都可以轉(zhuǎn)化為DataFrame，以上面的字典為例，轉(zhuǎn)化為DataFrame是這樣的：import?pandas?as?pddf=pd.DataFrame.from_dict(zidian,orient='index',columns=['age'])#注意DataFrame的D和F是大寫

df=df.reset_index().rename(columns={'index':'name'})#給姓名加上字段名

和excel一樣，DataFrame的任何一列或任何一行都可以單獨(dú)選出進(jìn)行分析。

以上三種數(shù)據(jù)類型是python數(shù)據(jù)分析中用的最多的類型，基礎(chǔ)語法到此結(jié)束，接下來就可以著手寫一些函數(shù)計(jì)算數(shù)據(jù)了。2.從Python爬蟲學(xué)循環(huán)函數(shù)

掌握了以上基本語法概念，我們就足以開始學(xué)習(xí)一些有趣的函數(shù)。我們以爬蟲中繞不開的遍歷url為例，講講大家最難理解的循環(huán)函數(shù)for的用法：A.for函數(shù)

for函數(shù)是一個常見的循環(huán)函數(shù)，先從簡單代碼理解for函數(shù)的用途：zidian={'劉強(qiáng)東':'46','章澤天':'36','周杰倫':'40','昆凌':'26'}

for?key?in?zidian:

print(key)

>>>

劉強(qiáng)東

章澤天

周杰倫

昆凌

因?yàn)閐ict的存儲不是按照list的方式順序排列，所以，迭代出的結(jié)果順序很可能不是每次都一樣。默認(rèn)情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時#迭代key和value，可以用for k, v in d.items()

可以看到，字典里的人名被一一打印出來了。for 函數(shù)的作用就是用于遍歷數(shù)據(jù)。掌握for函數(shù)，可以說是真正入門了Python函數(shù)。B.爬蟲和循環(huán)

for函數(shù)在書寫Python爬蟲中經(jīng)常被應(yīng)用，因?yàn)榕老x經(jīng)常需要遍歷每一個網(wǎng)頁，以獲取信息，所以構(gòu)建完整而正確的網(wǎng)頁鏈接十分關(guān)鍵。以某票房數(shù)據(jù)網(wǎng)為例，他的網(wǎng)站信息長這樣：

該網(wǎng)站的周票房json數(shù)據(jù)地址可以通過抓包工具找到，網(wǎng)址為http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=20190114

仔細(xì)觀察，該網(wǎng)站不同日期的票房數(shù)據(jù)網(wǎng)址(url)只有后面的日期在變化，訪問不同的網(wǎng)址(url)就可以看到不同日期下的票房數(shù)據(jù)：

我們要做的是，遍歷每一個日期下的網(wǎng)址，用Python代碼把數(shù)據(jù)爬下來。此時for函數(shù)就派上用場了，使用它我們可以快速生成多個符合條件的網(wǎng)址：import?pandas?as?pd

url_df?=?pd.DataFrame({'urls':['http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate='?for?i?in?range(5)],'date'?:pd.date_range(20190114,freq?=?'W-MON',periods?=?5)})

'''

將網(wǎng)址相同的部分生成5次，并利用pandas的時間序列功能生成5個星期一對應(yīng)的日期。

其中用到了第一部分提供的多個數(shù)據(jù)類型：

range(5)屬于列表，

'urls'：[]屬于字典，

pd.dataframe屬于dataframe

'''

url_df['urls']?=?url_df['urls']?+?url_df['date'].astype('str')

滑動滑塊可以看到完整代碼和中間的注釋。

為了方便理解，我給大家畫了一個for函數(shù)的遍歷過程示意圖：

此處省略掉后續(xù)爬取過程，相關(guān)爬蟲代碼見文末。我們使用爬蟲爬取了5800+條數(shù)據(jù)，包含20個字段，時間囊括了從2008年1月開始至2019年2月十一年期間的單周票房、累計(jì)票房、觀影人次、場均人次、場均票價、場次環(huán)比變化等信息。3.Python怎么實(shí)現(xiàn)數(shù)據(jù)分析？

除了爬蟲，分析數(shù)據(jù)也是Python的重要用途之一，Excel能做的事，Python究竟怎么實(shí)現(xiàn)呢；Excel不能做的事，Python又是否能實(shí)現(xiàn)呢？利用電影票房數(shù)據(jù)，我們分別舉一個例子說明：A.Python分析

在做好數(shù)據(jù)采集和導(dǎo)入后，選擇字段進(jìn)行初步分析可以說是數(shù)據(jù)分析的必經(jīng)之路。在Dataframe數(shù)據(jù)格式的幫助下，這個步驟變得很簡單。

比如當(dāng)我們想看單周票房第一的排名分別都是哪些電影時，可以使用pandas工具庫中常用的方法，篩選出周票房為第一名的所有數(shù)據(jù)，并保留相同電影中周票房最高的數(shù)據(jù)進(jìn)行分析整理：import?pandas?as?pd

data?=?pd.read_csv('中國票房數(shù)據(jù)爬取測試20071-20192.csv',engine='python')

data[data['平均上座人數(shù)']>20]['電影名']

#計(jì)算周票房第一隨時間變化的結(jié)果，導(dǎo)入數(shù)據(jù)，并選擇平均上座人數(shù)在20以上的電影為有效數(shù)據(jù)

dataTop1_week?=?data[data['排名']==1][['電影名','周票房']]

#取出周票房排名為第一名的所有數(shù)據(jù)，并保留“電影名”和“周票房”兩列數(shù)據(jù)

dataTop1_week?=?dataTop1_week.groupby('電影名').max()['周票房'].reset_index()

#用“電影名”來分組數(shù)據(jù)，相同電影連續(xù)霸榜的選擇最大的周票房保留，其他數(shù)據(jù)刪除

dataTop1_week?=?dataTop1_week.sort_values(by='周票房',ascending=False)

#將數(shù)據(jù)按照“周票房”進(jìn)行降序排序

dataTop1_week.index?=?dataTop1_week['電影名']

del?dataTop1_week['電影名']

#整理index列，使之變?yōu)殡娪懊?#xff0c;并刪掉原來的電影名列

dataTop1_week

#查看數(shù)據(jù)

9行代碼，我們完成了Excel里的透視表、拖動、排序等鼠標(biāo)點(diǎn)擊動作。最后再用Python中的可視化包matplotlib，快速出圖：

B.函數(shù)化分析

以上是一個簡單的統(tǒng)計(jì)分析過程。接下來就講講Excel基礎(chǔ)功能不能做的事——自定義函數(shù)提效。觀察數(shù)據(jù)可以發(fā)現(xiàn)，數(shù)據(jù)中記錄了周票房和總票房的排名，那么剛剛計(jì)算了周票房排名的代碼，還能不能復(fù)用做一張總票房分析呢？

當(dāng)然可以，只要使用def函數(shù)和剛剛寫好的代碼建立自定義函數(shù)，并說明函數(shù)規(guī)則即可：def?pypic(pf):

#定義一個pypic函數(shù)，變量是pf

dataTop1_sum?=?data[['電影名',pf]]

#取出源數(shù)據(jù)中，列名為“電影名”和pf兩列數(shù)據(jù)

dataTop1_sum?=?dataTop1_sum.groupby('電影名').max()[pf].reset_index()

#用“電影名”來分組數(shù)據(jù)，相同電影連續(xù)霸榜的選擇最大的pf票房保留，其他數(shù)據(jù)刪除

dataTop1_sum?=?dataTop1_sum.sort_values(by=pf,ascending=False)

#將數(shù)據(jù)按照pf進(jìn)行降序排序

dataTop1_sum.index?=?dataTop1_sum['電影名']

del?dataTop1_sum['電影名']

#整理index列，使之變?yōu)殡娪懊?#xff0c;并刪掉原來的電影名列

dataTop1_sum[:20].iloc[::-1].plot.barh(figsize?=?(6,10),color?=?'orange')

name=pf+'top20分析'

plt.title(name)

#根據(jù)函數(shù)變量名出圖

定義函數(shù)后，批量出圖so easy：

學(xué)會函數(shù)的構(gòu)建，一個數(shù)據(jù)分析師才算真正能夠告別Excel的鼠標(biāo)點(diǎn)擊模式，邁入高效分析的領(lǐng)域。4.光看不練是永遠(yuǎn)不能入門的

如果只有一小時學(xué)習(xí)，以上就是大家一定要掌握的Python知識點(diǎn)。光看不練永遠(yuǎn)都會是門外漢，如果你有興趣學(xué)習(xí)Python數(shù)據(jù)分析，卻在過程中感到困惑，歡迎來參加我在網(wǎng)易云課堂的免費(fèi)直播，每晚一個主題，有學(xué)有練，讓你快速入門Python數(shù)據(jù)分析：

不間斷直播陪你從入門到精通

掃碼即可預(yù)約免費(fèi)直播席位

5.7 周二 20:00

《快速入門：搞定初學(xué)Python的十大易錯點(diǎn)》

1. python基礎(chǔ)語法學(xué)習(xí)路徑

2. 十大易錯點(diǎn)分別是哪些？

3. 用python實(shí)現(xiàn)第一個數(shù)據(jù)爬蟲

5.8 周三?20:00

《告別加班：用Pandas代替Excel快速處理數(shù)據(jù)》

1. 如何用Python快速處理數(shù)據(jù)？

2. 初學(xué)者使用pandas最容易犯的錯誤

3. ?Pandas套路總結(jié)

5.9 周四?20:00

《窮人和富人就差1%的努力：用隨機(jī)數(shù)模擬社會財(cái)富分配》

1. 什么是蒙特卡羅思想

2. 隨機(jī)數(shù)模擬的前提:準(zhǔn)確判斷數(shù)據(jù)分布

3. 模型構(gòu)建，模擬社會財(cái)富分配

5.13 周一?20:00

《Python數(shù)據(jù)可視化利器：pyecharts！》

1. 為什么需要交互式圖表來做數(shù)據(jù)表達(dá)？

2. pyecharts基礎(chǔ)操作

3. 數(shù)據(jù)可視化技能圖譜詳解

5.14 周二?20:00

《1小時入門python爬蟲：當(dāng)數(shù)據(jù)分析師就該自己爬數(shù)據(jù)！》

1. 快讀讀懂網(wǎng)頁結(jié)構(gòu)

2. 頁面解析及標(biāo)簽提取

3. 實(shí)現(xiàn)第1個數(shù)據(jù)爬蟲

5.15 周三?20:00

《用數(shù)據(jù)做攻略：找到一個城市最有趣的地方》

1.數(shù)據(jù)爬蟲構(gòu)建

2.字段篩選與數(shù)據(jù)清洗

3.篩選機(jī)制及評價方法

4.空間數(shù)據(jù)可視化表達(dá)結(jié)果

5.16 周四?20:00

《人口數(shù)據(jù)：揭秘一年來上海工作的人員流動情況》

1.全國人口遷徙數(shù)據(jù)采集

2.數(shù)據(jù)整理與核心城市篩選

3.數(shù)據(jù)表達(dá)：OD圖制作方法與技巧

贈送免費(fèi)課程課程大綱1. Python語言入門

2. 每月凈收入模型構(gòu)建

3. 每月支出模型構(gòu)建

4. 不同情況下的花唄還款場景模擬

5. 負(fù)債積累問題

6. 如何用圖表講好一個故事？(彩蛋)

6G入門資料

本文所示票房數(shù)據(jù)爬取和分析代碼以及中國票房數(shù)據(jù)源數(shù)據(jù)，已經(jīng)放在百度網(wǎng)盤6g資料包內(nèi)

福利領(lǐng)取方式

所有以上福利，掃碼添加網(wǎng)易云課堂小助手即可獲得

微信號：neteasepython

席位有限，先到先得

總結(jié)

以上是生活随笔為你收集整理的学python重点是什么_如果只有1小时学Python，看这篇就够了的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。