数据分析：Python进行数据清洗、统计分析以及可视化操作的例子

原创绝地灬酷狼 2025-01-04 08:33 8阅读 0赞

在Python中，我们可以使用pandas库来完成数据清洗、统计分析和可视化。以下是一些例子：

1. 数据清洗（处理缺失值、异常值等）
```python
import pandas as pd

# 假设我们有一个包含缺失值的DataFrame
data = {'Name': ['John', ' Doe', None], 'Age': [25, 30, np.nan]} 
df = pd.DataFrame(data)

# 清洗数据，处理缺失值
df_cleaned = df.dropna() # 删除含有NaN的行

print(df_cleaned)
```

2. 统计分析
```python
import pandas as pd

# 假设我们有一个销售数据的DataFrame
sales_data = {'Product': ['Phone', 'Tablet', 'Laptop'], 'Sales': [50, 75, 100], 'Date': ['2023-01-01', '2023-01-05', '2023-01-08']} 
df_sales = pd.DataFrame(sales_data)

# 计算销售额总和、平均值
total_sales = df_sales['Sales'].sum()
average_sales = df_sales['Sales'].mean()

print("Total Sales:", total_sales)
print("Average Sales:", average_sales)
```

3. 可视化操作
```python
import pandas as pd
import matplotlib.pyplot as plt

# 假设我们有一个物价数据的DataFrame，包含日期和价格
price_data = {'Date': ['2023-01-01', '2023-01-05', '2023-01-08'], 'Price': [10, 15, 20]} 
df_price = pd.DataFrame(price_data)

# 绘制物价趋势图
plt.figure(figsize=(10, 6)))
plt.plot(df_price['Date'], df_price['Price']))
plt.title('Price Trend Over Time')
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()
```

以上例子展示了如何使用Python和pandas库进行数据清洗、统计分析以及可视化操作。