学习python数据分析怎么样（学习数据分析需要多少python基础）

建议第一步先掌握Python编程基础，第二步了解Python数据分析库，以及掌握数据清洗相关原理，最后学会Matplotlib可视化分析。

下面就围绕这几部分内容，来给大家做介绍参考学习：

• 【Python基础语法】：变量,标识符和关键字、输入和输出、数据类型转换、PEP8编码规范、比较/关系运算符、if判断语句语法格式、三目运算符、while语句语法格式、while 循环嵌套、break 和 continue、while 循环案例、for循环；
• 【Python数据处理】：字符串定义语法格式、字符串遍历、下标和切片、字符串常见操作、列表语法格式、列表的遍历、列表常见操作、列表嵌套、列表推导式、元组语法格式、元组操作、字典语法格式、字典常见操作、字典的遍历；
• 【函数】：函数概念和作用、函数定义、调用、函数的参数、函数的返回值、函数的注释、函数的嵌套调用、可变和不可变类型、局部变量、全局变量、组包和拆包、引用；
• 【文件读写】：文件的打开与关闭、文件的读写、文件、目录操作及案例、os模块文件与目录相关操作；
• 【异常处理】：异常概念、异常捕获、异常的传递；
• 【模块和包】：模块介绍、模块的导入、包的概念、包的导入、模块中的..all..、模块中..name..

Python中常会用到一些专门的库，如NumPy、SciPy、pandas和Matplotlib。数据处理常用到NumPy、SciPy和Pandas，数据分析常用到Pandas和Scikit-Learn，数据可视化常用到matplotlib。

从一定程度上来说，学习Python数据分析主要就是学习使用这些分析库。

• 官方文档：https://numpy.org/
• 官方文档：https://scipy.org/
• 官方文档：pandas documentation
• 官方文档：Matplotlib - Visualization with Python
• 官方文档：scikit-learn: machine learning in Python
• 官方文档：the Python deep learning API

数据清洗技术是提高数据质量的有效方法。这项技术是一个较新的研究领域，对大数据集的清洗工作需要花费很长的时间。由于不同的应用领域对数据清洗有不同的解释，因此数据清洗直到现在都没有一个公认、统一的定义。数据清洗主要应用于3个领域，即数据仓库领域、数据挖掘领域以及数据质量管理领域。

数据清洗是利用相关技术将“脏”数据转换为满足质量要求的数据。下面通过一张图描述数据清洗的原理。

可视化是在整个数据挖掘的关键辅助工具，可以清晰地理解数据，从而调整我们的分析方法。

• 能将数据进行可视化,更直观地呈现
• 使数据更加客观、更具说服力

例如下面两个图为数字展示和图形展示：

（1）matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。

import matplotlib.pyplot as plt

（2）图形绘制流程：

• 1.创建画布 -- plt.figure()
• plt.figure(figsize=(), dpi=) figsize:指定图的长宽 dpi:图像的清晰度 返回fig对象
• 2.绘制图像 -- plt.plot(x, y)
• 以折线图为例
• 3.显示图像 -- plt.show()

（3）折线图绘制与显示

举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下

import matplotlib.pyplot as plt # 1.创建画布 plt.figure(figsize=(10, 10), dpi=100) # 2.绘制折线图 plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13]) # 3.显示图像 plt.show()