Python是数据分析利器,掌握了Python的编程基础后,就可以逐渐进入数据分析的奇妙世界。大致可分为以下五个流程:

　　1)数据获取

　　一般有数据分析师岗位需 求的公司都会有自己的数据库,数据分析师可以通过SQL查询语句来获取数据库中想要数据。Python已经具有连接sql server、mysql、 orcale等 主流数据库的接包,比如pymssq|、pymysql、 cx_ _Oracle等。

　　而获取外部数据主要有两种获取方式, -种是获取国内- -些网站上公开的数据资料,例如国家统计局; -种是通过编写爬虫代码自动爬取数据。如果希望使用Python爬虫来获取数据,我们可以使用以下Python工具:

　　Requests-主要用于爬取数据时发出请求操作。

　　BeautifulSoup-用于爬取数据时读取XML和HTML类型的数据,解析为对象进而处理。

　　Scapy-一个处理交互式数据的包,可以解码大部分网络协议的数据包

　　2)数据存储

　　对于数据量不大的项目,可以使用excel来进行存储和处理,但对于数据量过万的项目, 使用数据库来存储与管理会更高效便捷。

　　3)数据预处理

　　数据预处理也称数据清洗。大多数情况下,我们拿到手的数据是格式不-致,存在异常值、缺失值等问题的,而不同项目数据预处理步骤的方法也不一样。CDA数据分析师认为数据分析有80%的工作都在处理数据。如果选择Python作为数据清洗的工具的话,我们可以使用Numpy和Pandas这两个工具库:

　　Numpy -用于Python中的科学计算。它非常适用于与线性代数,傅里叶变换和随机数相关的运算。它可以很好地处理多维数据,并兼容各种数据库。

　　Pandas -Pandas是基于Numpy扩展而来的,可以提供一系列函数来处理数据结构和运算,如时间序列等。

　　4)建模与分析

　　这一阶段首先要清楚数据的结构,结合项目需求来选取模型。

　　5)可视化分析

　　数据分析最后一步是撰写数据分析报告 ,这也是数据可视化的一一个过程。在数据可视化方面，

　　Python目前主流的可视化工具有:

　　Matplotlib-主要用于二维绘图,它能让使用者将数据图形化,并且提供多样化的输出格式。

　　Seaborn-是基于matplotlib产生的一个模块，专攻于统计可视化,可以和Pandas进行无缝链接。