什么是数据分析
数据分析：从一堆看似杂乱的数据中，通过数据清洗、分析、可视化等手段，找出有价值的信息和结论，从而帮我们解决实际的问题。
常见场景：用户订单数据分析、电影榜单数据分析、学校学生成绩分析。
分析流程
数据收集 → 数据清洗处理 → 数据可视化 → 数据分析| 环节 | 干什么 | 用什么 |
|---|---|---|
| 数据收集 | 拿到原始数据（CSV、Excel、数据库、网络） | — |
| 数据清洗处理 | 去除重复数据、处理缺失值、处理异常值、一致性检查 | Pandas |
| 数据可视化 | 把数据画成图，一图胜千言 | Matplotlib |
| 数据分析 | 从图和统计结果里得出结论 | 人的判断 |
NOTE
数据分析里清洗往往是最花时间的一步——数据脏，后面的统计和图表都会跟着错。
Jupyter Notebook
Jupyter Notebook 是一个基于 Web 网页的、交互式的编程笔记本，让你可以把代码、运行结果、图表和笔记全部都放在一个文件里（在数据分析、机器学习、教学和科研等领域很常用）。
| 对比 | Python 文件（.py） | Jupyter 文件（.ipynb） |
|---|---|---|
| 运行方式 | 整个文件从头跑到尾 | 按单元格逐个运行，随时看结果 |
| 结果 | 打印到终端 | 直接显示在单元格下方（含表格、图表） |
| 适合 | 写脚本、程序 | 探索式分析：一边试一边看 |
TIP
用 PyCharm 第一次打开 .ipynb 时，会自动联网下载 Jupyter 相关软件包，等它装完即可。
相关
练习题
一、知识回顾（读完直接做下面的实践题）
- 数据分析：从杂乱数据中通过数据清洗、分析、可视化等手段，找出有价值的信息和结论
- 分析流程四步：数据收集 → 数据清洗处理 → 数据可视化 → 数据分析
- 数据清洗处理的四个动作：去除重复数据、处理缺失值、处理异常值、一致性检查
- 本课程里，清洗处理用 Pandas 库，数据可视化用 Matplotlib 库
- Jupyter Notebook 是基于 Web 网页的、交互式的编程笔记本
- Jupyter 文件（
.ipynb）与 Python 文件最大的不同是：可以按单元格逐个运行
二、概念自测
- 提示（先自己想，实在想不出再点开）
一级 · 思路：从"真实数据长什么样"出发想：缺的、重的、错的、格式乱的都要人工判断怎么处理；例子挑一个能直接影响统计结果的毛病
- 参考答案（做完再点开）
2-1 因为真实数据总有缺失、重复、异常、格式不统一，必须先修好才能统计。例：单价里有负数（录入错误），直接算"平均单价"或"销售金额合计"就会被拉低，结论自然是错的。
- 提示（先自己想，实在想不出再点开）
一级 · 思路：想 Jupyter 的两大特点——"按单元格随时看结果"和"代码/图表/文字放在一起"，各对应一类场景
- 参考答案（做完再点开）
2-2 ① 探索式分析：不知道数据长什么样，想一段一段试、边看结果边决定下一步；② 出报告/教学：代码、图表、文字说明放在一个文件里，别人打开就能看懂并复现。
- 提示（先自己想，实在想不出再点开）
一级 · 思路：按"重复值 → 缺失值 → 异常值 → 格式一致性"的顺序过一遍，每一步想一个针对订单数据的做法
- 参考答案（做完再点开）
2-3 ① 去重（按订单号）；② 处理缺失值（删除或填充）；③ 处理异常值（如单价为负，取绝对值或删掉）；④ 一致性检查（日期格式
2025/06/01统一成2025-06-01）。