零基础入门数据分析！NumPy+Pandas+Matplotlib 实战全攻略（附代码 + 详解）
引言
对于想转行数据分析、零基础学 Python 的朋友来说，NumPy+Pandas+Matplotlib 就是数据分析领域的「三剑客」，也是入行必过的第一关！很多新手踩坑：要么乱学顺序，要么死记硬背函数，要么一上来就啃高阶语法，直接劝退。这篇文章严格按照数值计算→数据处理→可视化→综合实战的科学顺序，4 周搞定三剑客（每天投入 1-2 小时即可），全程无晦涩理论、全是可直接运行的代码 + 逐行详解，学完就能独立完成入门级数据分析项目！
全文框架：前置准备→NumPy（数值基石）→Pandas（核心处理，重点）→Matplotlib（可视化）→综合实战→学习总结，新手跟着走，一步不迷路！
目录
1.3 Jupyter Notebook 启动与使用（最佳实战工具）
模块 3：阶段 2 - Pandas：数据分析核心引擎（全文重点！）
2. DataFrame（二维数据：Excel 表格，核心中的核心）
模块 4：阶段 3 - Matplotlib（3-5 天）：数据可视化
模块 1：前置准备：零基础必看！
1.1 数据分析刚需 Python 基础（只学这些就够）
不用啃完整本 Python！仅需掌握 4 个基础知识点，直接开冲三剑客：
- 变量定义（
a=10） - 列表 / 字典基础（
[1,2,3]/{"name":"小明"}） - 条件判断（
if/else） - 基础循环（
for循环）
1.2 三剑客 + Jupyter 一键安装
打开电脑的命令提示符（CMD），直接复制运行这行代码，一键安装所有工具：
# 安装numpy、pandas、matplotlib、jupyter notebook
pip install numpy pandas matplotlib jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple
解释：
-i是清华镜像源，解决安装慢、失败的问题，新手必加！
1.3 Jupyter Notebook 启动与使用（最佳实战工具）
- CMD 中输入命令：
jupyter notebook - 自动弹出浏览器页面，点击
New→Python3新建代码文件 - 代码写在单元格里，按
Shift+Enter运行，全程用这个工具跑代码
1.4 前置小练习（巩固基础）
# 基础练习：定义列表+循环+判断
score = [80, 90, 60, 75]
for i in score:
if i >= 80:
print(f"分数{i}：优秀")
运行结果：
分数80：优秀
分数90：优秀
模块 2：阶段 1 - NumPy：数值计算底层基石
2.1 NumPy 核心定位
通俗说：Python 自带的列表太慢，NumPy 用「数组」替代列表，专门做数值计算，是 Pandas 的底层基础，处理大数据速度提升 100 倍！
2.2 必学核心知识点 + 实战代码
1. 导入库 + 数组创建（入门第一步）
# 1. 导入numpy库，固定简写为np（行业通用规范）
import numpy as np
# 2. 从列表创建数组
arr1 = np.array([1,2,3,4])
# 3. 生成连续数值数组（左闭右开，1到9）
arr2 = np.arange(1,10)
# 4. 生成全0/全1数组（3行2列）
arr3 = np.zeros((3,2))
arr4 = np.ones((2,3))
print(arr1)
print(arr2)
print(arr3)
逐行解释：
import numpy as np：导入库，np 是固定简写，必须记np.array()：将 Python 列表转为 NumPy 数组np.arange()：生成连续数字，和range()用法一致np.zeros()/ones()：生成指定形状的全 0 / 全 1 数组，括号内是 (行，列)
2. 数组属性查看（快速了解数据）
arr = np.array([[1,2,3],[4,5,6]])
# 查看数组形状（行，列）
print("形状：", arr.shape)
# 查看数组维度
print("维度：", arr.ndim)
# 查看数据类型
print("类型：", arr.dtype)
核心属性：shape（最常用，看数据行列）、ndim（维度）、dtype（数据类型）
3. 索引切片 + 条件筛选
arr = np.arange(1,10)
# 索引：取第2个元素（索引从0开始）
print(arr[1])
# 切片：取第2到第5个元素
print(arr[1:5])
# 条件筛选：取大于5的数字
print(arr[arr>5])
新手易错：索引从 0 开始，切片左闭右开！
4. 向量化运算（NumPy 核心优势）
arr = np.array([1,2,3])
# 数组整体运算，不用写循环！
print(arr + 10) # 每个元素+10
print(arr * 2) # 每个元素×2
优势：对比 Python 循环，代码更简洁、计算更快！
5. 常用统计函数
arr = np.array([1,2,3,4,5])
print("求和：", np.sum(arr))
print("均值：", np.mean(arr))
print("最大值：", np.max(arr))
print("标准差：", np.std(arr))
高频函数：sum(求和)、mean(均值)、max(最值)、std(标准差)
6. 随机数生成（模拟数据必备）
# 生成0-1之间的随机数组（3行3列）
arr = np.random.rand(3,3)
print(arr)
2.3 NumPy 小实战
# 实战：生成10个学生随机成绩，计算平均分
import numpy as np
score = np.random.randint(0,100,10) # 生成0-100的10个随机整数
print("学生成绩：", score)
print("平均分：", np.mean(score))
2.4 NumPy 新手避坑指南
⚠️ 避坑 1：数组和列表不能直接混合运算，必须用
np.array()转数组⚠️ 避坑 2：索引从 0 开始，切片不包含右边界⚠️ 避坑 3：二维数组索引写法是arr[行,列]，不是列表的arr[行][列]
模块 3：阶段 2 - Pandas：数据分析核心引擎（全文重点！）
3.1 Pandas 核心定位
Excel 的代码版！数据分析绝对主角，专门处理表格数据（CSV/Excel），数据清洗、分组统计、筛选查询全靠它，占实战工作 80% 的工作量！
3.2 核心数据结构（必学）
1. Series（一维数据：带索引的列表）
import pandas as pd
# 创建Series：索引+数值
s = pd.Series([80,90,70], index=["小明","小红","小刚"])
print(s)
解释：一维表格，左边是索引，右边是数值。
2. DataFrame（二维数据：Excel 表格，核心中的核心）
# 创建DataFrame（标准表格）
data = {
"姓名": ["小明","小红","小刚"],
"语文": [80,90,70],
"数学": [95,85,90]
}
df = pd.DataFrame(data)
print(df)
解释：行 = 样本，列 = 字段，和 Excel 表格完全一致，Pandas 所有操作都围绕 DataFrame！
3.3 Pandas 必学实战技能（逐行详解）
1. 数据读写（读取 / 导出 Excel/CSV）
import pandas as pd
# 读取CSV文件（Excel用pd.read_excel()）
# df = pd.read_csv("数据.csv")
# 导出文件
# df.to_csv("导出数据.csv", index=False) # index=False：不导出索引列
# 演示用：创建模拟数据
df = pd.DataFrame({
"商品": ["手机","电脑","平板"],
"销量": [100,80,120],
"价格": [3000,5000,2000]
})
核心函数：pd.read_csv()（读文件）、df.to_csv()（写文件）
2. 数据探查（快速看懂数据）
# 查看前5行数据（最常用）
print(df.head())
# 查看数据基本信息（列名、数据类型、缺失值）
print(df.info())
# 查看数值列统计信息（均值、最值、数量）
print(df.describe())
# 查看数据行列数
print("行列数：", df.shape)
实战作用：拿到数据第一步，先探查数据结构、缺失值、异常值！
3. 数据清洗（高频核心！）
# 模拟带缺失值、重复值的数据
df = pd.DataFrame({
"姓名": ["小明","小红","小明","小刚"],
"成绩": [80,None,80,90]
})
# 1. 处理缺失值：删除/填充
df = df.dropna() # 删除缺失值
# df = df.fillna(0) # 缺失值填充为0
# 2. 删除重复值
df = df.drop_duplicates()
# 3. 数据类型转换
df["成绩"] = df["成绩"].astype(int)
print(df)
核心操作：dropna()(删缺失值)、fillna()(填缺失值)、drop_duplicates()(删重复值)
4. 数据筛选与排序
# 条件筛选：销量大于100的商品
df = pd.DataFrame({"商品":["手机","电脑","平板"],"销量":[100,80,120]})
res = df[df["销量"] > 100]
# 排序：按销量降序排序（ascending=False=降序）
res = df.sort_values(by="销量", ascending=False)
print(res)
5. 分组聚合（数据分析灵魂！）
# 模拟数据：按班级分组统计平均分
df = pd.DataFrame({
"班级": ["一班","一班","二班","二班"],
"成绩": [80,90,70,85]
})
# 分组+求均值
res = df.groupby("班级")["成绩"].mean()
print(res)
核心公式：df.groupby(分组列)[统计列].聚合函数()聚合函数：mean(均值)、sum(求和)、count(计数)、max(最值)
6. 数据合并（简单拼接）
# 两个表格上下拼接
df1 = pd.DataFrame({"姓名":["小明","小红"]})
df2 = pd.DataFrame({"姓名":["小刚","小丽"]})
df = pd.concat([df1,df2], ignore_index=True)
print(df)
3.4 Pandas 专项实战（完整流程）
# 实战：学生成绩分析（读取→清洗→统计）
import pandas as pd
# 1. 创建数据
df = pd.DataFrame({
"姓名": ["小明","小红","小刚","小明"],
"语文": [80,90,None,80],
"数学": [95,85,90,95]
})
# 2. 数据清洗
df = df.drop_duplicates() # 去重
df = df.fillna(df["语文"].mean()) # 缺失值填充为语文平均分
# 3. 统计分析：计算总分
df["总分"] = df["语文"] + df["数学"]
# 4. 结果输出
print("清洗后数据：")
print(df)
print("\n总分排名：")
print(df.sort_values("总分", ascending=False))
3.5 Pandas 新手避坑指南
⚠️ 避坑 1：列名必须加引号，
df["成绩"]不能写成df[成绩]⚠️ 避坑 2：groupby后必须指定统计列，否则会报错⚠️ 避坑 3：导出文件必须加index=False，否则会多一列无用索引⚠️ 避坑 4：缺失值会导致统计报错，优先清洗缺失值再分析
模块 4：阶段 3 - Matplotlib（3-5 天）：数据可视化
4.1 Matplotlib 核心作用
把枯燥的数字变成直观图表，让分析结果一目了然，入门只学 5 种基础图表就够用！
4.2 固定绘图模板（新手直接套用）
# 导入库，固定简写
import matplotlib.pyplot as plt
# 解决中文乱码（必加！）
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
4.3 5 种入门必绘图表
1. 折线图（展示趋势）
x = [1,2,3,4]
y = [10,20,15,25]
plt.plot(x,y, color="red", linewidth=2)
plt.title("月度销量趋势")
plt.xlabel("月份")
plt.ylabel("销量")
plt.show()
2. 柱状图（分类对比）
x = ["一班","二班","三班"]
y = [85,90,88]
plt.bar(x,y, color="blue")
plt.title("班级平均分对比")
plt.show()
3. 直方图（数据分布）
data = [80,85,90,95,80,85,90]
plt.hist(data, bins=5)
plt.title("成绩分布")
plt.show()
4. 散点图（变量关系）
x = [1,2,3,4,5]
y = [10,20,30,40,50]
plt.scatter(x,y)
plt.title("学习时长与成绩关系")
plt.show()
5. 饼图（占比分析）
labels = ["手机","电脑","平板"]
sizes = [40,30,30]
plt.pie(sizes, labels=labels, autopct="%1.1f%%")
plt.title("商品销量占比")
plt.show()
4.4 图表美化（基础操作）
plt.title()：加标题plt.xlabel/ylabel()：加坐标轴名称plt.legend()：加图例plt.color：修改颜色
4.5 Matplotlib 新手避坑指南
⚠️ 避坑 1：不写中文配置代码，图表中文会乱码⚠️ 避坑 2：绘图最后必须加
plt.show()，否则不显示图表⚠️ 避坑 3：数据维度必须对应，否则报错
模块 5：阶段 4 - 综合实战项目：电商销售数据分析
三剑客联动！完整流程：生成数据→清洗分析→可视化，新手跟着敲就能跑通！
# ===================== 1. 导入三剑客 =====================
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 解决中文乱码
plt.rcParams["font.sans-serif"] = ["SimHei"]
# ===================== 2. NumPy生成模拟数据 =====================
# 生成30条销售数据：商品、销量、销售额
goods = ["手机","电脑","平板","耳机"]
sale_num = np.random.randint(50,200,30) # 销量50-200
sale_amount = sale_num * np.random.choice([3000,5000,2000,100],30) # 销售额
# ===================== 3. Pandas数据处理 =====================
# 创建DataFrame
df = pd.DataFrame({
"商品": np.random.choice(goods,30),
"销量": sale_num,
"销售额": sale_amount
})
# 数据清洗：去重+缺失值处理
df = df.drop_duplicates()
# 统计：按商品分组统计总销量、总销售额
result = df.groupby("商品").agg({
"销量": "sum",
"销售额": "sum"
}).reset_index()
print("销售统计结果：")
print(result)
# ===================== 4. Matplotlib可视化 =====================
# 柱状图：商品销量对比
plt.figure(figsize=(8,5))
plt.bar(result["商品"], result["销量"], color=["red","blue","green","orange"])
plt.title("电商商品销量对比")
plt.xlabel("商品类型")
plt.ylabel("总销量")
plt.show()
# 饼图：销售额占比
plt.figure(figsize=(6,6))
plt.pie(result["销售额"], labels=result["商品"], autopct="%1.1f%%")
plt.title("商品销售额占比")
plt.show()
实战结论：
- 平板 / 手机销量最高，是主力商品
- 电脑销售额占比最大，利润贡献最高
- 耳机销量偏低，可优化营销方案
模块 6：必备学习资源 + 避坑总结
6.1 免费优质学习资源
- 官方文档：NumPy/Pandas/Matplotlib 官网（中文翻译版）
- 练习数据集：Kaggle 入门数据集、阿里云天池
- 工具：Jupyter Notebook（全程实战）
6.2 全文核心学习总结
- 学习顺序：NumPy→Pandas→Matplotlib，不可逆
- 权重分配：Pandas 占 60% 精力，重点练数据清洗、分组聚合
- 学习节奏：4 周，每天 1-2 小时，边敲代码边学
6.3 新手通用避坑指南
⚠️ 不要死记函数：用到再查，多练自然记住⚠️ 不要跳过数据清洗：80% 的报错都来自脏数据⚠️ 不要只看不动手：代码必须亲手敲一遍，才能学会⚠️ 不要贪多：入门只学刚需内容，高阶语法后期再学
结语 + 进阶方向
恭喜你！学完这篇文章，你已经掌握了数据分析三剑客的入门核心技能，能独立完成数据读取、清洗、统计、可视化全流程！
入门标准：能独立完成本文的电商 / 成绩分析项目进阶路线：
- 可视化进阶：Seaborn（更美观的图表）
- 进阶分析：Scikit-learn（机器学习入门）
- 实战提升：Kaggle 入门竞赛、企业真实数据集
数据分析没有捷径，多动手、多实战就是最快的路！加油，新手们！
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
18
0- 0
已为社区贡献6条内容
所有评论(0)