数据分析入门实战：老板丢来 5000 行数据，我怎么一步步算出"哪个季度卖得最好"

写作日期：2026-08-04 ｜ 来源：数据分析学习笔记（六步流程 + Pandas 实战）
关键词：Pandas、数据清洗、groupby、透视表、数据分析流程

背景（S）

实习第一天，老板丢给我一个 CSV 文件，里面有 5000 行销售记录（日期、产品、金额），说了一句：“哪个季度卖得最好？明天汇报。”

当时的我大脑一片空白：数据分析第一步是啥？是不是先把数据算一遍？后来才发现，没有数据拿什么算——第一步是取数，而真正的坑，全在取数之后。

踩过的坑（T）

新手最容易犯的 5 个错，我一个没落：

1. 以为第一步是"分析"——错了，第一步是取数（先有数据才能分析）。
2. 直接对脏数据求和——5000 行里有 200 行重复记账，总销售额凭空虚高，多算 200 行的钱。
3. 空值填 0——50 行金额是空的，填 0 把月均消费从 2000 拉低到 1900，结论全歪。
4. sort_values 忘写 ascending=False——默认升序，卖得最好的产品在最后一行，老板从上往下看，差点把最差的当成最好的。
5. 透视表把 index / columns 搞反——index 是行（最左边一竖列），columns 是列（表头），反了就是一张"看不懂的表"。

怎么解决的（A）

第一步：先立骨架——数据分析六步流程

取数 → 清洗 → 存储 → 分析 → 可视化 → 报告

不是五步，是六步：最后一步"报告"是图表 + 结论 + 建议——因为老板没耐心看 5000 行数字，他要的是能直接拍板的一句话。

第二步：用 Pandas 把数据读进来

import pandas as pd

df = pd.read_csv("销售记录.csv")
print(df.shape)   # (5000, 3) = 5000 行 3 列（先行后列）
print(df.head())  # 看一眼前 5 行

DataFrame 就是一张跑在内存里的 Excel 表格：列是字段（日期、产品、金额），行是记录。

第三步：清洗三件套（最重要，别跳过）

df = df.drop_duplicates()                 # ① 去重：删掉 200 行重复记账（必须重新赋值才生效！）
df = df.dropna()                          # ② 空值少：直接删行
df = df.fillna(df['金额'].mean())         # ② 空值多：填均值（填 0 会拉低均值，别用）
df = df[df['金额'] > 0]                   # ③ 过滤：金额 > 0，把异常值/退款挡在外面

清洗决定结论可信度：重复数据让总数虚高，空值填错让均值失真——不洗，分析白做。

第四步：分组聚合——"哪个季度卖得最好"的核心

# 每个季度总销售额（groupby = 按列分堆，对金额求和）
季度销售 = df.groupby('季度')['金额'].sum()
print(季度销售.sort_values(ascending=False))   # 降序，第一行就是卖得最好的季度

groupby 结构记牢：df.groupby('分组的列')['要算的列'].sum()。想同时算金额和数量，用双括号 df.groupby('产品')[['金额', '数量']].sum()。

第五步：透视表——产品 × 季度交叉看

pd.pivot_table(df, values='金额', index='产品', columns='季度', aggfunc='sum')

季度       Q1    Q2    Q3    Q4
产品
奶茶     5000  6000  4000  5000
烤肠     1000  1500  1200  1300
柠檬水   2000  2200  1800  2000

一行代码同时看"哪个产品、哪个季度"——这就是 Excel 透视表的 Pandas 版，也是 groupby 的升级版（一维分组 → 二维交叉）。注意 aggfunc='sum' 一定要写，默认是 mean（平均值），会算成"平均每单"，和总销售额差很远。

第六步：报告交付

图（可视化）+ 结论 + 建议。我的结论是：“奶茶 Q2 卖得最好（6000），Q3 跌到 4000，建议排查 Q3 原因，Q2 经验可复制。”

复盘（R）

• 数据从哪来 → 怎么处理 → 给谁用：取数拿数据、清洗保可信、分析出结论、报告给决策者——这就是面试的"数据流三段式"。
• SQL 干重活，Pandas 干细活：数据大到内存装不下（比如 3G），先 SQL 聚合压小，再读回 Pandas 分析。
• 踩坑是最好的面试素材：面试官最爱听"我犯过错然后怎么改"，这 5 个坑就是。

---

一句话总结（面试直接背）：数据分析 = 六步流程（取数→清洗→存储→分析→可视化→报告），Pandas 三件套（drop_duplicates 去重、dropna/fillna 处理空值、df[条件] 过滤），groupby 一维分组、pivot_table 二维交叉——清洗保证结论可信，报告让老板 3 秒拍板。