Python 数据分析入门

name = 小明"
age = 25
height = 1.75
is_student = True

print(name)
print(age)
print(height)
print(is_student)

age = 26
print(age)

def greet(name, greeting=你好"):
    message = f{greeting}，{name}！"
    return message

print(greet(小明"))
print(greet(小红", 早上好"))

def calc_bmi(weight, height):
    bmi = weight / (height ** 2)
    return round(bmi, 1)

my_bmi = calc_bmi(65, 1.75)
print(fBMI指数：{my_bmi}")

fruits = [苹果", 香蕉", 橙子"]
for fruit in fruits:
    print(f我喜欢{fruit}")

for i in range(1, 4):
    print(f第{i}次")

count = 0
while count < 3:
    print(fcount = {count}")
    count = count + 1

score = 85

if score >= 90:
    print(优秀")
elif score >= 60:
    print(及格")
else:
    print(不及格")

fruits = [苹果", 香蕉", 橙子", 葡萄"]

# 索引：从0开始
print(fruits[0])
print(fruits[-1])

# 切片：[起始:结束]，不包含结束
print(fruits[1:3])

# 追加和删除
fruits.append(芒果")
print(fruits)

fruits.remove(香蕉")
print(fruits)

# 列表长度
print(len(fruits))

student = {name": 小明", age": 25, city": 北京"}

# 按键取值
print(student[name"])

# 添加/修改键值对
student[major"] = 计算机"
student[age"] = 26

# 遍历字典
for key, value in student.items():
    print(f{key}: {value}")

text =   Hello, Python World  "

print(text.strip())
print(text.upper())
print(text.replace(Python", Java"))
print(text.strip().split(, "))
print(len(text.strip()))

import requests

url = https://jsonplaceholder.typicode.com/posts/1"
response = requests.get(url)

if response.status_code == 200:
    data = response.json()
    print(状态码：", response.status_code)
    print(文章ID：", data[id"])
    print(标题：", data[title"])
    print(正文：", data[body"][:50] + ...")
else:
    print(请求失败，状态码：", response.status_code)

import pandas as pd

# 从本地 CSV 文件读取
# df = pd.read_csv("data.csv")

# 也可以直接从 URL 读取
url = https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv"
df = pd.read_csv(url)

# 查看前5行
df.head()

# 形状：(行数, 列数)
print(形状：", df.shape)

# 列名
print(列名：", df.columns.tolist())

# 数据类型
print(df.dtypes)

# 详细信息：类型、非空值数量、内存占用
df.info()

# 基本统计信息
df.describe()

# 将 DataFrame 保存为 CSV
df.to_csv(output.csv", index=False)

# index=False 表示不写入行号（推荐）
# 也可以保存为 Excel
# df.to_excel("output.xlsx", index=False)

# 选择一列（返回 Series）
print(df[species"].head())

# 选择多列（返回 DataFrame）
df[[sepal_length", species"]].head()

# 筛选花萼长度大于5.0的行
long_sepal = df[df[sepal_length"] > 5.0]
print(f筛选后行数：{len(long_sepal)}")

# 多条件筛选：用 &（且）和 |（或）
setosa_long = df[(df[species"] == setosa") & (df[sepal_length"] > 5.0)]
print(fsetosa且长萼片：{len(setosa_long)}行")

# 用 .loc 同时筛选行和列
df.loc[df[species"] == virginica", [petal_length", petal_width"]].head()

# 筛选物种在指定列表中的行
# 等价于多个 == 用 | 连接，但更简洁
selected = df[df["species"].isin(["setosa", "virginica"])]
print(selected["species"].value_counts())

# 添加新列：花萼面积
df[sepal_area"] = df[sepal_length"] * df[sepal_width"]

# 按花萼面积降序排列，取前3行
top3 = df.sort_values(sepal_area", ascending=False).head(3)
top3[[species", sepal_length", sepal_width", sepal_area"]]

# 直接赋值会修改原 DataFrame
df["sepal_area"] = df["sepal_length"] * df["sepal_width"]

# assign 返回新 DataFrame，不修改原数据，适合链式调用
result = (df[df["species"] == "setosa"]
    .assign(petal_ratio=df["petal_length"] / df["petal_width"])
    .sort_values("petal_ratio", ascending=False)
    .head(3))
result[["species", "petal_length", "petal_width", "petal_ratio"]]

import numpy as np

# 创建含缺失值的数据
demo = pd.DataFrame({
    name": [小明", 小红", 小刚", 小丽"],
    score": [90", 85", np.nan, 78"],  # 分数是字符串+缺失
    age": [20, 21, np.nan, 22]
})

print(=== 转换前 ===")
print(demo.dtypes)

# astype 转换类型（先填缺失值再转）
demo[score"] = demo[score"].fillna(0).astype(float)

# 缺失值处理
print(\n=== 缺失值统计 ===")
print(demo.isnull().sum())

# dropna 删除含缺失值的行
demo_clean = demo.dropna(subset=[age"])
print(f\n删除前：{len(demo)}行，删除后：{len(demo_clean)}行")

# fillna 填充缺失值
demo[age"] = demo[age"].fillna(demo[age"].mean())
demo

# 按物种分组，计算每组的平均值
df.groupby(species").mean()

# 对不同列用不同聚合方式
summary = df.groupby(species").agg(
    平均花萼长度=(sepal_length", mean"),
    最大花瓣长度=(petal_length", max"),
    样本数量=(sepal_length", count")
).reset_index()   # reset_index 把分组列从索引变回普通列
summary

# 统计每个物种有多少条记录
df[species"].value_counts()

# 创建两张表
orders = pd.DataFrame({
    order_id": [1, 2, 3],
    customer_id": [101, 102, 101],
    amount": [99, 199, 50]
})

customers = pd.DataFrame({
    customer_id": [101, 102, 103],
    name": [小明", 小红", 小刚"]
})

# 按 customer_id 合并（类似 VLOOKUP）
pd.merge(orders, customers, on=customer_id", how=left")

# 宽格式：年份作为列名，不利于分析
sales_wide = pd.DataFrame({
    product": [A", B", C"],
    2023": [100, 200, 150],
    2024": [120, 210, 180]
})
print(=== 宽格式 ===")
print(sales_wide)

# melt 转成长格式：年份变成一列，销量变成一列
sales_long = sales_wide.melt(
    id_vars=[product"],        # 保持不变的列
    var_name=year",            # 原列名放到新列 "year"
    value_name=sales"          # 原值放到新列 "sales"
)
print(\n=== 长格式（整洁数据）===")
print(sales_long)

# pivot 是 melt 的逆操作
sales_wide_again = sales_long.pivot(
    index=product",     # 行标识
    columns=year",      # 展开成列的值来源
    values=sales"       # 填充的数据
).reset_index()         # 把 product 从索引变回普通列
sales_wide_again

import pandas as pd

# Pandas 内置绘图（需要 matplotlib）
# df.groupby("species")["petal_length"].mean().plot(kind="bar")

# 或用 altair（更美观）
# import altair as alt
# alt.Chart(df).mark_bar().encode(
#     x="species", y="mean(petal_length)"
# )

import marimo as mo
import pandas as pd

# 单元格1：定义数据
df = pd.DataFrame({
    姓名": [小明", 小红", 小刚"],
    成绩": [85, 92, 78]
})

# 单元格2：引用 df（当单元格1变化时自动重新运行）
平均分 = df[成绩"].mean()
print(f班级平均分：{平均分:.1f}")

# 单元格3：引用平均分（当单元格2变化时自动重新运行）
mo.md(f## 班级平均分是 **{平均分:.1f}** 分")

import marimo as mo

# 创建一个滑块
threshold = mo.ui.slider(0, 100, value=60, label=及格线")
threshold

# 引用 threshold.value —— 滑块变化时自动重跑
及格人数 = (df[成绩"] >= threshold.value).sum()
mo.md(f及格线以上有 **{及格人数}** 人")

import requests
import pandas as pd

# 步骤1：从API获取数据
url = https://jsonplaceholder.typicode.com/posts"
response = requests.get(url)
posts = response.json()

# 步骤2：转成DataFrame
df = pd.DataFrame(posts)
print(f共获取 {len(df)} 篇文章")
print(df.columns.tolist())

# 步骤3：添加新列——标题长度
df[title_length"] = df[title"].str.len()

# 步骤4：按用户ID分组统计
user_stats = df.groupby(userId").agg(
    文章数=(id", count"),
    平均标题长度=(title_length", mean")
).round(1)

print(user_stats.head())

# 步骤5：可视化（matplotlib 写法）
# import matplotlib.pyplot as plt
#
# user_stats["文章数"].plot(kind="bar")
# plt.title("各用户文章数量")
# plt.xlabel("用户ID")
# plt.ylabel("文章数")
# plt.tight_layout()
# plt.savefig("user_posts.png", dpi=300)
# plt.show()

print(上方柱状图展示了相同的统计结果")