大家好，我是大鵬，城市數(shù)據(jù)團(tuán)聯(lián)合發(fā)起人，致力于Python數(shù)據(jù)分析、數(shù)據(jù)可視化的應(yīng)用與教學(xué)。

和很多同學(xué)接觸過程中，我發(fā)現(xiàn)自學(xué)Python數(shù)據(jù)分析的一個(gè)難點(diǎn)是資料繁多，過于復(fù)雜。大部分網(wǎng)上的資料總是從Python語法教起，夾雜著大量Python開發(fā)的知識(shí)點(diǎn)，花了很多時(shí)間卻始終云里霧里，不知道哪些知識(shí)才是真正有用的。本來以為上手就能寫爬蟲出圖，卻在看基礎(chǔ)的過程中消耗了一周又一周，以至于很多勵(lì)志學(xué)習(xí)Python的小伙伴犧牲在了入門的前一步。

于是，我總結(jié)了以下一篇干貨，來幫助大家理清思路，提高學(xué)習(xí)效率。總共分為三大部分：做Python數(shù)據(jù)分析必知的語法，如何實(shí)現(xiàn)爬蟲，怎么做數(shù)據(jù)分析。

Python可以直接定義變量名字并進(jìn)行賦值的，例如我們寫出a = 4時(shí)，Python解釋器干了兩件事情：

• 在內(nèi)存中創(chuàng)建了一個(gè)值為4的整型數(shù)據(jù)

• 在內(nèi)存中創(chuàng)建了一個(gè)名為a的變量，并把它指向4

用一張示意圖表示Python變量和賦值的重點(diǎn)：

例如下圖代碼，“=”的作用就是賦值，同時(shí)Python會(huì)自動(dòng)識(shí)別數(shù)據(jù)類型:

在初級(jí)的數(shù)據(jù)分析過程中，有三種數(shù)據(jù)類型是很常見的：

• 列表list（Python內(nèi)置）

• 字典dic（Python內(nèi)置）

• DataFrame（工具包pandas下的數(shù)據(jù)類型，需要import pandas才能調(diào)用）

它們分別是這么寫的：

列表（list）：

list是一種有序的集合，里面的元素可以是之前提到的任何一種數(shù)據(jù)格式和數(shù)據(jù)類型（整型、浮點(diǎn)、列表……），并可以隨時(shí)指定順序添加其中的元素，其形式是：

#ist是一個(gè)可變的有序表，所以，可以往list中追加元素到末尾：
liebiao.append('瘦')
print(liebiao)
#結(jié)果1
>>>[1, 2.223, -3, '劉強(qiáng)東', '章澤天', '周杰倫', '昆凌', ['微博', 'B站', '抖音'], '瘦']

#也可以把元素插入到指定的位置，比如索引號(hào)為5的位置,插入“胖”這個(gè)元素：
liebiao.insert(5, '胖')
print(liebiao)
#結(jié)果2
>>>[1, 2.223, -3, '劉強(qiáng)東', '章澤天', '胖', '周杰倫', '昆凌', ['微博', 'B站', '抖音'], '瘦']

字典（dict）：

字典使用鍵-值（key-value）存儲(chǔ)，無序，具有極快的查找速度。以上面的字典為例，想要快速知道周杰倫的年齡，就可以這么寫：

zidian['周杰倫']
>>>'40'

dict內(nèi)部存放的順序和key放入的順序是沒有關(guān)系的,也就是說，'章澤天'并非是在'劉強(qiáng)東'的后面。

DataFrame：

DataFrame可以簡單理解為excel里的表格格式。導(dǎo)入pandas包后，字典和列表都可以轉(zhuǎn)化為DataFrame，以上面的字典為例，轉(zhuǎn)化為DataFrame是這樣的：

和excel一樣，DataFrame的任何一列或任何一行都可以單獨(dú)選出進(jìn)行分析。

以上三種數(shù)據(jù)類型是python數(shù)據(jù)分析中用的最多的類型，基礎(chǔ)語法到此結(jié)束，接下來就可以著手寫一些函數(shù)計(jì)算數(shù)據(jù)了。

掌握了以上基本語法概念，我們就足以開始學(xué)習(xí)一些有趣的函數(shù)。我們以爬蟲中繞不開的遍歷url為例，講講大家最難理解的循環(huán)函數(shù)for的用法：

for函數(shù)是一個(gè)常見的循環(huán)函數(shù)，先從簡單代碼理解for函數(shù)的用途：

zidian={'劉強(qiáng)東':'46','章澤天':'36','周杰倫':'40','昆凌':'26'}
for key in zidian:
        print(key)
>>>
劉強(qiáng)東
章澤天
周杰倫
昆凌

因?yàn)閐ict的存儲(chǔ)不是按照list的方式順序排列，所以，迭代出的結(jié)果順序很可能不是每次都一樣。默認(rèn)情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時(shí)#迭代key和value，可以用for k, v in d.items()

可以看到，字典里的人名被一一打印出來了。for 函數(shù)的作用就是用于遍歷數(shù)據(jù)。掌握for函數(shù)，可以說是真正入門了Python函數(shù)。

for函數(shù)在書寫Python爬蟲中經(jīng)常被應(yīng)用，因?yàn)?strong>爬蟲經(jīng)常需要遍歷每一個(gè)網(wǎng)頁，以獲取信息，所以構(gòu)建完整而正確的網(wǎng)頁鏈接十分關(guān)鍵。以某票房數(shù)據(jù)網(wǎng)為例，他的網(wǎng)站信息長這樣：

該網(wǎng)站的周票房json數(shù)據(jù)地址可以通過抓包工具找到，網(wǎng)址為http://www./BoxOffice/getWeekInfoData?sdate=20190114

仔細(xì)觀察，該網(wǎng)站不同日期的票房數(shù)據(jù)網(wǎng)址（url）只有后面的日期在變化，訪問不同的網(wǎng)址（url）就可以看到不同日期下的票房數(shù)據(jù)：

我們要做的是，遍歷每一個(gè)日期下的網(wǎng)址，用Python代碼把數(shù)據(jù)爬下來。此時(shí)for函數(shù)就派上用場了，使用它我們可以快速生成多個(gè)符合條件的網(wǎng)址：

滑動(dòng)滑塊可以看到完整代碼和中間的注釋。

為了方便理解，我給大家畫了一個(gè)for函數(shù)的遍歷過程示意圖：

此處省略掉后續(xù)爬取過程，相關(guān)爬蟲代碼見文末。我們使用爬蟲爬取了5800+條數(shù)據(jù)，包含20個(gè)字段，時(shí)間囊括了從2008年1月開始至2019年2月十一年期間的單周票房、累計(jì)票房、觀影人次、場均人次、場均票價(jià)、場次環(huán)比變化等信息。

除了爬蟲，分析數(shù)據(jù)也是Python的重要用途之一，Excel能做的事，Python究竟怎么實(shí)現(xiàn)呢；Excel不能做的事，Python又是否能實(shí)現(xiàn)呢？利用電影票房數(shù)據(jù)，我們分別舉一個(gè)例子說明：

在做好數(shù)據(jù)采集和導(dǎo)入后，選擇字段進(jìn)行初步分析可以說是數(shù)據(jù)分析的必經(jīng)之路。在Dataframe數(shù)據(jù)格式的幫助下，這個(gè)步驟變得很簡單。

比如當(dāng)我們想看單周票房第一的排名分別都是哪些電影時(shí)，可以使用pandas工具庫中常用的方法，篩選出周票房為第一名的所有數(shù)據(jù)，并保留相同電影中周票房最高的數(shù)據(jù)進(jìn)行分析整理：

import pandas as pd
data = pd.read_csv('中國票房數(shù)據(jù)爬取測試20071-20192.csv',engine='python')
data[data['平均上座人數(shù)']>20]['電影名']
#計(jì)算周票房第一隨時(shí)間變化的結(jié)果，導(dǎo)入數(shù)據(jù)，并選擇平均上座人數(shù)在20以上的電影為有效數(shù)據(jù)

dataTop1_week = data[data['排名']==1][['電影名','周票房']]
#取出周票房排名為第一名的所有數(shù)據(jù)，并保留“電影名”和“周票房”兩列數(shù)據(jù)

dataTop1_week = dataTop1_week.groupby('電影名').max()['周票房'].reset_index()
#用“電影名”來分組數(shù)據(jù)，相同電影連續(xù)霸榜的選擇最大的周票房保留，其他數(shù)據(jù)刪除

dataTop1_week = dataTop1_week.sort_values(by='周票房',ascending=False)
#將數(shù)據(jù)按照“周票房”進(jìn)行降序排序

dataTop1_week.index = dataTop1_week['電影名']
del dataTop1_week['電影名']
#整理index列，使之變?yōu)殡娪懊h掉原來的電影名列

dataTop1_week
#查看數(shù)據(jù)

9行代碼，我們完成了Excel里的透視表、拖動(dòng)、排序等鼠標(biāo)點(diǎn)擊動(dòng)作。最后再用Python中的可視化包matplotlib，快速出圖：

以上是一個(gè)簡單的統(tǒng)計(jì)分析過程。接下來就講講Excel基礎(chǔ)功能不能做的事——自定義函數(shù)提效。觀察數(shù)據(jù)可以發(fā)現(xiàn)，數(shù)據(jù)中記錄了周票房和總票房的排名，那么剛剛計(jì)算了周票房排名的代碼，還能不能復(fù)用做一張總票房分析呢？

當(dāng)然可以，只要使用def函數(shù)和剛剛寫好的代碼建立自定義函數(shù)，并說明函數(shù)規(guī)則即可：

定義函數(shù)后，批量出圖so easy：

學(xué)會(huì)函數(shù)的構(gòu)建，一個(gè)數(shù)據(jù)分析師才算真正能夠告別Excel的鼠標(biāo)點(diǎn)擊模式，邁入高效分析的領(lǐng)域。

如果只有一小時(shí)學(xué)習(xí)，以上就是大家一定要掌握的Python知識(shí)點(diǎn)。光看不練永遠(yuǎn)都會(huì)是門外漢，如果你有興趣學(xué)習(xí)Python數(shù)據(jù)分析，卻在過程中感到困惑，歡迎來參加我在網(wǎng)易云課堂的免費(fèi)直播，每晚一個(gè)主題，有學(xué)有練，讓你快速入門Python數(shù)據(jù)分析：

不間斷直播陪你從入門到精通

掃碼即可預(yù)約免費(fèi)直播席位

5.7 周二 20:00

《快速入門：搞定初學(xué)Python的十大易錯(cuò)點(diǎn)》

1. python基礎(chǔ)語法學(xué)習(xí)路徑

2. 十大易錯(cuò)點(diǎn)分別是哪些？

3. 用python實(shí)現(xiàn)第一個(gè)數(shù)據(jù)爬蟲

5.8 周三 20:00

《告別加班：用Pandas代替Excel快速處理數(shù)據(jù)》

1. 如何用Python快速處理數(shù)據(jù)？

2. 初學(xué)者使用pandas最容易犯的錯(cuò)誤

3.  Pandas套路總結(jié)

5.9 周四 20:00

《窮人和富人就差1%的努力：用隨機(jī)數(shù)模擬社會(huì)財(cái)富分配》

1. 什么是蒙特卡羅思想

2. 隨機(jī)數(shù)模擬的前提:準(zhǔn)確判斷數(shù)據(jù)分布

3. 模型構(gòu)建，模擬社會(huì)財(cái)富分配

5.13 周一 20:00

《Python數(shù)據(jù)可視化利器：pyecharts！》

1. 為什么需要交互式圖表來做數(shù)據(jù)表達(dá)？

2. pyecharts基礎(chǔ)操作

3. 數(shù)據(jù)可視化技能圖譜詳解

5.14 周二 20:00

《1小時(shí)入門python爬蟲：當(dāng)數(shù)據(jù)分析師就該自己爬數(shù)據(jù)！》

1. 快讀讀懂網(wǎng)頁結(jié)構(gòu)

2. 頁面解析及標(biāo)簽提取

3. 實(shí)現(xiàn)第1個(gè)數(shù)據(jù)爬蟲

5.15 周三 20:00

《用數(shù)據(jù)做攻略：找到一個(gè)城市最有趣的地方》

1.數(shù)據(jù)爬蟲構(gòu)建

2.字段篩選與數(shù)據(jù)清洗

3.篩選機(jī)制及評(píng)價(jià)方法

4.空間數(shù)據(jù)可視化表達(dá)結(jié)果

5.16 周四 20:00

《人口數(shù)據(jù)：揭秘一年來上海工作的人員流動(dòng)情況》

1.全國人口遷徙數(shù)據(jù)采集

2.數(shù)據(jù)整理與核心城市篩選

3.數(shù)據(jù)表達(dá)：OD圖制作方法與技巧

贈(zèng)送免費(fèi)課程

6G入門資料

本文所示票房數(shù)據(jù)爬取和分析代碼以及中國票房數(shù)據(jù)源數(shù)據(jù)，已經(jīng)放在百度網(wǎng)盤6g資料包內(nèi)

福利領(lǐng)取方式

所有以上福利，掃碼添加網(wǎng)易云課堂小助手即可獲得

微信號(hào)：neteasepython

席位有限，先到先得