2組語法，1個函式，教你用Python做資料分析

 （點選上方快速關註並設定為星標，一起學Python）

大家好，我是大鵬，城市資料團聯合發起人，致力於Python資料分析、資料視覺化的應用與教學。

和很多同學接觸過程中，我發現自學Python資料分析的一個難點是資料繁多，過於複雜。大部分網上的資料總是從Python語法教起，夾雜著大量Python開發的知識點，花了很多時間卻始終雲裡霧裡，不知道哪些知識才是真正有用的。本來以為上手就能寫爬蟲出圖，卻在看基礎的過程中消耗了一週又一週，以至於很多勵志學習Python的小夥伴犧牲在了入門的前一步。

於是，我總結了以下一篇乾貨，來幫助大家理清思路，提高學習效率。總共分為三大部分：做Python資料分析必知的語法，如何實現爬蟲，怎麼做資料分析。

Python可以直接定義變數名字併進行賦值的，例如我們寫出a = 4時，Python直譯器幹了兩件事情：

• 在記憶體中建立了一個值為4的整型資料
• 在記憶體中建立了一個名為a的變數，並把它指向4

用一張示意圖表示Python變數和賦值的重點：

例如下圖程式碼，“=”的作用就是賦值，同時Python會自動識別資料型別:

a=4 #整型資料
b=2 #整型資料
c=“4” #字串資料
d=“2” #字串資料

print(“a+b結果為”，a+b)#兩個整數相加，結果是6
print(“c+d結果為”，c+d)#兩個文字合併，結果是文字“42”

#以下為執行結果
>>>a+b結果為 6
>>>c+d結果為 42
請閱讀程式碼塊裡的程式碼和註釋，你會發現Python是及其易讀易懂的。

在初級的資料分析過程中，有三種資料型別是很常見的：

• 串列list（Python內建）
• 字典dic（Python內建）
• DataFrame（工具包pandas下的資料型別，需要import pandas才能呼叫）

它們分別是這麼寫的：

串列（list）：

#串列
liebiao=[1,2.223,-3,'劉強東','章澤天','周傑倫','昆凌',['微博','B站','抖音']]

list是一種有序的集合，裡面的元素可以是之前提到的任何一種資料格式和資料型別（整型、浮點、串列……），並可以隨時指定順序新增其中的元素，其形式是：

#ist是一個可變的有序表，所以，可以往list中追加元素到末尾：
liebiao.append('瘦')
ptint(liebiao)
#結果1
>>>[1, 2.223, -3, '劉強東', '章澤天', '周傑倫', '昆凌', ['微博', 'B站', '抖音'], '瘦']

#也可以把元素插入到指定的位置，比如索引號為5的位置,插入“胖”這個元素：
liebiao.insert(5, '胖')
print(liebiao)
#結果2
>>>[1, 2.223, -3, '劉強東', '章澤天', '胖', '周傑倫', '昆凌', ['微博', 'B站', '抖音'], '瘦']

字典（dict）：

#字典
zidian={'劉強東':'46','章澤天':'36','周傑倫':'40','昆凌':'26'}

字典使用鍵-值（key-value）儲存，無序，具有極快的查詢速度。以上面的字典為例，想要快速知道周傑倫的年齡，就可以這麼寫：

zidian['周傑倫']
>>>'40'

dict內部存放的順序和key放入的順序是沒有關係的,也就是說，”章澤天”並非是在”劉強東”的後面。

DataFrame：

DataFrame可以簡單理解為Excel裡的表格格式。匯入pandas包後，字典和串列都可以轉化為DataFrame，以上面的字典為例，轉化為DataFrame是這樣的：

import pandas as pd

df=pd.DataFrame.from_dict(zidian,orient='index',columns=['age'])#註意DataFrame的D和F是大寫
df=df.reset_index().rename(columns={'index':'name'})#給姓名加上欄位名

和excel一樣，DataFrame的任何一列或任何一行都可以單獨選出進行分析。

以上三種資料型別是python資料分析中用的最多的型別，基礎語法到此結束，接下來就可以著手寫一些函式計算資料了。

掌握了以上基本語法概念，我們就足以開始學習一些有趣的函式。我們以爬蟲中繞不開的遍歷url為例，講講大家最難理解的迴圈函式for的用法：

for函式是一個常見的迴圈函式，先從簡單程式碼理解for函式的用途：

zidian={'劉強東':'46','章澤天':'36','周傑倫':'40','昆凌':'26'}
for key in zidian:
        print(key)
>>>
劉強東
章澤天
周傑倫
昆凌

因為dict的儲存不是按照list的方式順序排列，所以，迭代出的結果順序很可能不是每次都一樣。預設情況下，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#迭代key和value，可以用for k, v in d.items()

可以看到，字典裡的人名被一一打印出來了。for 函式的作用就是用於遍歷資料。掌握for函式，可以說是真正入門了Python函式。

for函式在書寫Python爬蟲中經常被應用，因為爬蟲經常需要遍歷每一個網頁，以獲取資訊，所以構建完整而正確的網頁連結十分關鍵。以某票房資料網為例，他的網站資訊長這樣：

該網站的周票房json資料地址可以透過抓包工具找到，網址為http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=20190114

仔細觀察，該網站不同日期的票房資料網址（url）只有後面的日期在變化，訪問不同的網址（url）就可以看到不同日期下的票房資料：

我們要做的是，遍歷每一個日期下的網址，用Python程式碼把資料爬下來。此時for函式就派上用場了，使用它我們可以快速生成多個符合條件的網址：

import pandas as pd

url_df = pd.DataFrame({'urls':['http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=' for i in range(5)],'date' :pd.date_range(20190114,freq = 'W-MON',periods = 5)})

'''
將網址相同的部分生成5次，並利用pandas的時間序列功能生成5個星期一對應的日期。
其中用到了第一部分提供的多個資料型別：
range(5)屬於串列，
'urls'：[]屬於字典，
pd.dataframe屬於dataframe
'''
url_df['urls'] = url_df['urls'] + url_df['date'].astype('str')

滑動滑塊可以看到完整程式碼和中間的註釋。

為了方便理解，我給大家畫了一個for函式的遍歷過程示意圖：

此處省略掉後續爬取過程，相關爬蟲程式碼見文末。我們使用爬蟲爬取了5800+條資料，包含20個欄位，時間囊括了從2008年1月開始至2019年2月十一年期間的單周票房、累計票房、觀影人次、場均人次、場均票價、場次環比變化等資訊。

除了爬蟲，分析資料也是Python的重要用途之一，Excel能做的事，Python究竟怎麼實現呢；Excel不能做的事，Python又是否能實現呢？利用電影票房資料，我們分別舉一個例子說明：

在做好資料採集和匯入後，選擇欄位進行初步分析可以說是資料分析的必經之路。在Dataframe資料格式的幫助下，這個步驟變得很簡單。

比如當我們想看單周票房第一的排名分別都是哪些電影時，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資料，並保留相同電影中周票房最高的資料進行分析整理：

import pandas as pd
data = pd.read_csv('中國票房資料爬取測試20071-20192.csv',engine='python')
data[data['平均上座人數']>20]['電影名']
#計算周票房第一隨時間變化的結果，匯入資料，並選擇平均上座人數在20以上的電影為有效資料

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資料，並保留“電影名”和“周票房”兩列資料

dataTop1_week = dataTop1_week.groupby('電影名').max()['周票房'].reset_index()
#用“電影名”來分組資料，相同電影連續霸榜的選擇最大的周票房保留，其他資料刪除

dataTop1_week = dataTop1_week.sort_values(by='周票房',ascending=False)
#將資料按照“周票房”進行降序排序

dataTop1_week.index = dataTop1_week['電影名']
del dataTop1_week['電影名']
#整理index列，使之變為電影名，並刪掉原來的電影名列

dataTop1_week
#檢視資料

9行程式碼，我們完成了Excel裡的透視表、拖動、排序等滑鼠點選動作。最後再用Python中的視覺化包matplotlib，快速出圖：

以上是一個簡單的統計分析過程。接下來就講講Excel基礎功能不能做的事——自定義函式提效。觀察資料可以發現，資料中記錄了周票房和總票房的排名，那麼剛剛計算了周票房排名的程式碼，還能不能復用做一張總票房分析呢？

當然可以，只要使用def函式和剛剛寫好的程式碼建立自定義函式，並說明函式規則即可：

def pypic(pf):
    #定義一個pypic函式，變數是pf
    dataTop1_sum = data[['電影名',pf]]
    #取出源資料中，列名為“電影名”和pf兩列資料

    dataTop1_sum = dataTop1_sum.groupby('電影名').max()[pf].reset_index()
    #用“電影名”來分組資料，相同電影連續霸榜的選擇最大的pf票房保留，其他資料刪除

    dataTop1_sum = dataTop1_sum.sort_values(by=pf,ascending=False)
    #將資料按照pf進行降序排序

    dataTop1_sum.index = dataTop1_sum['電影名']
    del dataTop1_sum['電影名']
    #整理index列，使之變為電影名，並刪掉原來的電影名列

    dataTop1_sum[:20].iloc[::-1].plot.barh(figsize = (6,10),color = 'orange')
    name=pf+'top20分析'
    plt.title(name)
    #根據函式變數名出圖

定義函式後，批量出圖so easy：

學會函式的構建，一個資料分析師才算真正能夠告別Excel的滑鼠點選樣式，邁入高效分析的領域。

如果只有一小時學習，以上就是大家一定要掌握的Python知識點。光看不練永遠都會是門外漢，如果你有興趣學習Python資料分析，卻在過程中感到困惑，歡迎來參加我在網易雲課堂的免費直播，每晚一個主題，有學有練，讓你快速入門Python資料分析：

朋友會在“發現-看一看”看到你“在看”的內容

確定