目录

一丶可视化绘图案例

1.曲线图

 2.柱形图

3.点线图

4.3D散点图

5. 绘制漏斗图

6. 绘制词云图

 二丶包/模块使用示例

(1)用于生成随机整数 

 (2)进行序列随机处理

 (3)time模块

 三丶pandas对数据的预处理

 1.检测重复值：

 2.标准化数据

          3.哑变量处理

四丶离散化连续型数据

1.等宽法离散化

2.等频法

3.聚类分析法

五丶总结：

Python数据分析的特点

1.易于学习和使用

Python语言的语法简单易懂，相对于其他编程语言而言，容易上手和掌握。此外，Python拥有丰富的第三方库，如Numpy、Pandas、Matplotlib等，这些工具都是专门为数据分析而设计的，能够大大提升代码的编写效率和数据分析速度python画笑脸的源代码。

2.数据处理能力强

在数据分析过程中，首要的工作就是对数据进行清洗和处理。Python拥有方便、简单、高效的数据处理工具，包括但不限于Numpy和Pandas。Numpy提供了处理大量数值数据的高性能矩阵运算工具，而Pandas则更适用于处理表格数据，提供了数据读取、清洗、操作和可视化等功能，为数据分析带来了非常大的方便。

3.数据可视化能力强

数据可视化是数据分析过程中不可缺少的环节，而Python也提供了多种实用的数据可视化工具，如Matplotlib、Seaborn、Plotly等。这些工具都可以非常方便地绘制各种图表和可视化元素，帮助数据分析人员更好地理解数据，进而做出更优秀的数据分析和决策。

一丶可视化绘图案例

Matplotlib将数据绘制在Figure(图形)对象上，每个Figure对象可以包含一个或多个Axes(坐标轴)，多个Axes会将Figure切分成多个区域展示不同的Subplots(子图)。每个坐标轴都可以设置标题，x轴标签，y轴标签等属性。

pyplot是Matplotlib的关键模块，提供了很多构建图表的函数接口，pyplot提供的绘图方式类似于Matlab，主要适用于交互式绘制图形。

1.曲线图

这是一个基于Matplotlib库的绘制曲线图的代码。代码中首先通过numpy库生成一个从0到1，步长为0.01的等差数列，并将其赋值给变量data。接着，使用plt库中的函数进行图像的设置。plt.title函数用于添加图表总标题，plt.xlabel和plt.ylabel函数用于添加x轴和y轴的标签，plt.xlim和plt.ylim函数用于设定x轴和y轴的范围，plt.xticks和plt.yticks函数则用于设置刻度。可以看到，这些函数都相当于为图表添加了各种元素，增强了数据可视化的性质。

代码中使用plt.plot函数分别绘制了y=x^2和y=x^4的曲线，并通过plt.legend函数添加了图例。最后，调用plt.savefig函数保存图片到指定位置，使用plt.show函数输出图形。通过曲线图，可以直观地看到这两个函数在区间[0,1]内的图像，有助于数据分析人员进行快速判断和决策。

import numpy as np
import matplotlib.pyplot as plt
# %matplotlib inline表示在行中显示图片
data = np.arange(0, 1.1, 0.01)
plt.title('lines')#添加标题
plt.xlabel('x')#添加×轴的标签
plt.ylabel('y')#添加y轴的标签
plt.xlim((0, 1))#确定×轴范围
plt.ylim((0, 1))#确定y轴范围
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])#规正X拙反
plt.yticks([0, 0.2, 0.4 ,0.6, 0.8, 1])#确定y轴刻度
plt.plot(data, data ** 2)#添加y=x^2曲线
plt.plot(data, data**4)#添加y=x^4曲线
plt.legend(['y=x^2','y=x^4'])#添加图例
plt.savefig('E:/Python数据分析/y=x^2.jpg')
plt.show()