人世繁华|一次简单、完整的全流程数据分析,让我们不再害怕Python( 二 )


result.rename(columns={"产品":"产品数"},inplace=True) #更改列名 , 和一个索引名重名了result.reset_index(inplace=True) #将索引变更成列print(result)
人世繁华|一次简单、完整的全流程数据分析,让我们不再害怕Python这下这个结果就和我们平时在Excel中看到的是一样了 , 也是我们所想要的结果了 。
那如果我们要简单地画图呢?简单的图其实也没必要用matplotlib库 , Pandas库有内置的画图函数 , 而且用法更简单 。
result.plot(x="团队ID",y="销售额",kind="bar") #DataFrame格式数据作图其中 , x为横坐标数据 , y为纵坐标数据 , kind为你想画哪种图形 , 这一用法非常简单 。
数据导出
平时我们的工作汇报大部分都是基于Excel的 , 所以我们的结果一般都要导出到Excel中 。
result.to_excel("result.xlsx")这样 , 我们的工作目录就出现了导出的Excel格式文档 。
结语
如此 , 我们就进行了一次简单完整的Python数据分析 , 别看它简单 , 其实数据分析的原理就是这么简单 , 那些复杂的数据分析任务无外乎就是在数据清洗和数据处理的逻辑上要比这更加复杂 。
但并不是每个人的需求都是那么复杂的 , 所以我们不要一上来就选择那种复杂的教程 , 而是通过理解学会原理这条主干之后 , 再循序渐进结合自身需求去掌握枝干知识 ,
枝干要衍生到什么程度呢?这就视个人需求和兴趣来定 , 如果是想做专家 , 那枝繁叶茂最好;如果是解决工作问题就够了 , 那就需要多少枝干就衍生多少枝干 。
总之 , Python做数据分析不难 , 慢慢地你就会发现 , 整理分析逻辑才是最难的地方!


推荐阅读