广东快速做网站公司哪家好,本地建wordpress,广东网站设计哪家好,电商平台怎么赚钱文章概要
本文详细介绍 Pandas 在实际场景中的应用#xff0c;包括#xff1a;
数据分析案例数据挖掘数据报告实际应用示例
数据分析案例
金融数据分析
# 股票数据分析
import pandas as pd
import numpy as np
import yfinance as yf# 获取股票数据
def get_stock_data…文章概要
本文详细介绍 Pandas 在实际场景中的应用包括
数据分析案例数据挖掘数据报告实际应用示例
数据分析案例
金融数据分析
# 股票数据分析
import pandas as pd
import numpy as np
import yfinance as yf# 获取股票数据
def get_stock_data(ticker, start_date, end_date):stock yf.Ticker(ticker)df stock.history(startstart_date, endend_date)return df# 计算技术指标
def calculate_technical_indicators(df):# 计算移动平均线df[MA5] df[Close].rolling(window5).mean()df[MA20] df[Close].rolling(window20).mean()# 计算相对强弱指标 (RSI)delta df[Close].diff()gain (delta.where(delta 0, 0)).rolling(window14).mean()loss (-delta.where(delta 0, 0)).rolling(window14).mean()rs gain / lossdf[RSI] 100 - (100 / (1 rs))# 计算布林带df[MA20] df[Close].rolling(window20).mean()df[std] df[Close].rolling(window20).std()df[Upper] df[MA20] (df[std] * 2)df[Lower] df[MA20] - (df[std] * 2)return df# 分析示例
ticker AAPL
start_date 2023-01-01
end_date 2023-12-31# 获取数据
df get_stock_data(ticker, start_date, end_date)# 计算技术指标
df calculate_technical_indicators(df)# 分析结果
print(股票数据分析结果)
print(f平均收盘价{df[Close].mean():.2f})
print(f最高价{df[High].max():.2f})
print(f最低价{df[Low].min():.2f})
print(f交易量{df[Volume].sum():,})销售数据分析
# 销售数据分析
def analyze_sales_data(df):# 按产品类别分析category_analysis df.groupby(category).agg({sales: sum,quantity: sum,price: mean}).round(2)# 按时间分析df[date] pd.to_datetime(df[date])time_analysis df.groupby(df[date].dt.month).agg({sales: sum,quantity: sum}).round(2)# 计算关键指标total_sales df[sales].sum()avg_order_value total_sales / len(df)top_products df.groupby(product)[sales].sum().nlargest(5)return {category_analysis: category_analysis,time_analysis: time_analysis,total_sales: total_sales,avg_order_value: avg_order_value,top_products: top_products}# 使用示例
sales_data pd.DataFrame({date: pd.date_range(2023-01-01, periods100),product: np.random.choice([A, B, C, D, E], 100),category: np.random.choice([Electronics, Clothing, Food], 100),quantity: np.random.randint(1, 10, 100),price: np.random.uniform(10, 100, 100)
})
sales_data[sales] sales_data[quantity] * sales_data[price]# 分析数据
results analyze_sales_data(sales_data)
print(销售数据分析结果)
print(results)用户行为分析
# 用户行为分析
def analyze_user_behavior(df):# 用户活跃度分析user_activity df.groupby(user_id).agg({session_id: count,duration: sum,page_views: sum}).rename(columns{session_id: session_count,duration: total_duration,page_views: total_page_views})# 用户路径分析user_paths df.groupby(user_id)[page].agg(list)# 计算用户留存率def calculate_retention(df):first_visit df.groupby(user_id)[date].min()return df[df[date] first_visit].groupby(user_id).size()retention calculate_retention(df)return {user_activity: user_activity,user_paths: user_paths,retention: retention}# 使用示例
user_data pd.DataFrame({user_id: np.random.randint(1, 100, 1000),session_id: np.random.randint(1, 50, 1000),date: pd.date_range(2023-01-01, periods1000),duration: np.random.randint(1, 3600, 1000),page_views: np.random.randint(1, 20, 1000),page: np.random.choice([home, product, cart, checkout], 1000)
})# 分析数据
results analyze_user_behavior(user_data)
print(用户行为分析结果)
print(results)数据挖掘
特征工程
# 特征工程
def feature_engineering(df):# 时间特征df[hour] df[timestamp].dt.hourdf[day_of_week] df[timestamp].dt.dayofweekdf[month] df[timestamp].dt.month# 数值特征df[price_per_unit] df[price] / df[quantity]df[discount_rate] (df[original_price] - df[price]) / df[original_price]# 分类特征df[price_category] pd.cut(df[price], bins[0, 10, 50, 100, float(inf)],labels[low, medium, high, premium])# 交互特征df[price_quantity] df[price] * df[quantity]return df# 使用示例
df pd.DataFrame({timestamp: pd.date_range(2023-01-01, periods100),price: np.random.uniform(10, 200, 100),original_price: np.random.uniform(20, 250, 100),quantity: np.random.randint(1, 10, 100)
})# 特征工程
df feature_engineering(df)
print(特征工程结果)
print(df.head())数据预处理
# 数据预处理
def preprocess_data(df):# 处理缺失值df df.fillna({numeric_column: df[numeric_column].mean(),categorical_column: df[categorical_column].mode()[0]})# 处理异常值def remove_outliers(df, column, n_std):mean df[column].mean()std df[column].std()df df[abs(df[column] - mean) (n_std * std)]return df# 标准化数值特征from sklearn.preprocessing import StandardScalerscaler StandardScaler()df[scaled_column] scaler.fit_transform(df[[numeric_column]])# 编码分类特征df pd.get_dummies(df, columns[categorical_column])return df# 使用示例
df pd.DataFrame({numeric_column: np.random.randn(100),categorical_column: np.random.choice([A, B, C], 100)
})# 添加一些缺失值和异常值
df.loc[10:15, numeric_column] np.nan
df.loc[20:25, categorical_column] np.nan
df.loc[30, numeric_column] 100 # 异常值# 预处理数据
df preprocess_data(df)
print(数据预处理结果)
print(df.head())模型数据准备
# 模型数据准备
def prepare_model_data(df, target_column):# 分离特征和目标X df.drop(target_column, axis1)y df[target_column]# 划分训练集和测试集from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42)# 特征选择from sklearn.feature_selection import SelectKBest, f_regressionselector SelectKBest(f_regression, k5)X_train_selected selector.fit_transform(X_train, y_train)X_test_selected selector.transform(X_test)return {X_train: X_train,X_test: X_test,y_train: y_train,y_test: y_test,X_train_selected: X_train_selected,X_test_selected: X_test_selected}# 使用示例
df pd.DataFrame({feature1: np.random.randn(100),feature2: np.random.randn(100),feature3: np.random.randn(100),target: np.random.randn(100)
})# 准备模型数据
model_data prepare_model_data(df, target)
print(模型数据准备结果)
print(f训练集大小{model_data[X_train].shape})
print(f测试集大小{model_data[X_test].shape})数据报告
数据汇总
# 数据汇总
def generate_summary_report(df):# 基本统计信息numeric_summary df.describe()# 分类数据汇总categorical_summary df.select_dtypes(include[object]).describe()# 缺失值统计missing_values df.isnull().sum()# 相关性分析correlation df.select_dtypes(include[np.number]).corr()return {numeric_summary: numeric_summary,categorical_summary: categorical_summary,missing_values: missing_values,correlation: correlation}# 使用示例
df pd.DataFrame({numeric_col: np.random.randn(100),categorical_col: np.random.choice([A, B, C], 100),date_col: pd.date_range(2023-01-01, periods100)
})# 生成汇总报告
report generate_summary_report(df)
print(数据汇总报告)
print(report)报表生成
# 报表生成
def generate_report(df, output_file):# 创建 Excel 写入器writer pd.ExcelWriter(output_file, enginexlsxwriter)# 写入数据摘要df.describe().to_excel(writer, sheet_name数据摘要)# 写入分类统计df.select_dtypes(include[object]).describe().to_excel(writer, sheet_name分类统计)# 写入时间序列分析if date in df.columns:df.groupby(df[date].dt.month)[value].mean().to_excel(writer, sheet_name时间序列分析)# 保存报表writer.close()# 使用示例
df pd.DataFrame({date: pd.date_range(2023-01-01, periods100),value: np.random.randn(100),category: np.random.choice([A, B, C], 100)
})# 生成报表
generate_report(df, analysis_report.xlsx)自动化报告
# 自动化报告
def generate_automated_report(df, output_file):# 创建报告from reportlab.lib import colorsfrom reportlab.lib.pagesizes import letterfrom reportlab.platypus import SimpleDocTemplate, Table, TableStyledoc SimpleDocTemplate(output_file, pagesizeletter)elements []# 添加标题from reportlab.platypus import Paragraphfrom reportlab.lib.styles import getSampleStyleSheetstyles getSampleStyleSheet()elements.append(Paragraph(数据分析报告, styles[Title]))# 添加数据摘要summary df.describe()t Table(summary.values.tolist())t.setStyle(TableStyle([(BACKGROUND, (0, 0), (-1, 0), colors.grey),(TEXTCOLOR, (0, 0), (-1, 0), colors.whitesmoke),(ALIGN, (0, 0), (-1, -1), CENTER),(FONTNAME, (0, 0), (-1, 0), Helvetica-Bold),(FONTSIZE, (0, 0), (-1, 0), 14),(BOTTOMPADDING, (0, 0), (-1, 0), 12),(BACKGROUND, (0, 1), (-1, -1), colors.beige),(TEXTCOLOR, (0, 1), (-1, -1), colors.black),(FONTNAME, (0, 1), (-1, -1), Helvetica),(FONTSIZE, (0, 1), (-1, -1), 12),(GRID, (0, 0), (-1, -1), 1, colors.black)]))elements.append(t)# 生成报告doc.build(elements)# 使用示例
df pd.DataFrame({value: np.random.randn(100),category: np.random.choice([A, B, C], 100)
})# 生成自动化报告
generate_automated_report(df, automated_report.pdf)总结
实际应用部分涵盖了
数据分析案例金融数据分析、销售数据分析、用户行为分析数据挖掘特征工程、数据预处理、模型数据准备数据报告数据汇总、报表生成、自动化报告实际应用示例
掌握这些实际应用技术对于数据分析工作至关重要它可以帮助我们
处理实际业务问题提取有价值的 insights生成专业的数据报告支持决策制定
建议在实际项目中注意
理解业务需求选择合适的方法注重数据质量保持代码可维护性重视结果可视化关注性能优化持续学习和改进
