零基础入门Python数据分析与可视化：从Excel到第一张图-育师

简介：这份资源面向希望系统掌握Python数据分析与可视化的学习者，覆盖从编程基础到高级可视化库的完整技能链路，适合高校课程学习、自学入门及项目实战参考。压缩包共162个文件，约31.27MB，以67个ipynb实验代码、11个pptx课件、34个tif图像、10个csv与6个xls数据集为主，另含doc/docx教学大纲、pdf文档及html交互页面，结构清晰便于按章节检索。内容从数据分析与可视化概述切入，依次讲解Python编程基础、pandas统计分析、数据载入与预处理，再深入Matplotlib、Seaborn绘图及pyecharts交互式图表，配套iris、红酒品质、学生成绩等真实数据集，可边学边练。目前已有18154人学习下载，读者能获得完整课件、可运行源码与实验数据，快速建立数据清洗、分析与可视化的项目能力。

1. 零基础入门 Python 数据分析与可视化：从打开表格到画出第一张图

你是不是也有过这种经历：手里有一份 Excel 表格，几千行数据，想看看哪个产品卖得最好、哪个月份销量突然掉了，结果鼠标滚来滚去，眼睛都看花了，最后只能凭感觉猜一个结论。更别提数据量再大一点，Excel 直接卡死，连保存都来不及。其实这类活儿，用 Python 做数据分析与可视化，几行代码就能搞定，而且以后每个月的数据都能自动跑一遍，不用重复劳动。

Python 数据分析与可视化，说白了就是两件事：第一，用 Python 把数据读进来、洗干净、算出你想要的结果；第二，把结果画成图，让人一眼看明白。它适合谁？适合每天跟表格打交道、想从数据里找答案、但又不想学复杂编程的人。你不需要数学特别好，也不需要背代码，只要会基本的加减乘除，跟着例子敲一遍，就能上手。我第一次学的时候也发怵，觉得编程离自己很远，后来发现它更像一个听话的计算器，你告诉它规则，它就帮你算到底。

2. 为什么值得学：先搞懂 Python 做数据分析到底强在哪

2.1 和 Excel 比，它到底解决了什么痛点

Excel 不是不好，而是有边界。行数一多就卡，公式一多就乱，多个表格关联查询更是噩梦。Python 做数据分析与可视化，核心优势是「可重复」和「可追溯」。你写好的代码，下个月数据更新了，直接重新跑一遍，结果自动出来，不用再手动拖公式。而且每一步计算都留在代码里，别人问你「这个数怎么来的」，你把代码一贴，清清楚楚。

另一个痛点是多表关联。比如订单表在 A 文件，客户信息在 B 文件，Excel 里你得用 VLOOKUP 来回对，一不小心就匹配错。Python 里用 pandas 合并两张表，一行代码的事，还能指定按哪一列合并、保留哪些行。我第一次用 pandas 合并两个表格的时候，那种「原来可以这么简单」的感觉，到现在还记得。

还有可视化。Excel 画图要选数据区域、调格式、改颜色，换一组数据又得重来。Python 里画图是代码控制的，你想画什么图、横轴纵轴放什么、颜色怎么分，全写在代码里，改一个参数就能换一种风格。更重要的是，它可以批量出图，比如给每个省份自动生成一张销售趋势图，Excel 里你得手动做三十遍，Python 里一个循环就搞定。

2.2 新手先学哪几个库就够了

Python 数据分析与可视化的库很多，但零基础入门，先学三个就够用：pandas、matplotlib、seaborn。pandas 负责读数据、洗数据、算数据；matplotlib 负责画基础图；seaborn 在 matplotlib 基础上做了封装，画统计图更省事。这三个库装好，80% 的日常分析任务都能应付。

安装很简单，打开命令行，输入下面这行命令，回车等它跑完就行：

pip install pandas matplotlib seaborn openpyxl

这里openpyxl是用来读写 Excel 文件的，因为 pandas 读.xlsx文件时需要它帮忙。装完之后，在 Python 里用import pandas as pd这样的方式引入，后面就能用了。入门阶段不用纠结版本号，直接装最新版就行，遇到报错再按提示处理。

提示：如果你用的是 Anaconda，上面这些库已经自带了，不用再装。但如果你是从 Python 官网下载的纯净版，就需要手动装一下。

2.3 第一个例子：读一张表，算一个数，画一张图

光说概念没用，我们直接跑一个最小例子。假设你有一个 Excel 文件叫sales.xlsx，里面有两列：月份和销售额。你想知道哪个月卖得最好，并且画一张柱状图。代码如下：

# 引入 pandas 和 matplotlib import pandas as pd import matplotlib.pyplot as plt # 读取 Excel 文件 df = pd.read_excel('sales.xlsx') # 找出销售额最大的那一行 best_month = df.loc[df['销售额'].idxmax()] # 打印结果 print('卖得最好的月份是：', best_month['月份']) print('销售额是：', best_month['销售额']) # 画柱状图 plt.bar(df['月份'], df['销售额']) plt.title('各月销售额') plt.xlabel('月份') plt.ylabel('销售额') plt.show()

这段代码做了三件事：pd.read_excel把表格读进来，变成一个 DataFrame；idxmax()找到销售额最大值所在的行号，loc再根据行号取出那一行；最后用plt.bar画柱状图，plt.show()把图显示出来。你不需要背这些函数，只要知道「读数据用 read_excel，找最大值用 idxmax，画图用 bar」就行。第一次跑通这个例子，你就已经完成了数据分析与可视化的最小闭环。

3. 第一步怎么迈：从安装到跑通第一个完整流程

3.1 环境准备：装 Python 和写代码的地方

零基础最容易卡在「装环境」这一步。我的建议是：直接去 Python 官网下载最新版，安装时勾选「Add Python to PATH」，这样后面在命令行里才能直接输入python命令。装完之后，再装一个写代码的工具。新手推荐 VS Code，免费、轻量、插件多；或者用 Jupyter Notebook，它可以把代码、运行结果、文字说明放在同一个页面里，特别适合边学边试。

如果你不想折腾安装，也可以用在线环境，比如 Google Colab 或者 Kaggle Notebook，打开浏览器就能写代码，数据文件也能上传。但长期来看，本地装一个更稳定，毕竟数据放在自己电脑上更放心。我第一次装 Python 的时候，因为没勾选 PATH，命令行里怎么都找不到 python，后来重新装了一遍才搞定。这个坑你留意一下就行。

3.2 读数据：把 Excel 和 CSV 变成 DataFrame

数据分析的第一步永远是「把数据读进来」。pandas 支持很多格式，最常用的是 Excel 和 CSV。读 Excel 用pd.read_excel('文件名.xlsx')，读 CSV 用pd.read_csv('文件名.csv')。读进来之后，它会变成一个 DataFrame，你可以理解成「Python 里的超级 Excel 表格」。

读进来之后，先别急着算，先看看数据长什么样。用df.head()看前五行，df.info()看每列的类型和有没有缺失值，df.describe()看数值列的平均值、最大值、最小值。这三个命令是新手必会的「体检三件套」。我每次拿到新数据，第一件事就是跑这三个命令，先摸清楚数据干不干净、有没有异常值。

import pandas as pd # 读 CSV 文件 df = pd.read_csv('data.csv') # 看前五行 print(df.head()) # 看每列信息 print(df.info()) # 看数值列统计 print(df.describe())

head()默认显示前五行，括号里可以填数字，比如head(10)看前十行。info()会告诉你每列有多少非空值，如果某列非空值数量少于总行数，说明有缺失值，后面要处理。describe()只对数值列生效，会给出计数、均值、标准差、最小值、四分位数和最大值。

3.3 洗数据：处理缺失值和重复行

真实数据几乎没有干净的，缺失值、重复行、格式不一致是常态。缺失值可以用df.dropna()直接删掉，也可以用df.fillna(0)填成 0，或者用平均值填充。重复行用df.drop_duplicates()去掉。这些操作看起来简单，但决定了你后面算出来的结果可不可信。

# 删除缺失值 df_clean = df.dropna() # 或者用平均值填充数值列的缺失值 df['销售额'] = df['销售额'].fillna(df['销售额'].mean()) # 删除重复行 df_clean = df.drop_duplicates()

dropna()默认只要某一行有任意一个缺失值就删掉整行，如果只想在特定列上判断，可以加subset=['列名']。fillna()里填什么取决于业务含义，销售额缺失填 0 可能不合适，填平均值更合理。drop_duplicates()默认比较所有列，如果只想按某一列去重，加subset=['列名']。

3.4 算数据：分组统计和排序

洗完之后就可以算了。最常见的需求是「按某个维度分组，算另一个维度的总和或平均值」。比如按月份分组算总销售额，用df.groupby('月份')['销售额'].sum()。想排序就用sort_values()，比如按销售额从高到低排：df.sort_values('销售额', ascending=False)。

# 按月份分组算总销售额 monthly_sales = df.groupby('月份')['销售额'].sum() # 按销售额从高到低排序 sorted_sales = df.sort_values('销售额', ascending=False) # 看排序后的前五行 print(sorted_sales.head())

groupby是 pandas 里最强大的功能之一，它把数据按指定列分成若干组，然后对每组做同样的计算。sum()是求和，换成mean()就是求平均，count()就是计数。sort_values里ascending=False表示降序，不写或者写True就是升序。

3.5 画图：把结果变成一眼能懂的图

算完结果，最后一步是画图。matplotlib 和 seaborn 都能画，新手先用 matplotlib 打基础，再学 seaborn 提升颜值。最常用的图有柱状图、折线图、散点图、饼图。柱状图比大小，折线图看趋势，散点图看关系，饼图看占比。

import matplotlib.pyplot as plt # 画折线图看趋势 plt.plot(monthly_sales.index, monthly_sales.values, marker='o') plt.title('月度销售额趋势') plt.xlabel('月份') plt.ylabel('销售额') plt.xticks(rotation=45) plt.show()

plt.plot画折线图，第一个参数是横轴数据，第二个是纵轴数据，marker='o'表示每个数据点画一个小圆圈。plt.xticks(rotation=45)把横轴标签旋转 45 度，防止月份文字重叠。plt.show()把图显示出来。如果你想保存图片，用plt.savefig('图名.png')代替plt.show()。

4. 避坑指南：新手最容易翻车的 5 个地方

4.1 文件路径写错，报 FileNotFoundError

现象：运行pd.read_excel('sales.xlsx')时报错，提示找不到文件。原因：Python 默认在当前工作目录找文件，如果你的代码文件和 Excel 不在同一个文件夹，它就找不到。解决：要么把 Excel 放到和代码同一个文件夹，要么写完整路径，比如pd.read_excel('C:/Users/你的用户名/Desktop/sales.xlsx')。注意 Windows 里路径用反斜杠\会出问题，改成正斜杠/或者双反斜杠\\。

4.2 中文列名读进来变乱码

现象：Excel 里明明是「销售额」，读进来变成「é”€å”®é¢」之类的乱码。原因：文件编码和 pandas 默认编码不一致。解决：读 CSV 时加encoding='utf-8'或encoding='gbk'，两个都试一下，哪个不乱码用哪个。读 Excel 一般不会乱码，如果乱码，检查 Excel 文件本身是不是被其他软件改过格式。

4.3 画图时中文显示成方框

现象：图表标题和轴标签里的中文变成一个个小方框。原因：matplotlib 默认字体不支持中文。解决：在画图前加两行代码设置字体：

plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False

SimHei是黑体，Windows 系统自带。Mac 系统可以换成Arial Unicode MS。第二行是让负号正常显示，不然负号也会变方框。

4.4 把「求和」和「求平均」搞混

现象：算出来的结果大得离谱，或者小得离谱。原因：该用mean()的地方用了sum()，或者反过来。解决：先想清楚业务含义。销售额要求总和，用sum()；客单价要求平均，用mean()。不确定的时候，先用describe()看一眼数据的均值和总和，心里有个数再算。

4.5 直接修改原始数据，没有备份

现象：洗数据的时候把原始 DataFrame 改了，后面想回头查原始值，发现已经没了。原因：dropna()、fillna()这些操作如果不加inplace=True，其实返回的是新对象，原始数据没变；但如果你写了inplace=True，原始数据就被改了。解决：养成习惯，原始数据读进来之后先复制一份：df_raw = df.copy()，后面所有清洗操作都在df上做，需要对照原始值时用df_raw。

5. 下一步学什么：从跑通例子到独立完成一个分析项目

跑通上面的例子之后，你已经迈过了最难的第一步。接下来建议按这个顺序往下走：先学 pandas 的筛选和条件查询，比如df[df['销售额'] > 1000]选出销售额大于一千的行；再学多表合并pd.merge()，把两张表按共同列拼在一起；然后学 seaborn 画更复杂的统计图，比如箱线图、热力图、分面图。这些学完，你就能独立完成一个「读数据 → 洗数据 → 算指标 → 出图表」的完整流程。

如果你不知道拿什么数据练手，可以找一份自己工作或生活中真实存在的表格，比如家庭开支记录、运动打卡记录、读书清单。真实数据才有真实的脏乱差，洗起来才有感觉。我第一次独立做分析，用的是自己记了半年的开销表，光是统一「餐饮」和「吃饭」这两个分类就折腾了半天，但做完之后，我清楚知道了钱花在哪，那种「数据真的能回答问题」的感觉，比看十篇教程都管用。

再往后，可以学一点 matplotlib 的自定义技巧，比如调整子图布局、设置颜色映射、加注释箭头。这些不是必须的，但能让你的图从「能看」变成「好看」。最后，如果你想让分析结果自动更新，可以学一点 Python 的循环和函数，把重复的操作封装起来，下次换一份数据，改一个文件名就能跑。