data-analysis

• CSV/Excel 数据集分析
• 业务指标分析
• 趋势和模式识别
• 数据质量评估

Phase 1: 数据加载与探索

```python

import pandas as pd

# 加载数据

df = pd.read_csv('data.csv')

# 基本信息

print(f"数据形状: {df.shape}")

print(f"列信息:\n{df.dtypes}")

print(f"缺失值:\n{df.isnull().sum()}")

print(f"基本统计:\n{df.describe()}")

```

Phase 2: 数据清洗

1. 处理缺失值（删除/填充）
2. 处理异常值（识别/修正）
3. 数据类型转换
4. 重复值处理

Phase 3: 描述性分析

1. 单变量分析（分布、集中趋势）
2. 双变量分析（相关性、对比）
3. 分组聚合统计
4. 时间序列趋势

Phase 4: 可视化

```python

import matplotlib.pyplot as plt

import seaborn as sns

# 设置中文字体

plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']

plt.rcParams['axes.unicode_minus'] = False

# 常用图表

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# ... 绑定到 axes

plt.tight_layout()

plt.savefig('analysis.png', dpi=150)

```

Phase 5: 洞察提取

1. 识别关键发现
2. 建立因果假设
3. 提出行动建议

```markdown

# 📊 数据分析报告

数据集信息

| 属性 | 值 |

|------|------|

| 记录数 | X |

| 字段数 | Y |

| 时间范围 | YYYY-MM-DD ~ YYYY-MM-DD |

| 数据质量 | 缺失率 X% |

字段说明

| 字段 | 类型 | 描述 | 示例值 |

|------|------|------|--------|

| field1 | int | ... | ... |

缺失值

| 字段 | 缺失数 | 缺失率 | 处理方式 |

|------|--------|--------|----------|

| ... | ... | ...% | 删除/填充均值 |

异常值

• [字段]: 发现 X 个异常值，处理方式: [...]

数值字段统计

| 字段 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |

|------|------|--------|--------|--------|--------|

| ... | ... | ... | ... | ... | ... |

分类字段分布

| 字段 | 类别数 | Top 3 类别 |

|------|--------|-----------|

| ... | ... | A(X%), B(Y%), C(Z%) |

相关性分析

[热力图或相关系数表]

发现 1: [标题]

• 现象: [描述观察到的现象]
• 数据支撑: [具体数字]
• 可能原因: [假设]

发现 2: [标题]

...

[图表]

短期行动

• [ ] [具体可执行的建议]

长期优化

• [ ] [需要进一步分析的方向]

[关键分析代码]

```

1. 数据先行: 先看数据，再下结论
2. 质量第一: 数据清洗是基础
3. 可视说话: 用图表支撑发现
4. 行动导向: 分析要指向决策