Python 数据分析：Pandas 与 Matplotlib 可视化

1. Pandas 核心功能

Pandas 是 Python 的数据处理核心库，核心数据结构为 DataFrame 和 Series：

• 数据读取与清洗：支持 CSV、Excel、SQL 等格式

  import pandas as pd
  df = pd.read_csv('data.csv')  # 读取数据
  df.dropna(inplace=True)       # 删除缺失值
  

• 数据筛选与聚合：

  # 筛选年龄大于30的记录
  filtered = df[df['age'] > 30]
  
  # 按城市分组计算平均收入
  df.groupby('city')['income'].mean()
  

2. Matplotlib 可视化基础

Matplotlib 提供灵活的绘图接口，常用图表类型：

• 折线图：展示趋势变化

  import matplotlib.pyplot as plt
  plt.plot(df['date'], df['sales'])
  plt.title('销售额趋势')
  plt.xlabel('日期')
  plt.show()
  

• 柱状图：比较分类数据

  plt.bar(df['product'], df['quantity'])
  plt.xticks(rotation=45)  # 旋转x轴标签
  

3. 协同工作流示例

通过 Pandas 预处理 + Matplotlib 可视化分析销售数据：

# 数据准备
sales = pd.DataFrame({
    '月份': ['1月','2月','3月'],
    '销量': [120, 240, 180],
    '单价': [25, 30, 28]
})

# 计算销售额
sales['销售额'] = sales['销量'] * sales['单价']

# 双Y轴可视化
fig, ax1 = plt.subplots()
ax1.bar(sales['月份'], sales['销量'], color='skyblue')
ax1.set_ylabel('销量')

ax2 = ax1.twinx()  # 共享X轴
ax2.plot(sales['月份'], sales['销售额'], 'ro-')
ax2.set_ylabel('销售额', color='red')
plt.show()

4. 进阶技巧

• 子图布局：plt.subplots(2,2) 创建多图表看板
• 样式优化：

  plt.style.use('ggplot')  # 使用ggplot风格
  plt.grid(True, linestyle='--', alpha=0.6)  # 虚线网格
  

• 动态交互：结合 %matplotlib notebook 实现 Jupyter 内动态图表

5. 典型应用场景

1. 时间序列分析：股票价格波动
   $$ \text{收益率} = \frac{P_t - P_{t-1}}{P_{t-1}} $$
2. 相关性探索：df.corr() 生成热力图
3. 分布分析：直方图 + 密度曲线

提示：实际项目中建议结合 Seaborn 库简化统计图表绘制，使用 pd.to_datetime() 规范时间序列数据处理。