Python数据分析案例解析

import pandas as pd
import matplotlib.pyplot as plt

# 数据收集
sales_data = pd.read_csv('sales_data.csv')  # 将 'sales_data.csv' 替换为实际文件路径

# 数据清洗
sales_data = sales_data.dropna()  # 处理缺失值
sales_data = sales_data.drop_duplicates()  # 删除重复值

# 数据分析
total_sales = sales_data['Sales'].sum()
average_price = sales_data['Price'].mean()

# 数据可视化
plt.bar(sales_data['Product'], sales_data['Sales'])
plt.xlabel('Product')
plt.ylabel('Sales')
plt.title('销售数据分析')
plt.show()

import requests
import pandas as pd
import seaborn as sns

# 数据获取
url = 'https://api.example.com/flight_delays'  # 替换为实际的 API 端点
flight_delay_data = requests.get(url).json()

# 数据处理
flight_delay_df = pd.DataFrame(flight_delay_data)
flight_delay_df['DelayMinutes'] = pd.to_numeric(flight_delay_df['DelayMinutes'])

# 延误原因分析
delay_reason_counts = flight_delay_df['DelayReason'].value_counts()

# 地理可视化
sns.scatterplot(x='Longitude', y='Latitude', hue='DelayMinutes', data=flight_delay_df)
plt.title('航班延误分析 - 地理可视化')
plt.show()

import requests
import pandas as pd
import ta
import matplotlib.pyplot as plt

# 数据爬取
url = 'https://finance.example.com/stock_data'  # 替换为实际的 URL
financial_data = pd.read_html(url)[0]  # 假设数据在网页上以表格格式存在

# 数据预处理
financial_data['Date'] = pd.to_datetime(financial_data['Date'])
financial_data.set_index('Date', inplace=True)

# 技术分析
financial_data['SMA'] = ta.trend.sma_indicator(financial_data['Close'], window=20)

# 数据可视化
plt.figure(figsize=(10, 6))
plt.plot(financial_data.index, financial_data['Close'], label='收盘价')
plt.plot(financial_data.index, financial_data['SMA'], label='20日简单移动平均线')
plt.title('金融市场分析')
plt.xlabel('日期')
plt.ylabel('价格')
plt.legend()
plt.show()