基于Python的數據分析的研究

張運玉

摘要：Python是一種強大的數據分析工具，具有豐富的數據分析功能，通過設計專用平臺，可以解決許多領域的數據分析問題。文章首先對Python數據分析技術進行介紹，并研究Python數據分析工具的常用類庫。在此基礎上，探討Python數據分析平臺的設計及應用，以期為相關數據分析工作提供參考。

關鍵詞：Python;數據分析;平臺設計

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2019）30-0003-02

隨著人工智能時代的全面到來，數據分析工作已經引起了各行各業的廣泛重視。采用計算機語言編程方法完成數據分析工作，不僅效率高，而且數據分析結果的可靠性強，具有多方面的利用價值。在數據驅動模式下，無論是產品設計開發還是項目管理工作，都需要強大的數據分析工作提供支持。

1Python數據分析技術

1.1Python語言

Python語言是一種解釋型高級程序語言，支持面向對象編程設計，能夠處理動態數據類型，目前已經研發出第三方程序數據庫和實用性較強的應用工具。自20世紀90年代Pvthon語言公開發布以來，由于其語法簡潔、類庫豐富，適用于快速開發活動，已經成為當下較為流行的一種腳本語言。在采用Pvthon語言進行編程時，編程人員不需要考慮內存占用等底層的細節問題，能夠有效提升編程效率。而且Pvthon語言具有良好的一致性，可以在多種平臺上移植。其本身屬于開源代碼，在程序解釋執行過程中，可以直接從源代碼中運行，不需要編譯。這些特點都為Python語言的廣泛應用奠定了基礎。而且Pvthon語言具有強大的數據分析功能，可以應用到網站開發、圖像處理、數據統計和可視化表達等多個領域。在2017年5月時，Py-thon語言成功超越Java語言，名列編程語言排行榜第一位，是目前最重要的編程語言之一，并成為數據分析工作的首選編程技術。

1.2數據分析過程

利用Python語言開展數據分析工作，具體包含以下幾點基本流程：（1）需求確認，在數據分析過程中首先要明確數據使用需求，比如財務數據分析、工藝流程分析等，從而根據目標數據特點，采用合適的數據分析方法，深度挖掘數據特點和潛在利用價值。（2）數據獲取，在明確數據分析需求后，應盡可能全面地收集目標數據，具體可采用本地獲取、網絡爬蟲獲取手段等。其中，網絡爬蟲獲取手段是利用Python語言進行編程，合法獲取網絡中的相關數據資料，滿足大數據分析中的數據量獲取需求。（3）數據預處理，在正式進行數據分析前，首先要完成數據預處理工作，具體是通過對目標數據進行合并、清洗、變換和標準化處理，滿足后續建模分析的需要。在此過程中，可提高數據質量，從而提高數據分析效率。（4）建模及優化，在數據分析過程中，建模是一個重要環節，具體可通過建立聚類模型、關聯規則、智能算法等，對目標數據進行處理。完成建模后要對其性能進行評價和優化，確保其適用于實際數據分析工況。f5）結果生成，完成數據分析后，要采用可視化形式對結果進行展示和輸出，方便使用者對數據結果進行利用。

2Python數據分析工具的常用類庫

2.1Ipython類庫

類庫豐富、接口統一是Python數據分析工具使用便捷的主要原因，通過采用其自身攜帶的類庫，可以有效簡化程序設計工作，提高數據分析效率。其中Ipython是Python語言中的一個核心類庫，為Python語言編程提供了標準工具集，并將所有相關工具聯系起來，通過采用交互式、探索式等方法，為科學計算提供一個高效環境。Ipython類庫本身是一個加強PythonShell，主要應用于交互式數據的并行處理，為分布式計算提供基礎框架。利用Ipython類庫進行編程，能夠有效提升代碼編寫、測試和調試速度。

2.2 NumPy類庫

NumPy類庫是Python語言中的科學計算基礎包，即Numer-ical Python的簡稱。通過利用該類庫，能夠快速完成數據分析過程中的科學計算任務，也可以被作為多維數據容器，用于存儲大型矩陣，并對其進行計算處理。在NumPy類庫中包含多維數據組對象ndarray，可以數組進行元素級計算，并直接執行函數運算。該類庫還具有線性代數計算、隨機數生成、傅里葉變換等功能，可以將c語言等多種語言代碼集成到Python語言中，并所謂算法間數據傳遞的容器。

2.3Scikit-learn類庫

Scikit-learn屬于一種數據挖掘工具，在NumPy等類庫的基礎上，可以對常用算法進行封裝。其本身包含數據預處理、分類和聚類、數據回歸分析等機器學習算法，能夠幫助編程人員快速完成建模過程，確保模型接口的統一性，從而方便使用。在一定的數據量前提下，該類庫可以解決大部分數據分析工作，即使對于數據分析算法不夠精通的編程人員，也可以通過快速建模，實現需要的算法功能。在使用過程中，可以查閱seikit-learn官方文檔，直接調用類庫中包含的模塊，完成建模工作。

2.4其他常用類庫

除了上述介紹的幾種類庫外，SciPv類庫、Pandas類庫、Mat-plotlib類庫等，也是進行數據分析時常用的類庫。其中，SciPy是一種能夠解決數學計算問題的開源軟件，在NumPy類庫基礎上建立數據函數集合，為Pvthon語言編程提供科學計算工具集。其中包括數值計算方法及其功能函數，可以便捷地完成數據分析工作。Pandas也是Python語言的一個核心類庫，主要提供時間序列支持，能夠快速完成結構化數據處理工作。在數據預處理的數據清洗和標準化過程中，都可以采用Pandas類庫中的功能函數。Matplotlib是專門為數據圖表繪制提供支持的類庫，在開源社區發展的帶動下，該類庫已經在計算領域得到廣泛應用，是Python語言經常使用的繪圖工具包。通過發揮這些類庫的功能作用，可以為基于Python語言的數據分析過程提供有力支持。

3Python數據分析平臺設計及應用

3.1設計需求分析

基于Python設計數據分析平臺，主要為了解決數據分析過程中的數據采集、導入、分析和可視化展示等問題，完成整個數據分析處理過程。通過利用上述類庫進行平臺設計，可以極大地簡化程序開發過程，滿足實際應用需求。比如在一款產品售后客戶滿意度的問卷分析工具設計過程中，數據采集主要通過本地獲取方式完成，在導人調查問卷后，需要進行數據預處理工作，按照問題分類進行數據提取，并進行格式轉換。然后利用預先構建的數據分析模型，開展數據分析評價工作，得出綜合性評價結果。除了對當期數據進行圖形化展示以外，還要對數據進行存儲，隨著產品改良的進行，分析客戶滿意度變化趨勢，為產品設計工作提供參考依據。

3.2核心技術及平臺框架

在基于Python語言的數據分析平臺設計過程中，首先應根據軟件應用需求，搭建數據庫和數據通道，方便數據的調取和利用。同時應設計優化的操作界面以及可視化展示模型，方便使用者對數據分析結果的觀察和利用。在本次平臺設計過程中，采用開源Python2.7完成編程工作，使用的類庫和模塊主要包括Ipython、NumPy、Matplotlib、os、Json、codes等。其中，開源Python2.7可在網絡中直接下載，并通過pip下載類庫和模塊。數據處理對象是調查問卷，可以將調查問卷中的數據結果存儲在數據庫中，并以圖片、文檔等形式進行數據結果展示。其中，調查問卷的基本數據類型由初始化文件自動生成，然后通過調用相關函數，完成數據錄入過程，并對數據進行分類存儲。除了調查問卷中的主體信息外，系統還會自動錄入調查對象的基礎信息，并對調查問卷的有效性進行評價，在數據預處理過程中提出無效問卷的數據。在數據結果展示過程中，可以采用圖表形式建立調查問卷信息與調查對象信息的對應關系，使結果一目了然，為后續產品設計開發活動提供依據。

3.3主要功能模塊設計

在該數據分析平臺的主要功能模塊設計過程中，首先要為用戶提供一個操作友好的圖形界面。在主操作界面中，主要包含調查問卷導入、查詢、數據分析和結果展示等功能?？梢酝ㄟ^主界面操作更新數據庫，并根據操作限制條件完成分類數據處理功能。由于該平臺的數據分析結果主要是為了給設計人員提供參考，在完成基本的數據分析工作后，還可以結合設計要素，對結果進行分類展示，比如按照產品功能、產品包裝、產品外觀造型等展示不同的數據分析結果。隨著產品銷售時間的增加，需要評估的數據總量也會越來越大，通過在數據庫中使用sQL語言進行編譯，僅需要一次創建就可以重復調用，可提高數據庫執行速度。在數據庫初始化過程中，根據不同的分類結果展示需求，自動生產數據表，然后通過調用可視化模型，完成數據結果展示。使用者在對數據結果進行利用時，可通過采用查詢、編輯、標注、選擇、刪除等功能，獲得自己所需要的數據分析結果，然后將其存儲到結果數據庫中。此外，該平臺還具有數據庫打印功能，可以打印各種形式的報表，使用較為方便。

3.4應用效果

利用Python語言設計數據分析平臺，完成特定的數據分析功能，使用非常方便。從上述平臺設計過程及應用效果來看，Python語言自身語法簡單，即使初學者也能夠通過查詢和調用相關類庫，實現數據分析功能。在龐大的第三方資源庫支持下，Python能夠為各個領域的數據分析工作提供支持。在基于Python的數據分析平臺中，提供了多種接口，支持其他語言的編程操作，進一步擴大了其程序適用性。而且在可視化腳本工具的支持下，可以通過簡單編程實現可視化結果展示功能，充分滿足使用者對數據分析結構的利用需求。在數據操作過程中，數據庫運行速度快，可以減少使用者的等待時間，及時掌握數據分析結果，發揮其利用價值。因此，Python語言是目前最為先進的數據分析工具之一，具有廣泛的應用前景，可以有效簡化復雜的數據分析處理過程，對其底層操作進行封裝，只通過簡單的功能按鈕操作，就可以得到想要的數據處理結果，優勢非常突出。

4結束語

綜上所述，Python語言在數據分析領域具有突出的應用優勢，可以利用其自身攜帶的各種類庫，完成數據分析的基本流程，并通過直接調用功能函數，簡化代碼編程過程。在Python數據分析技術的應用過程中，通過從實際需求出發，完善平臺功能，可以快捷、高效地完成數據分析任務，得到具有參考價值的數據分析結果。