Python 是数据分析领域最流行的编程语言。它的语法简洁清晰，学习曲线平缓，配合丰富的第三方库，可以高效地完成从数据采集到可视化呈现的全流程工作。

这篇文章不是 Python 的完整教程，而是针对数据分析场景的速览。如果你完全没有编程经验，建议结合官方教程或在线课程一起学习。

基本数据类型

Python 有几种基本数据类型，你在数据分析中会频繁用到：

# 整数 (int)
age = 25
count = -100
large_number = 1_000_000  # Python 3.6+ 支持下划线分隔符

# 浮点数 (float)
price = 29.99
pi = 3.14159
scientific = 1.5e-4  # 科学计数法，等于 0.00015

# 字符串 (str)
name = "数据分析"
description = 'Python 入门'
multiline = """这是多行字符串
可以跨越多行
非常方便"""

# 布尔值 (bool)
is_active = True
is_finished = False

# None 类型
result = None  # 表示"没有值"，类似于其他语言的 null

类型转换

# 字符串转整数
int("123")      # 123

# 整数转字符串
str(456)        # "456"

# 字符串转浮点数
float("3.14")   # 3.14

# 检查类型
type(42)        # <class 'int'>
isinstance(3.14, float)  # True

数据结构

Python 内置了四种主要的数据结构，它们是数据处理的基础。

列表 (List)

列表是有序、可变的序列，用方括号 [] 表示：

# 创建列表
numbers = [1, 2, 3, 4, 5]
mixed = [1, "hello", 3.14, True]
nested = [[1, 2], [3, 4], [5, 6]]  # 嵌套列表

# 索引（从 0 开始）
numbers[0]    # 1
numbers[-1]   # 5（最后一个元素）
numbers[-2]   # 4（倒数第二个元素）

# 切片 [start:stop:step]
numbers[1:3]   # [2, 3]（不包含 end 索引）
numbers[:3]    # [1, 2, 3]（从头到索引 3）
numbers[::2]   # [1, 3, 5]（步长为 2）
numbers[::-1]  # [5, 4, 3, 2, 1]（反转）

# 常用方法
numbers.append(6)      # 追加：[1, 2, 3, 4, 5, 6]
numbers.insert(0, 0)   # 插入：[0, 1, 2, 3, 4, 5, 6]
numbers.remove(3)      # 删除第一个 3
popped = numbers.pop() # 弹出并返回最后一个元素
numbers.sort()         # 排序（原地修改）
sorted(numbers)        # 返回排序后的新列表

# 列表推导式（非常 Pythonic）
squares = [x ** 2 for x in range(10)]          # [0, 1, 4, 9, ..., 81]
evens = [x for x in range(20) if x % 2 == 0]   # [0, 2, 4, ..., 18]

元组 (Tuple)

元组是不可变的序列，用圆括号 () 表示：

# 创建元组
point = (3, 5)
rgb = (255, 128, 0)
single = (1,)          # 单个元素需要加逗号
empty = ()             # 空元组

# 解包（unpacking）
x, y = point           # x=3, y=5
a, b, c = rgb

# 元组不可变，不能修改元素
# point[0] = 10  # 这行会报错

# 用元组作为字典键（列表不行）
location = {(40.7128, -74.0060): "纽约"}

字典 (Dict)

字典是键值对的集合，用花括号 {} 表示：

# 创建字典
student = {
    "name": "张三",
    "age": 20,
    "scores": [85, 92, 78]
}

# 访问和修改
student["name"]           # "张三"
student.get("grade", "N/A")  # 安全访问，不存在时返回默认值
student["age"] = 21       # 修改值
student["gender"] = "男"  # 添加新键值对

# 删除
del student["gender"]     # 删除键值对
popped = student.pop("age")  # 弹出并返回值

# 遍历
for key, value in student.items():
    print(f"{key}: {value}")

for key in student.keys():      # 仅遍历键
for value in student.values():  # 仅遍历值

# 字典推导式
squares_dict = {x: x ** 2 for x in range(5)}
# {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

集合 (Set)

集合是无序、不重复的元素集合：

# 创建集合
unique_numbers = {1, 2, 3, 3, 2, 1}  # {1, 2, 3}
empty_set = set()                     # 空集合（不能用 {}，那是空字典）
set_from_list = set([1, 2, 2, 3])    # {1, 2, 3}

# 集合运算
a = {1, 2, 3, 4}
b = {3, 4, 5, 6}

a & b   # 交集: {3, 4}
a | b   # 并集: {1, 2, 3, 4, 5, 6}
a - b   # 差集: {1, 2}
a ^ b   # 对称差: {1, 2, 5, 6}

# 常见用途：去重
numbers = [1, 2, 2, 3, 3, 3, 4]
unique = list(set(numbers))  # [1, 2, 3, 4]

控制流

条件判断

score = 85

if score >= 90:
    grade = "优秀"
elif score >= 80:
    grade = "良好"
elif score >= 70:
    grade = "中等"
elif score >= 60:
    grade = "及格"
else:
    grade = "不及格"

# 三元表达式
status = "成年" if age >= 18 else "未成年"

# 逻辑运算符
if 0 < score < 100:      # Python 支持链式比较
    print("有效分数")

if score >= 60 and score < 90:
    print("不是优秀但及格了")

if score < 60 or score > 100:
    print("异常分数")

循环

# for 循环
for i in range(5):       # 0, 1, 2, 3, 4
    print(i)

for i in range(2, 10, 2):  # 2, 4, 6, 8
    print(i)

# 遍历列表
fruits = ["苹果", "香蕉", "橙子"]
for fruit in fruits:
    print(fruit)

# 带索引的遍历
for i, fruit in enumerate(fruits):
    print(f"{i}: {fruit}")

# 遍历字典
scores = {"语文": 85, "数学": 92, "英语": 78}
for subject, score in scores.items():
    print(f"{subject}: {score}")

# while 循环
count = 0
while count < 5:
    print(count)
    count += 1

# break 和 continue
for i in range(10):
    if i == 3:
        continue     # 跳过当前迭代
    if i == 7:
        break        # 完全退出循环
    print(i)

函数

函数是组织代码、避免重复的基本方式。

# 基本函数定义
def calculate_bmi(weight, height):
    """计算 BMI 指数（函数文档字符串）"""
    bmi = weight / (height ** 2)
    return bmi

result = calculate_bmi(70, 1.75)  # 22.86

# 默认参数
def greet(name, greeting="你好"):
    return f"{greeting}，{name}"

greet("张三")            # "你好，张三"
greet("李四", "早上好")  # "早上好，李四"

# 可变参数 (*args 和 **kwargs)
def summarize(*args, **kwargs):
    """args 接收任意数量的位置参数，kwargs 接收关键字参数"""
    print(f"位置参数: {args}")
    print(f"关键字参数: {kwargs}")

summarize(1, 2, 3, name="Python", version=3.11)
# 位置参数: (1, 2, 3)
# 关键字参数: {'name': 'Python', 'version': 3.11}

# 返回值
def stats(numbers):
    """返回多个值（实际是元组）"""
    return min(numbers), max(numbers), sum(numbers) / len(numbers)

low, high, avg = stats([1, 2, 3, 4, 5])

Lambda 函数

Lambda 是小型匿名函数，在数据分析中非常有用（特别是与 Pandas 配合时）：

# 基本 lambda
square = lambda x: x ** 2
square(5)  # 25

# 多参数 lambda
add = lambda a, b: a + b
add(3, 4)  # 7

# 配合 sorted 使用
students = [("张三", 85), ("李四", 92), ("王五", 78)]
sorted(students, key=lambda student: student[1])  # 按分数排序

列表推导式 (List Comprehensions)

列表推导式是 Python 最优雅的特性之一，在数据处理中经常用到：

# 基本形式：[expression for item in iterable]
squares = [x ** 2 for x in range(10)]

# 带条件筛选
evens = [x for x in range(20) if x % 2 == 0]

# 双重循环
pairs = [(x, y) for x in [1, 2, 3] for y in [4, 5, 6]]

# 字典推导式
word_length = {word: len(word) for word in ["Python", "数据分析", "AI"]}

# 集合推导式
unique_lengths = {len(word) for word in ["hello", "world", "hi"]}

# 生成器表达式（节省内存）
large_sum = sum(x ** 2 for x in range(1000000))  # 没有方括号，是生成器

错误处理

数据分析中经常会遇到数据质量问题，合理的错误处理能让你的代码更健壮：

# try/except 基本用法
try:
    value = int(input("请输入数字："))
    result = 100 / value
    print(f"结果是: {result}")
except ValueError:
    print("输入的不是有效数字")
except ZeroDivisionError:
    print("不能除以零")
except Exception as e:
    print(f"发生了未知错误: {e}")
finally:
    print("无论如何都会执行这段代码")

# 实战：安全地转换数据类型
def safe_convert_to_float(value):
    """安全地将值转换为浮点数"""
    try:
        return float(value)
    except (ValueError, TypeError):
        return float("nan")  # 返回缺失值标记

# 实战：安全读取文件
def safe_read_file(filename):
    try:
        with open(filename, "r", encoding="utf-8") as f:
            return f.read()
    except FileNotFoundError:
        print(f"文件 {filename} 不存在")
        return ""
    except IOError:
        print(f"读取文件 {filename} 时出错")
        return ""

文件读写

数据分析的起点通常是读取数据文件：

# 读取文本文件
with open("data.txt", "r", encoding="utf-8") as f:
    content = f.read()         # 读取全部内容
    # content = f.readline()   # 读取一行
    # content = f.readlines()  # 读取所有行到列表

# 写入文本文件
with open("output.txt", "w", encoding="utf-8") as f:
    f.write("第一行\n")
    f.write("第二行\n")

# 追加到文件
with open("output.txt", "a", encoding="utf-8") as f:
    f.write("追加的行\n")

# 读取 CSV 文件（不依赖 Pandas）
def read_csv_simple(filename):
    """简单手动读取 CSV 文件"""
    with open(filename, "r", encoding="utf-8") as f:
        lines = f.readlines()
    
    header = lines[0].strip().split(",")
    data = []
    for line in lines[1:]:
        values = line.strip().split(",")
        row = dict(zip(header, values))
        data.append(row)
    return data

模块和包

良好的代码组织能让项目更易维护：

# 导入整个模块
import math
print(math.pi)
print(math.sqrt(16))

# 导入特定函数/变量
from math import pi, sqrt
print(sqrt(25))

# 起别名
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 从模块导入所有内容（谨慎使用）
from math import *

# 自定义模块
# 创建文件 my_analysis.py，内容为：
# def clean_data(df):
#     return df.dropna()
#
# 然后在其他文件中：
# from my_analysis import clean_data

常用内置模块

import os      # 操作系统接口
import sys     # Python 解释器信息
import json    # JSON 数据处理
import csv     # CSV 文件处理
import re      # 正则表达式
import datetime  # 日期和时间
import random  # 随机数生成
import math    # 数学函数
import collections  # 高级容器类型

实践练习

把上面的知识点组合起来，做一个简单的数据分析小程序：

import csv
import random
from statistics import mean, median, stdev

# 生成示例销售数据
def generate_sales_data(days=30):
    """生成指定天数的模拟销售数据"""
    products = ["笔记本电脑", "手机", "耳机", "键盘", "鼠标"]
    data = []
    
    for day in range(1, days + 1):
        for product in products:
            sales = random.randint(1, 50)
            price = random.choice([2999, 4999, 199, 299, 99])
            data.append({
                "day": day,
                "product": product,
                "sales": sales,
                "price": price,
                "revenue": sales * price
            })
    return data

# 分析数据
def analyze_sales(data):
    """分析销售数据"""
    # 计算总收入
    total_revenue = sum(row["revenue"] for row in data)
    print(f"总收入: {total_revenue:,} 元")
    
    # 按产品分组统计
    product_stats = {}
    for row in data:
        product = row["product"]
        if product not in product_stats:
            product_stats[product] = {"total": 0, "count": 0}
        product_stats[product]["total"] += row["revenue"]
        product_stats[product]["count"] += row["sales"]
    
    print("\n产品销售统计：")
    for product, stats in sorted(product_stats.items()):
        avg_price = stats["total"] / stats["count"] if stats["count"] > 0 else 0
        print(f"{product}: 总收入 {stats['total']:>8,} 元, "
              f"售出 {stats['count']:>3} 件, "
              f"均价 {avg_price:>7.2f} 元")

# 执行分析
sales_data = generate_sales_data(30)
analyze_sales(sales_data)

下一步

掌握了 Python 基础后，我们就可以开始学习数据分析的核心库了。下一篇将介绍 NumPy，它是 Python 科学计算的基石，为高性能数组运算提供了强大的支持。