此文是《10周入門資料分析》系列的第13篇
想瞭解學習路線，可以先閱讀 學習計畫 | 10周入門資料分析

前面經過十幾篇文章，相想必大家對於資料分析是什麼，怎麼做有了基本的認識。跟著操作的小夥伴基本功應該練的差不多了，可以蛟龍出海了。

有些基礎后，理論上的東西我們先放一放，現在開始我們就學習一下很熱門，很燙手的python》》入門版六小節，好了，跟著小編學起來吧！

作為當下最熱門的程式設計語言之一，Python有兩個非常有趣的方向：一個是資料分析，從掌握資料分析的基本方法開始，學習NumPy、Pandas、mapplotlib包；然後再往下就是資料採擷，機器學習、深度學習，甚至人工智慧。另外一個方向則是web開發。有同學說爬蟲呢，爬蟲其實是獲取資料的一個手段，包括資料庫的處理等等都是包含在上面兩條路線裡面。

想學會一門語言不是一朝一夕的事情，本文是按照業務資料分析師/商業分析師的路線來講Python的學習路徑。若大家想成為技術型的分析師，或者未來往資料採擷發展，建議你要比文章內容學得更深，所有的程式碼最好都手打一遍，這是最有效的學習方式。

好了，言歸正傳。按照所有程式設計語言的學習套路，先從基礎語法開始，有程式設計基礎的同好可能學習起來比較輕鬆，但也建議看一遍，溫習一二。

資料分析環境

Python的編寫環境，用Anaconda足矣。Anaconda是專業的資料科學計算環境，已經集成絕大部分包和工具，不需要多餘的安裝和調試。

Python版本建議3.0以上，不要選擇2.7的版本，否則你會被無盡的中文編碼問題困擾。

Anaconda在官網下載，選擇最新版本，約400MB。

完成安裝後，Win版本會多出幾個程式，Mac版本只有一個Navigator導航。資料分析最常用的程式叫Jupyter，以前被稱為IPython Notebook，是一個互動式的筆記本，能快速創建程式，支援即時程式碼、視覺化和Markdown語言。
點擊Jupyter進入，它會自動創建一個本地環境localhost。

點擊介面右上角的new，創建一個python檔。

開始你的Python

介面上部是工具列，編輯撤回運行等，下面是快捷操作，大家以後會熟悉的。頁面正中便是腳本執行的地方，我們輸入自己第一行程式碼吧：

（我就不用hello world）灰色框是輸入程式的地方，回車是換行，shift+回車執行灰色區域的程式碼，它的結果會直接在下面空白處出現。這就是Jupyter互動式的強大地方，將Python腳本分成片段式運行，尤其適合資料分析的摸索調整工作。

這裡的print叫函數，和excel的函數同理，是程式執行的主體，負責將輸入轉化成輸出（函數留在下一篇細講）。這裡將hello qinlu這段文字輸出。新手可能會奇怪為什麼要加引號，這種用引號括起來的文字在程式中叫字串。

Python是一門電腦語言，它的邏輯和自然語言不一樣，程式設計語言的目的是執行任務，所以它不能有歧義。為了規避各種歧義，人們創造了語法規則，只有正確的語法，才能被轉換成CPU執行的機器碼。

先瞭解Python語法中的資料類型。電腦最開始只被用於數值運算，後來被賦予了各種豐富的資料類型。

上面兩個是小學生都會的四則運算，在電腦語言中可沒有那麼簡單。它涉及了兩個數值類型，整數int和浮點數float。整數和浮點數在電腦內部存儲的方式是不同的，我們不用知道具體原理，明確一點，整數運算是永遠精確的，浮點運算則可能有誤差。

兩種資料類型也可以互換，透過int函數和float函數。

有了數值，必然有文本，程式中叫字串，用英文引號括起來表示。單引號和雙引號沒有區別，所以”qinlu”和’qinlu’是等價的，引號是邊界，輸出的時候不會包含它。當字串內本身包含引號時，也不影響使用。

需要注意的是，不論單引號還是雙引號，一旦混用很容易出現錯誤。因為程式並不知道它是字串的邊界還是符號。

解決方法有兩種，一種是使用三引號，三引號代表整體引用，而且包含換行。第二種是引號前面加\，它是轉義字元，表示這個引號就是單純的字元。

三引號也可以用來注釋，通常是大段的文字解釋，如果一句話，我們更習慣用#，#後面的內容均不會作為程式執行。

時間是特殊的數數值型別，它將結合datetime模組講解。

還有兩個常見的資料類型，布林值和空值。布林值是邏輯判斷值，只有True和False。

布林值在IF語句和資料清洗中經常使用，利用其過濾。布林值能和布林值運算，不過這裡是and、not、or作為運算子，Ttue and True = True，False and True = False，False and False = False，not True = False，True or False = True等。

空值是一個特殊的值，表示為None，None不等於0，0具有數學意義而None沒有，None更多表示該值缺失。

整數，浮點數，字串，布林值，空值就是Python常見的資料類型。Python3對中文的支持比較友好，所以大家可以用中文作為字串試一下print。

資料類型構成了變數的基礎，變數可以是任意的資料類型。想要用變數，必須先賦予變數一個值，這個過程叫賦值。

我首先給a賦予了一個整數值1，然後改變它為字串abc，變數在Python中沒有固定的數數值型別，這是Python最大的優點，所以它在資料分析中很靈活。這也是它被稱為動態語言的原因，相對應的叫靜態語言。

Python是大小寫敏感的語言，所以a和A是有區別的，這點請牢記。另外變數名盡可能使用英文，不要拼音，英文的可讀性是優於拼音的。

變數有兩種拼寫風格，一種叫駝峰，一種叫底線，以用戶ID為例。駝峰命名法為userId，以一串英文詞語user和id組成變數，第一個詞語的首字母小寫，第二個詞語開始的首字母均大寫。底線命名法為user_id，全部小寫，用_分割單詞。

一個變數的值可以被賦予另外一個變數，如果b變數之前有另外一個值，那麼會被1覆蓋。呈從上而下的執行關係。

初看a = a + 1好像有邏輯問題，其實這涉及到了程式執行的先後順序，程式是先計算a+1的值得到2，然後將其賦予(覆蓋)了a。等號右邊的計算先於左邊，這是從右到左的邏輯關係。

有變數，自然有常量，常量是固定不變的量，可是在Python中沒有真正意義的常量，一切皆可變，它更多是習慣上的叫法，即一旦賦值，就不再改變了。

Python的基礎數學運算子號有+,-,*,/,//,%。前面四個就是加減乘除，其中除法的結果一定是浮點數。後面兩個符號是除法的特殊形式，//代表除法中取整數，%代表除法中取餘數。

到這裡，新手部分已經講解完成。再來講講資料結構。

資料結構

Python一共有三大資料結構，它是Python進行資料分析的基礎，分別是tuple元組，list陣列以及dict字典。本文透過這三者的學習，打下資料分析的基礎。

陣列

陣列是一個有序的集合，他用方括號表示。

num就是一個典型的陣列。陣列不限定其中的資料類型，可以是整數也可以是字串，或者是混合型。
陣列可以直接用特定的函數，函數名和Excel相近。

sum是求和，len則是統計陣列中的元素個數。

上述列舉的函數是陣列內整體元素的應用，如果我只想針對單一的元素呢？比如查找，這裡就要用到陣列的特性，索引。索引和SQL中的索引差不多，都是用來指示資料所在位置的邏輯指標。陣列的索引便是元素所在的序列位置。

注意，索引位置是從0開始算起，這是程式設計語言的預設特色了。num[0]指數組的第一個元素，num[1]指數組的第二個元素。

我們用len()計算出了陣列元素個數是5，那麼它最後一個元素的索引是4。若是陣列內的元素特別多呢？此時查找陣列最後一位元的元素會有點麻煩。Python有一個簡易的方法，可以用負數表示，意為從最後一個數位計算索引。

這裡的num[4]等價於num[-1]，num[-2]則指倒數第二個的元素。
再來一個新問題，如何一次性選擇多個元素？例如篩選出陣列前三個元素。在Python中，用：表示範圍。

num[0:3]篩選了前三個元素，方括號左邊是閉區間，右邊是開區間，所以這裡是num[0]，num[1]和num[2]，並不包含num[3]。這個方法叫做切片。

上述是索引的特殊用法，[0:]表示從第0個索引開始，直到最後一個元素。[:3]表示從第一個元素開始，直到第3個索引。

負數當然也有特殊用法。[-1:]表示從最後一個元素開始，因為它已經是最後一個元素了，所以只返回它本身。[:-1]表示從第一個元素開始到最後一個元素。num[-2:-1]和num[-3:-1]大同小異。

陣列的增刪查

我們已經瞭解陣列的基本概念，不過仍舊停留在查找，它不涉及資料的變化。工作中，更多需要操縱陣列，對陣列的元素進行添加，刪除，更改。

陣列透過insert函數插入，函數的第一個參數表示插入的索引位置，第二個表示插入的值。

另外一種方式是append，直接在陣列末尾添加上元素。它在之後講到反覆運算和迴圈時應用較多。

如果要刪除特定位置的元素，用pop函數。如果函數沒有選擇數值，預設刪除最後一個元素，如果有，則刪除數值對應索引的元素。

更改元素不需要用到函數，直接選取元素重新賦值即可。

到這裡，陣列增刪改查已經講完，但這只是一維陣列，一維陣列之上還有多維陣列。如果現在有一份資料是關於學生資訊，一共有三個學生，要求包含學生的姓名，年齡，和性別，應該怎麼用陣列表示呢？

有兩種思路，一種是用三個一維陣列分別表示學生的姓名，年齡和性別。

學生屬性被拆分成多個陣列，利用索引來表示其資訊，這裡的索引有些類似SQL的主鍵，透過索引查找到資訊。但是這種方法並不直觀，實際應用會比較麻煩，更好的方法是表示成多維陣列。

所謂多維陣列，是陣

列內再嵌套數組，圖中表示的是一個寬度為3，高度為3的二維陣列。此時student[0]返回的是陣列而不是單一值。這種方法將學生資訊合併在一起，比第一個案例更容易使用。

如果想選擇第一個學生的性別，應該怎麼辦呢？很簡單，後面再加一個索引即可。
現在嘗試快速創建一個多維陣列。

[0]*3將快速生成3個元素值為0的陣列，這是一種快捷操作，而[row]4則將其擴展成二維資料，因為是4，所以是34的結構。

這裡有一個注意點，當我們想更改多維陣列中的某一個元素而不是陣列時，這種方式會錯誤。
按照正常的想法，martix[1][0]將會改變第二個陣列中的第一個值為1，但是結果是所有陣列的第一個值都變成1。這是因為在matrix = [row] * 4操作中，只是創建3個指向row的引用，可以簡單理解成四個陣列是一體的。一旦其中一個改變，所有的都會變。

比較穩妥的方式是直接定義多維陣列，或者用迴圈間接定義。多維陣列是一個挺重要的概念，它也能直接表示成矩陣，是後續很多演算法和分析的基礎（不過在pandas中，它是另外一種形式了）。

元組

tuple叫做元組，它和陣列非常相似，不過用圓括號表示。但是它最大的特點是不能修改。

當我們想要修改時就會報錯。

而選擇和陣列沒有差異。

元組可以作為簡化版的陣列，因為它不可更改的特性，很多時候可以作為常量使用，防止被篡改。這樣會更安全。

字典

字典dict全稱dictionary，以鍵值對key-value的形式存儲。所謂鍵值，就是將key作為索引存儲。用大括弧表示。

圖中的’qinlu’是key，18是value值。key是唯一的，value可以對應各種資料類型。key-value的原理不妨想像成查找字典，拼音是key，對應的文字是value（當然字典的拼音不唯一）。

字典和陣列的差異在於，因為字典以key的形式存儲和查找，所以它的查詢速度非常快，畢竟翻字典的時候你只要知道拼音就能快速定位了。對dict資料結構，10個key和10萬個key在查找對應的value時速度沒有太大差別。

這種查找方式的缺點是佔用記憶體大。陣列則相反，查找速度隨著元素的增加逐漸下降，這個過程想像成程式在一頁頁的翻一本沒有拼音的字典，直到找到內容。陣列的優點是佔用的記憶體空間小。

所以陣列和字典的優缺點相反，dict是空間換時間，list是時間換空間，這是程式設計中一個比較重要的概念。實際中，資料分析師的工作不太涉及工程化，選用陣列或者字典沒有太嚴苛的限制。

細心的讀者可能已經發現，字典定義時我的輸入順序是qinlu，lulu，qinqin，而列印出來是lulu，qinlu，qinqin，順序變了。這是因為定義時key的順序和放在記憶體的key順序沒有關係，key-value透過hash演算法互相確定，甚至不同Python版本的雜湊演算法也不同。這一點應用中要避免出錯。

既然字典透過key-value對匹配查找，那麼它自然不能不用陣列的數值索引，它只能透過key值。

如果key不存在，會報錯。透過in方法，可以返回True或False，避免報錯。

dict和list一樣，直接透過賦值更改value。

能不能更改key的名字？不能，key一旦確定，就無法再修改，好比字典定好後，你能修改字的拼音麼？

dict中刪除key和list一樣，透過pop函數。增加key則是直接賦予一個新的鍵值對。

dict的keys和values兩個函數直接輸出所有的key值和value值。如果要轉換成陣列，則再外面嵌套一個list函數。

items函數，將key-value對變成tuple形式，以陣列的方式輸出

字典可以透過嵌套應用更複雜的資料格式，和NoSQL與JSON差不多。

基礎的資料類型差不多了，更多函數應用大家可以網上自行查閱文檔，這塊掌握了，在資料清洗過程中將會非常高效，尤其是讀取Excel資料時。當然不要求滾瓜爛熟，因為後面將學習更加強大的Numpy和Pandas。
我是「數據分析那些事」。常年分享資料分析乾貨，不定期分享好用的職場技能工具。