Ubuntu Python數據分析實戰案例

以下是基于Ubuntu環境的Python數據分析實戰案例，涵蓋環境搭建、數據處理到可視化全流程：

案例1：用戶行為數據分析（基于模擬數據）

場景：分析用戶登錄日志，統計活躍時段、異常登錄等
步驟：

1. 環境準備

   sudo apt update  
   sudo apt install python3 python3-pip  
   pip3 install pandas numpy matplotlib seaborn  
   

2. 數據模擬與讀取

   import pandas as pd  
   # 模擬用戶登錄日志（實際可從CSV/數據庫讀?。? 
   data = pd.DataFrame({  
       'user_id': [1, 2, 1, 3, 2, 1],  
       'login_time': ['2025-08-01 08:00', '2025-08-01 10:30', '2025-08-02 09:15',  
                     '2025-08-02 23:45', '2025-08-03 14:00', '2025-08-03 00:10'],  
       'status': ['success', 'success', 'success', 'fail', 'success', 'fail']  
   })  
   data['login_time'] = pd.to_datetime(data['login_time'])  
   

3. 數據清洗與分析

   # 轉換時間格式，刪除無效數據  
   data = data.dropna().sort_values('login_time')  
   # 按小時統計登錄次數  
   data['hour'] = data['login_time'].dt.hour  
   login_stats = data.groupby('hour')['user_id'].count().reset_index()  
   # 異常登錄檢測（如非工作時段登錄）  
   abnormal_logins = data[(data['hour'] < 8) | (data['hour'] > 18) & (data['status'] == 'success')]  
   

4. 可視化

   import matplotlib.pyplot as plt  
   # 繪制活躍時段分布圖  
   plt.bar(login_stats['hour'], login_stats['user_id'], color='skyblue')  
   plt.xlabel('Hour of Day')  
   plt.ylabel('Login Count')  
   plt.title('User Active Hours')  
   plt.show()  
   

案例2：電商銷售數據趨勢分析

場景：分析某電商平臺月度銷售額、商品類別占比及用戶地域分布
步驟：

1. 數據準備
   從Kaggle獲取電商數據集（如sales_data.csv），包含字段：order_id、product_id、category、price、region、order_date。
2. 數據處理

   # 讀取數據  
   sales_data = pd.read_csv('sales_data.csv')  
   # 轉換日期格式，提取月份  
   sales_data['order_date'] = pd.to_datetime(sales_data['order_date'])  
   sales_data['month'] = sales_data['order_date'].dt.month  
   # 按月統計銷售額  
   monthly_sales = sales_data.groupby('month')['price'].sum().reset_index()  
   # 按商品類別統計銷售額占比  
   category_sales = sales_data.groupby('category')['price'].sum().sort_values(ascending=False)  
   # 按地域統計訂單量  
   region_orders = sales_data['region'].value_counts().reset_index()  
   

3. 可視化分析

   # 月度銷售額折線圖  
   plt.plot(monthly_sales['month'], monthly_sales['price'], marker='o', color='green')  
   plt.title('Monthly Sales Trend')  
   plt.xlabel('Month')  
   plt.ylabel('Sales Amount')  
   plt.grid(True)  
   plt.show()  
   # 商品類別占比餅圖  
   plt.pie(category_sales, labels=category_sales.index, autopct='%1.1f%%', startangle=90)  
   plt.title('Product Category Distribution')  
   plt.show()  
   

案例3：多源數據關聯分析（用戶畫像）

場景：結合用戶基本信息與行為數據生成標簽
步驟：

1. 數據準備
   • 用戶基本信息表：users.csv（含user_id、age、gender、region）
   • 用戶行為數據表：user_actions.csv（含user_id、page_views、purchase_count、login_days）
2. 數據關聯與特征工程

   # 合并數據  
   user_profile = pd.merge(users, user_actions, on='user_id', how='left')  
   # 計算用戶活躍度標簽  
   user_profile['activity_level'] = pd.cut(user_profile['login_days'],  
                                          bins=[-1, 30, 90, 180],  
                                          labels=['Low', 'Medium', 'High'])  
   # 計算用戶價值標簽（基于購買金額與瀏覽量）  
   user_profile['value_score'] = user_profile['purchase_count'] * 10 + user_profile['page_views']  
   user_profile['value_label'] = pd.cut(user_profile['value_score'],  
                                       bins=[0, 100, 500, 1000],  
                                       labels=['Low Value', 'Medium Value', 'High Value'])  
   

3. 可視化用戶分布

   # 地域-活躍度熱力圖  
   import seaborn as sns  
   pivot_table = user_profile.pivot_table(index='region', columns='activity_level',  
                                         values='user_id', aggfunc='count', fill_value=0)  
   sns.heatmap(pivot_table, annot=True, cmap='YlGnBu')  
   plt.title('User Activity by Region')  
   plt.show()  
   

關鍵工具與庫說明

• 基礎處理：Pandas（數據清洗、轉換）、NumPy（數值計算）
• 可視化：Matplotlib（基礎圖表）、Seaborn（高級統計圖表）
• 大數據場景：PySpark（分布式計算，適合超大規模數據）
• 交互式分析：Jupyter Notebook（支持代碼、可視化混排）

以上案例可根據實際數據集調整，重點演示Ubuntu下Python數據分析的核心流程，涵蓋從數據獲取到洞察的全鏈路操作。