从《Python数据分析案例教程》中_领悟数据和Python的魅力_1.1 认识数据分析

【摘要】 本书摘自《Python数据分析案例教程》一书中第1章，第1节，由万念斌、肖伟东、叶丰标编著。

第1章 数据分析概述

大数据时代，在商业、经济及其他领域中基于数据和分析去发现问题并做出科学、客观 的决策越来越重要。数据分析技术作为一门前沿技术，广泛应用于云计算、移动互联网、物 联网等战略新兴产业，帮助企事业单位用户在合理时间内获取、管理、处理以及整理海量数 据，为企事业单位经营决策提供帮助。本章将介绍数据分析与数据分析技术、数据分析过 程、互联网数据及特点、Python 数据分析等内容。

1.1 认识数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和 形成结论从而对数据加以详细研究和概括总结的过程。数据分析的本质是什么?就是将这 些结构化或者非结构化的数据，映射到指定格式的数据空间里面，然后进行分析，数据分析 的基础就是数据空间的映射。数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后 的信息集中和提炼出来，总结出所研究对象的内在规律。它能帮助管理者进行判断和决策， 以便采取适当策略和行动。

按统计学划分，数据分析分为描述性数据分析、探索性数据分析、验证性数据分析。描 述性数据分析是初级数据分析，通常采用对比分析法、平均分析法、交叉分析法。探索性数 据分析侧重在数据之中发现新的特征，是为了形成值得假设的检验而对数据进行分析的一 种方法，是对传统统计学假设检验手段的补充。验证性数据分析侧重于已有假设的证实或 证伪。

数据分析的应用非常广泛，典型的数据分析一般包括以下三步：

(1)探索性数据分析。数据获得后，并不是意向的那么工整，可能杂乱无章，看不出规 律，通过清洗、转换、计算某些特征值生成不同形式的图表等手段探索隐含在数据中的规 律性。

(2)模型选定分析。在探索性数据分析的基础上根据数据进行数学建模，设计编写算 法，然后通过进一步的分析从中选出适合的模型。

(3)推断分析。通常使用数理统计方法对所建模型或估计的可靠程度和精确程度做出 推断。

数据分析存在四大误区，它们是：忽略数据分析的核心，为了数据而分析；忽略业务知 识，数据偏离实际轨道；忽略业务问题，追求高级分析模型；为数据而找数据。正确做法应该

是围绕企业(单位)现状、业务变动情况及原因，预测未来趋势来进行分析；从企业(单位)业 务出发，需要管理、营销、策略的综合知识；说明业务的问题、原因及解决方法才是重要的；客 观中立地分析数据，不要为了迎合观点而去找数据。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们 [email protected] 处理，核实后本网站将在24小时内删除侵权内容。