数据分析入门实战：老板丢来 5000 行数据，我怎么一步步算出"哪个季度卖得最好"
写作日期：2026-08-04 ｜ 来源：数据分析学习笔记（六步流程 + Pandas 实战）
关键词：Pandas、数据清洗、groupby、透视表、数据分析流程
背景（S）
实习第一天，老板丢给我一个 CSV 文件，里面有 5000 行销售记录（日期、产品、金额），说了一句："哪个季度卖得最好？明天汇报。"
当时的我大脑一片空白：数据分析第一步是啥？是不是先把数据算一遍？后来才发现，没有数据拿什么算------第一步是取数，而真正的坑，全在取数之后。
踩过的坑（T）
新手最容易犯的 5 个错，我一个没落：
- 以为第一步是"分析"------错了，第一步是取数（先有数据才能分析）。
- 直接对脏数据求和 ------5000 行里有 200 行重复记账，总销售额凭空虚高，多算 200 行的钱。
- 空值填 0------50 行金额是空的，填 0 把月均消费从 2000 拉低到 1900，结论全歪。
sort_values忘写ascending=False------默认升序，卖得最好的产品在最后一行，老板从上往下看，差点把最差的当成最好的。- 透视表把 index / columns 搞反------index 是行（最左边一竖列），columns 是列（表头），反了就是一张"看不懂的表"。
怎么解决的（A）
第一步：先立骨架------数据分析六步流程
取数 → 清洗 → 存储 → 分析 → 可视化 → 报告不是五步，是六步：最后一步"报告"是图表 + 结论 + 建议------因为老板没耐心看 5000 行数字，他要的是能直接拍板的一句话。
第二步：用 Pandas 把数据读进来
python
import pandas as pd
df = pd.read_csv("销售记录.csv")
print(df.shape) # (5000, 3) = 5000 行 3 列（先行后列）
print(df.head()) # 看一眼前 5 行DataFrame 就是一张跑在内存里的 Excel 表格：列是字段（日期、产品、金额），行是记录。
第三步：清洗三件套（最重要，别跳过）
python
df = df.drop_duplicates() # ① 去重：删掉 200 行重复记账（必须重新赋值才生效！）
df = df.dropna() # ② 空值少：直接删行
df = df.fillna(df['金额'].mean()) # ② 空值多：填均值（填 0 会拉低均值，别用）
df = df[df['金额'] > 0] # ③ 过滤：金额 > 0，把异常值/退款挡在外面清洗决定结论可信度：重复数据让总数虚高，空值填错让均值失真------不洗，分析白做。
第四步：分组聚合------"哪个季度卖得最好"的核心
python
# 每个季度总销售额（groupby = 按列分堆，对金额求和）
季度销售 = df.groupby('季度')['金额'].sum()
print(季度销售.sort_values(ascending=False)) # 降序，第一行就是卖得最好的季度groupby 结构记牢：df.groupby('分组的列')['要算的列'].sum()。想同时算金额和数量，用双括号 df.groupby('产品')[['金额', '数量']].sum()。
第五步：透视表------产品 × 季度交叉看
python
pd.pivot_table(df, values='金额', index='产品', columns='季度', aggfunc='sum')季度 Q1 Q2 Q3 Q4
产品
奶茶 5000 6000 4000 5000
烤肠 1000 1500 1200 1300
柠檬水 2000 2200 1800 2000一行代码同时看"哪个产品、哪个季度"------这就是 Excel 透视表的 Pandas 版，也是 groupby 的升级版（一维分组 → 二维交叉）。注意 aggfunc='sum' 一定要写，默认是 mean（平均值），会算成"平均每单"，和总销售额差很远。
第六步：报告交付
图（可视化）+ 结论 + 建议。我的结论是："奶茶 Q2 卖得最好（6000），Q3 跌到 4000，建议排查 Q3 原因，Q2 经验可复制。"
复盘（R）
- 数据从哪来 → 怎么处理 → 给谁用：取数拿数据、清洗保可信、分析出结论、报告给决策者------这就是面试的"数据流三段式"。
- SQL 干重活，Pandas 干细活：数据大到内存装不下（比如 3G），先 SQL 聚合压小，再读回 Pandas 分析。
- 踩坑是最好的面试素材：面试官最爱听"我犯过错然后怎么改"，这 5 个坑就是。
一句话总结（面试直接背） ：数据分析 = 六步流程（取数→清洗→存储→分析→可视化→报告），Pandas 三件套（drop_duplicates 去重、dropna/fillna 处理空值、df[条件] 过滤），groupby 一维分组、pivot_table 二维交叉------清洗保证结论可信，报告让老板 3 秒拍板。