尧图网站建设 
简介这是一份基于Python的数据分析课程设计完整资料包面向高校数据相关专业学生以及需要课程设计参考模板的初、中级开发者。内容覆盖需求分析、数据源获取与读取、数据预处理、数据清洗与规整、业务指标分析和可视化呈现全流程目录按章节组织便于逐步对照学习。资源共35个文件其中包含22页设计报告文档、8个Python分析脚本、19张结果图表及2020年订单数据压缩包整体大小约2.09MB。脚本覆盖销售趋势、流量渠道来源、周内与时段下单规律、RFM客户价值分层、复购率分析等典型业务场景图表与报告各章节结论一一对应。已有1276人学习适合作为数据清洗与可视化实战的范文素材也方便在此基础上扩展完成自己的数据分析课程设计。1. Python 数据分析课程设计一份 22 页报告到底能帮你省多少事Python 数据分析课程设计大概是很多非科班同学遇到的第一个既要写代码、又要交报告、还要面对答辩的通关任务。选题容易写起来才发现图表出不来、报告凑不满页数、答辩被问一个数据指标就卡壳。这份基于 Python 的数据分析课程设计资源正好补在最痛的点上不只是一段能跑的代码还附带 22 页设计报告从需求分析、数据说明、预处理过程到结论与展望完整成稿拿它当范文、模板、素材能把写报告这个最耗时间的环节压缩一大半。适合两类人一是手里有课程设计任务、需要快速搭出框架并复现的同学二是想走一遍标准数据分析流程、照着完整项目结构练手的初学者。下面按拆包顺序把资源结构、核心代码、常见坑和改造方法逐项过一遍。2. 资源剖析从 22 页设计报告到 pandas 技术栈的选型逻辑先说结论这份资源的核心价值不在代码量而在代码 报告 图表三者对得上。很多网上下到的 python 源码跑起来没问题但报告是空的或者报告写完了代码跑不通最后课程设计一样栽。这份资源把 22 页报告和可运行代码绑在一起等于给了你一条完整的可复现链路。2.1 七段式报告脉络每一章都对应课程设计的评分点我把这 22 页报告拆开看结构很标准基本是本科课程设计通用的七段式。对照评分点来看每一段都有明确的加分位置报告章节核心内容对应评分点需求分析选题背景、研究目标、数据来源说明选题是否贴近实际业务数据说明字段字典、数据量、数据类型分布对数据本身是否理解到位数据预处理缺失值、重复值、异常值处理记录处理方法是否规范、可复述分析方法描述性统计、分组聚合、相关性分析统计理论与工具结合深度实验结果图表输出、关键指标计算结果能否支撑结论结论与展望主要发现、不足、改进方向归纳与批判性思考参考文献教材、官方文档、论文学术规范课程设计给分通常看逻辑完整性而不是代码多炫。很多同学把精力花在调一个花哨的交互图表上结果报告里连为什么选这个方法都没写答辩老师一句这个图表说明什么就接不住。这份报告的写法是发现问题 → 用什么方法处理 → 处理前后对比每一步都有动机这个骨架比任何单点技巧都值钱。2.2 为什么选 pandas matplotlib课程设计的稳妥组合技术栈选型这件事课程设计和工业项目是反着来的。工业项目要性能、要扩展性课程设计要的是方法讲得清、结果能复现。深度学习模型在课程设计里经常是黑匣子答辩被问为什么选这个网络结构、样本量够不够很难答好而 pandas 做数据处理、matplotlib 出图每一步都能解释环境要求也低。翻阅这份资源的主流程走的是 pandas 清洗 matplotlib 出图 jieba 和 wordcloud 做词云加分项的组合。这和《Python 数据分析与数据挖掘实战》那类书给的章节式代码不太一样书里是按知识点组织的而课程设计需要的是从一个问题出发 → 数据 → 结论的闭环。这份资源的价值恰恰在闭环本身。另外提醒一点Python 环境版本会影响复现成功率。我一般用 Python 3.9 到 3.11 范围内的解释器搭配 VSCode 的 Python 插件调试体验比 Jupyter 更适合跑完整脚本。老教程代码在新 pandas 上跑不动的坑后面专门有一节讲。2.3 拿到资源后的目录组织与运行顺序资源拿到手先别急着双击运行。先按下面这个结构确认文件齐不齐course_design/ ├── data/ │ ├── raw_data.csv # 原始数据 │ └── cleaned_data.csv # 清洗后数据 ├── code/ │ ├── 01_data_clean.py # 数据清洗 │ ├── 02_analysis.py # 统计分析 │ └── 03_visualization.py # 可视化出图 ├── report/ │ ├── 设计报告.docx # 22 页报告正文 │ └── figures/ # 报告用图 └── requirements.txt # 依赖清单运行顺序必须是 01 → 02 → 03因为每一步的输出是下一步的输入跳步跑大概率报列名不存在。依赖安装建议先把大版本固定住我自己一般把 requirements.txt 写成这样pip install pandas1.5,2.0 numpy1.23 matplotlib3.6 jieba0.42 wordcloud1.9注意这里故意限制 pandas 大版本号是因为课程设计报告的旧代码在 pandas 2.x 上经常报错固定版本是最省事的后悔药。3. 数据预处理与统计分析跟着报告把三板斧代码跑通课程设计的核心工作量集中在数据预处理报告里 22 页至少有一半在讲我怎么把数据弄干净的。这一章按报告里的处理顺序把代码逐段过一遍。3.1 读数据与字段体检先搞清楚你手里有什么牌开箱后第一步不是急着画图而是把数据读进来做体检。几乎所有的数据分析课程设计都以一个 CSV 起步read_csv 的编码参数是最容易翻车的下面先给标准读法import pandas as pd import numpy as np # 读取原始数据如果报 UnicodeDecodeError把 encoding 改成 gbk df pd.read_csv(data/raw_data.csv, encodingutf-8) # 体检三件套规模、字段类型、数值分布 print(数据集规模:, df.shape) # (行数, 列数) print(df.info()) # 每列非空个数和数据类型 print(df.head(3).to_string()) # 前 3 行看字段长什么样 print(df.describe().round(2).to_string()) # 数值列均值、极值、分位数这段代码的每一行输出后面写报告都能直接引用。shape 返回元组 (行, 列)info() 能直接看出哪一列有缺失describe() 算出的均值和四分位数是报告里最常出现的数字比如某类商品均价为 X 元中位数为 Y 元分布右偏明显这类描述性统计就是分析报告的大盘底料。参数上重点说两个encoding 默认 utf-8但很多课程设计配套数据是 gbk 编码先用 utf-8 试报错就换 gbkto_string() 是防止 DataFrame 列数太多时打印自动省略报告截图需要完整输出。3.2 清洗三板斧缺失值、重复值、异常值报告里数据预处理章节必须写清楚我做了什么、为什么这么做所以代码和报表叙述要一一对应。清洗逻辑我惯用顺序是缺失值 → 重复值 → 异常值# 1. 缺失值先看分布再决定怎么补 miss df.isnull().sum() print(各列缺失数:\n, miss[miss 0]) # 数值列用中位数填充避免被极值带偏 df[price] df[price].fillna(df[price].median()) # 关键业务字段缺失直接删行 df df.dropna(subset[category]) # 2. 重复值全字段完全重复的整行去重 before len(df) df df.drop_duplicates() print(f去重: {before} - {len(df)}) # 3. 异常值IQR 法剔除 1.5 倍四分位距之外的值 Q1 df[amount].quantile(0.25) Q3 df[amount].quantile(0.75) IQR Q3 - Q1 df df[(df[amount] Q1 - 1.5 * IQR) (df[amount] Q3 1.5 * IQR)]fillna 用中位数而不是均值原因是均值对异常值敏感一个离谱订单就能把均价拉飞中位数更稳健这个细节答辩老师很爱问。dropna(subset[...]) 只针对业务上必须存在的字段比如分类字段缺失了后续分析没法做这种行只能删非关键字段缺失可以保留。IQR 法不依赖正态分布假设是探索性分析里的通用做法被问为什么选 1.5时可以说这是箱线图的经验默认值严格做法是结合业务场景调整——这么答反而显得你有数据敏感度。3.3 分组聚合与相关性分析报告里最值钱的那几个数字清洗完就到了分析方法章节。分组聚合是体现分析深度的位置别只输出一个 groupby 就完事要同时算合计、均值、计数报告里才好做横向对比# 分组聚合每个类别的总金额、均价、单量 grouped df.groupby(category)[amount].agg([sum, mean, count]) grouped.columns [总金额, 均价, 单量] print(grouped.round(2)) grouped.to_csv(data/grouped_result.csv, encodingutf-8-sig)# 相关性数值字段两两算 Pearson 相关系数 corr df[[price, amount, discount]].corr() print(corr.round(3)) # 找出绝对值超过 0.5 的强相关字段对 for i in corr.columns: for j in corr.columns: if i j and abs(corr.loc[i, j]) 0.5: print(f{i} vs {j}: {corr.loc[i, j]:.3f})groupby 后面接 agg一次能出多个聚合指标比链式调用多次 groupby 效率高round(2) 是为了报告引用数字时别带一长串小数。to_csv 用 utf-8-sig 编码这样用 Excel 打开不会乱码。相关性矩阵是报告分析方法章节的重头戏0.5 以上视为强相关如果相关系数不高却呈现出趋势也要如实写样本量有限相关性有待验证。课程设计不怕结论保守怕的是编造结论被当场拆穿。4. 数据分析与可视化出图让图表和报告文字对得上很多课程设计翻车不是代码跑不通是图表和文字对不上报告里写见图 4-1 可知销量逐年上升结果那张图根本看不出来。这一章专门讲怎么让图既好看、又能被报告引用。4.1 中文字体与保存参数一张能被 Word 接受的图Matplotlib 默认字体不带中文直接出图就是方块这是数据分析与可视化新手必踩的第一个坑。开跑前先统一设置全局字体import matplotlib.pyplot as plt # 设置中文字体与负号显示必须在绘图之前执行 plt.rcParams[font.sans-serif] [SimHei] # Windows 黑体 plt.rcParams[axes.unicode_minus] False # 负号正常显示 # 画一张分类别总金额柱状图 summary df.groupby(category)[amount].sum().sort_values(ascendingFalse) fig, ax plt.subplots(figsize(8, 5), dpi150) summary.plot(kindbar, axax, color#4C72B0) ax.set_title(各类别销售总额对比, fontsize14) ax.set_xlabel(类别) ax.set_ylabel(销售总额元) ax.tick_params(axisx, rotation30) plt.tight_layout() plt.savefig(report/figures/fig1_类别对比.png, dpi300, bbox_inchestight) plt.show()rcParams 是全局设置放在脚本开头一次生效。SimHei 是 Windows 自带黑体Mac 上换成 PingFang SCLinux 上用 font_manager 指定字体文件路径。figsize 控制在 8×5 英寸放进 Word 正好半页太大排版难受太小打印发虚。savefig 的 dpi300 是底线课程设计报告通常要打印存档72 dpi 的屏幕截图印出来全是锯齿。bbox_inchestight 可以避免横轴标签被裁掉这属于出图细节里最实用的一招。4.2 图号、图题、结论句一张图配三句话的固定写法报告里每张图下面都要有图号和图题这是基本格式。容易被忽略的是结论句答辩老师的提问基本集中在你这个图说明了什么。我建议每张图配三句话一层一层往深写从图 4-1 可以看出不同类别的销售总额差异明显。 其中 A 类产品总额约为 B 类的 2.3 倍占比最高。 结合均价数据判断A 类走的是平价高频路线建议后续关注其复购表现。第一句写图中呈现了什么趋势第二句写具体数字对比第三句写业务含义或建议。报告里每个图都按这个模板写答辩时把三句话背下来基本不会被问穿。这份资源的报告里图表章节大概率也是按这个逻辑组织的你可以直接沿用它的句子换数字。4.3 词云加分页一张图让报告显得有工作量如果数据里有文本字段十分钟生成一张词云放在结果与分析末尾视觉效果和工作量展示都很加分import jieba from wordcloud import WordCloud # 把文本字段切词后转成词频 text .join(df[comment].astype(str)) words .join(jieba.cut(text)) wc WordCloud( font_pathC:/Windows/Fonts/simhei.ttf, # 必须指定中文字体文件 width800, height600, background_colorwhite, max_words100 ).generate(words) wc.to_file(report/figures/fig5_评论词云.png)jieba.cut 默认全模式切词对课程设计的数据量来说速度足够。词云里高频词会形成明显的视觉中心放在报告里比一大段文字更直观。font_path 必须指向真实存在的字体文件Windows 就填上面的 SimHei 路径如果换到 Linux 环境这个路径就是全脚本唯一要改动的地方。5. 复现避坑指南编码、版本、路径与答辩的四个翻车现场这一章是我实际跑这类课程设计资源时踩过的坑汇总每条都按现象 → 原因 → 解决写碰上了直接照抄。5.1 中文乱码读数据、打印、绘图三处各踩一遍现象read_csv 报 UnicodeDecodeError或者数据读进来打印全是问号Matplotlib 出的图里中文全是空心方块。原因数据文件本身是 gbk 编码代码默认按 utf-8 解码对不上号绘图乱码则是字体缺失Matplotlib 自带字体集里没有中文字体。解决读文件时显式指定 encodinggbk或者写一个自动回退的小函数def load_csv(path): for enc in (utf-8, gbk, latin1): try: return pd.read_csv(path, encodingenc) except UnicodeDecodeError: continue raise ValueError(f无法识别文件编码: {path})这样不管原始数据是什么编码都能先读进来再说。图内中文按 4.1 的 rcParams 设置解决前提是系统里确实装了 SimHei 或对应中文字体。5.2 pandas 版本差异老教程代码在新版本直接报错现象照着报告里的代码跑报AttributeError: DataFrame object has no attribute append或者刷一堆 FutureWarning 警告。原因pandas 2.x 移除了 append 方法很多 2021 年之前的教程代码在新版本上直接跑不动另外 inplaceTrue 这类接口也在逐步废弃。解决装依赖时固定大版本用我第 2.3 节给的pandas1.5,2.0复现旧代码或者改用新写法比如pd.concat([df1, df2], ignore_indexTrue)替代 append。课程设计不比谁版本新能稳定复现才是第一位。答辩前如果换了机器先跑pip list确认 pandas 大版本这能省掉一半莫名其妙的报错。5.3 路径写死自己电脑能跑换电脑就 FileNotFoundError现象在自己笔记本上一切正常答辩前用机房电脑跑一遍报找不到 data/raw_data.csv。原因代码里写的是C:/Users/你的名字/Desktop/course_design/data/raw_data.csv这类绝对路径换目录就断。解决用相对路径以脚本所在目录为基准拼接import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) DATA_PATH os.path.join(BASE_DIR, .., data, raw_data.csv) df pd.read_csv(DATA_PATH)__file__是当前脚本的完整路径dirname 取目录abspath 确保在软链接或不同启动方式下也能定位。以后整个项目文件夹拷到哪都能跑这是所有课程设计代码都应该有的自觉。5.4 报告贴代码截图不贴运行结果答辩一问就卡壳现象老师指着报告某一页问这段跑出来的结果是什么你只能尴尬地当场重新运行。原因报告里贴了大量代码截图但没贴对应的输出结果答辩人自己对关键数字也没印象。解决报告里每段核心代码后面必须跟输出表或图正文引用的数字要和输出完全一致。答辩前一晚把三个脚本从头到尾重跑一遍把几个关键数字抄在纸上记熟——被问到时直接报数字比现跑现看体面得多。这份资源本身报告完整最容易犯的错反而是抄了报告但没跑代码记住数字是你的护身符。6. 把模板改成自己的题目换数据集与答辩自查清单6.1 换一个数据集等于换一个题目最小成本改造路径这份资源自带的数据集对应某一类业务换掉数据集就等于换了题目。最省事的改造路径是三步找一份结构相近的公开数据集用 rename 把新数据的列名映射到代码里用的标准字段名重跑三个脚本根据新图重新写报告里的结论句。# 新数据列名 - 代码内标准列名 rename_map { product_name: category, sales_price: price, sales_amount: amount, discount_rate: discount } df pd.read_csv(data/new_dataset.csv, encodingutf-8) df df.rename(columnsrename_map)只改列名不改逻辑是最低成本的换题法。但换来新数据后报告里需求分析和结论与展望两个部分必须重写否则老师一眼就能看出是模板改的。这两个部分恰恰是查重和肉眼鉴别的高危区偷懒不得。6.2 答辩前强制过一遍的六个检查项检查项通过标准代码可运行清空终端输出从零重跑三个脚本无报错图号对应报告引用的每个图号都能在 figures 目录找到同名文件数字一致正文里的每个统计数字能与运行输出对上依赖完整requirements.txt 覆盖所有 import 的包路径可迁移整个项目拷贝到别的目录后仍然可运行答辩口径每张图能用三句话说清是什么、说明什么、为什么从那以后我每次拿到任何课程设计资源都会强制执行这一遍流程先在自己机器上从零复现再换数据集和结论最后对着检查表逐项过才提交。资源里的代码和报告只是起点真正让模板变成自己东西的是把每一个数字、每一张图都亲手跑出来。希望帮到你。本文还有配套的精品资源点击获取 Python数据分析课程设计报告模板与pandas实战代码解析
简介这是一份基于Python的数据分析课程设计完整资料包面向高校数据相关专业学生以及需要课程设计参考模板的初、中级开发者。内容覆盖需求分析、数据源获取与读取、数据预处理、数据清洗与规整、业务指标分析和可视化呈现全流程目录按章节组织便于逐步对照学习。资源共35个文件其中包含22页设计报告文档、8个Python分析脚本、19张结果图表及2020年订单数据压缩包整体大小约2.09MB。脚本覆盖销售趋势、流量渠道来源、周内与时段下单规律、RFM客户价值分层、复购率分析等典型业务场景图表与报告各章节结论一一对应。已有1276人学习适合作为数据清洗与可视化实战的范文素材也方便在此基础上扩展完成自己的数据分析课程设计。1. Python 数据分析课程设计一份 22 页报告到底能帮你省多少事Python 数据分析课程设计大概是很多非科班同学遇到的第一个既要写代码、又要交报告、还要面对答辩的通关任务。选题容易写起来才发现图表出不来、报告凑不满页数、答辩被问一个数据指标就卡壳。这份基于 Python 的数据分析课程设计资源正好补在最痛的点上不只是一段能跑的代码还附带 22 页设计报告从需求分析、数据说明、预处理过程到结论与展望完整成稿拿它当范文、模板、素材能把写报告这个最耗时间的环节压缩一大半。适合两类人一是手里有课程设计任务、需要快速搭出框架并复现的同学二是想走一遍标准数据分析流程、照着完整项目结构练手的初学者。下面按拆包顺序把资源结构、核心代码、常见坑和改造方法逐项过一遍。2. 资源剖析从 22 页设计报告到 pandas 技术栈的选型逻辑先说结论这份资源的核心价值不在代码量而在代码 报告 图表三者对得上。很多网上下到的 python 源码跑起来没问题但报告是空的或者报告写完了代码跑不通最后课程设计一样栽。这份资源把 22 页报告和可运行代码绑在一起等于给了你一条完整的可复现链路。2.1 七段式报告脉络每一章都对应课程设计的评分点我把这 22 页报告拆开看结构很标准基本是本科课程设计通用的七段式。对照评分点来看每一段都有明确的加分位置报告章节核心内容对应评分点需求分析选题背景、研究目标、数据来源说明选题是否贴近实际业务数据说明字段字典、数据量、数据类型分布对数据本身是否理解到位数据预处理缺失值、重复值、异常值处理记录处理方法是否规范、可复述分析方法描述性统计、分组聚合、相关性分析统计理论与工具结合深度实验结果图表输出、关键指标计算结果能否支撑结论结论与展望主要发现、不足、改进方向归纳与批判性思考参考文献教材、官方文档、论文学术规范课程设计给分通常看逻辑完整性而不是代码多炫。很多同学把精力花在调一个花哨的交互图表上结果报告里连为什么选这个方法都没写答辩老师一句这个图表说明什么就接不住。这份报告的写法是发现问题 → 用什么方法处理 → 处理前后对比每一步都有动机这个骨架比任何单点技巧都值钱。2.2 为什么选 pandas matplotlib课程设计的稳妥组合技术栈选型这件事课程设计和工业项目是反着来的。工业项目要性能、要扩展性课程设计要的是方法讲得清、结果能复现。深度学习模型在课程设计里经常是黑匣子答辩被问为什么选这个网络结构、样本量够不够很难答好而 pandas 做数据处理、matplotlib 出图每一步都能解释环境要求也低。翻阅这份资源的主流程走的是 pandas 清洗 matplotlib 出图 jieba 和 wordcloud 做词云加分项的组合。这和《Python 数据分析与数据挖掘实战》那类书给的章节式代码不太一样书里是按知识点组织的而课程设计需要的是从一个问题出发 → 数据 → 结论的闭环。这份资源的价值恰恰在闭环本身。另外提醒一点Python 环境版本会影响复现成功率。我一般用 Python 3.9 到 3.11 范围内的解释器搭配 VSCode 的 Python 插件调试体验比 Jupyter 更适合跑完整脚本。老教程代码在新 pandas 上跑不动的坑后面专门有一节讲。2.3 拿到资源后的目录组织与运行顺序资源拿到手先别急着双击运行。先按下面这个结构确认文件齐不齐course_design/ ├── data/ │ ├── raw_data.csv # 原始数据 │ └── cleaned_data.csv # 清洗后数据 ├── code/ │ ├── 01_data_clean.py # 数据清洗 │ ├── 02_analysis.py # 统计分析 │ └── 03_visualization.py # 可视化出图 ├── report/ │ ├── 设计报告.docx # 22 页报告正文 │ └── figures/ # 报告用图 └── requirements.txt # 依赖清单运行顺序必须是 01 → 02 → 03因为每一步的输出是下一步的输入跳步跑大概率报列名不存在。依赖安装建议先把大版本固定住我自己一般把 requirements.txt 写成这样pip install pandas1.5,2.0 numpy1.23 matplotlib3.6 jieba0.42 wordcloud1.9注意这里故意限制 pandas 大版本号是因为课程设计报告的旧代码在 pandas 2.x 上经常报错固定版本是最省事的后悔药。3. 数据预处理与统计分析跟着报告把三板斧代码跑通课程设计的核心工作量集中在数据预处理报告里 22 页至少有一半在讲我怎么把数据弄干净的。这一章按报告里的处理顺序把代码逐段过一遍。3.1 读数据与字段体检先搞清楚你手里有什么牌开箱后第一步不是急着画图而是把数据读进来做体检。几乎所有的数据分析课程设计都以一个 CSV 起步read_csv 的编码参数是最容易翻车的下面先给标准读法import pandas as pd import numpy as np # 读取原始数据如果报 UnicodeDecodeError把 encoding 改成 gbk df pd.read_csv(data/raw_data.csv, encodingutf-8) # 体检三件套规模、字段类型、数值分布 print(数据集规模:, df.shape) # (行数, 列数) print(df.info()) # 每列非空个数和数据类型 print(df.head(3).to_string()) # 前 3 行看字段长什么样 print(df.describe().round(2).to_string()) # 数值列均值、极值、分位数这段代码的每一行输出后面写报告都能直接引用。shape 返回元组 (行, 列)info() 能直接看出哪一列有缺失describe() 算出的均值和四分位数是报告里最常出现的数字比如某类商品均价为 X 元中位数为 Y 元分布右偏明显这类描述性统计就是分析报告的大盘底料。参数上重点说两个encoding 默认 utf-8但很多课程设计配套数据是 gbk 编码先用 utf-8 试报错就换 gbkto_string() 是防止 DataFrame 列数太多时打印自动省略报告截图需要完整输出。3.2 清洗三板斧缺失值、重复值、异常值报告里数据预处理章节必须写清楚我做了什么、为什么这么做所以代码和报表叙述要一一对应。清洗逻辑我惯用顺序是缺失值 → 重复值 → 异常值# 1. 缺失值先看分布再决定怎么补 miss df.isnull().sum() print(各列缺失数:\n, miss[miss 0]) # 数值列用中位数填充避免被极值带偏 df[price] df[price].fillna(df[price].median()) # 关键业务字段缺失直接删行 df df.dropna(subset[category]) # 2. 重复值全字段完全重复的整行去重 before len(df) df df.drop_duplicates() print(f去重: {before} - {len(df)}) # 3. 异常值IQR 法剔除 1.5 倍四分位距之外的值 Q1 df[amount].quantile(0.25) Q3 df[amount].quantile(0.75) IQR Q3 - Q1 df df[(df[amount] Q1 - 1.5 * IQR) (df[amount] Q3 1.5 * IQR)]fillna 用中位数而不是均值原因是均值对异常值敏感一个离谱订单就能把均价拉飞中位数更稳健这个细节答辩老师很爱问。dropna(subset[...]) 只针对业务上必须存在的字段比如分类字段缺失了后续分析没法做这种行只能删非关键字段缺失可以保留。IQR 法不依赖正态分布假设是探索性分析里的通用做法被问为什么选 1.5时可以说这是箱线图的经验默认值严格做法是结合业务场景调整——这么答反而显得你有数据敏感度。3.3 分组聚合与相关性分析报告里最值钱的那几个数字清洗完就到了分析方法章节。分组聚合是体现分析深度的位置别只输出一个 groupby 就完事要同时算合计、均值、计数报告里才好做横向对比# 分组聚合每个类别的总金额、均价、单量 grouped df.groupby(category)[amount].agg([sum, mean, count]) grouped.columns [总金额, 均价, 单量] print(grouped.round(2)) grouped.to_csv(data/grouped_result.csv, encodingutf-8-sig)# 相关性数值字段两两算 Pearson 相关系数 corr df[[price, amount, discount]].corr() print(corr.round(3)) # 找出绝对值超过 0.5 的强相关字段对 for i in corr.columns: for j in corr.columns: if i j and abs(corr.loc[i, j]) 0.5: print(f{i} vs {j}: {corr.loc[i, j]:.3f})groupby 后面接 agg一次能出多个聚合指标比链式调用多次 groupby 效率高round(2) 是为了报告引用数字时别带一长串小数。to_csv 用 utf-8-sig 编码这样用 Excel 打开不会乱码。相关性矩阵是报告分析方法章节的重头戏0.5 以上视为强相关如果相关系数不高却呈现出趋势也要如实写样本量有限相关性有待验证。课程设计不怕结论保守怕的是编造结论被当场拆穿。4. 数据分析与可视化出图让图表和报告文字对得上很多课程设计翻车不是代码跑不通是图表和文字对不上报告里写见图 4-1 可知销量逐年上升结果那张图根本看不出来。这一章专门讲怎么让图既好看、又能被报告引用。4.1 中文字体与保存参数一张能被 Word 接受的图Matplotlib 默认字体不带中文直接出图就是方块这是数据分析与可视化新手必踩的第一个坑。开跑前先统一设置全局字体import matplotlib.pyplot as plt # 设置中文字体与负号显示必须在绘图之前执行 plt.rcParams[font.sans-serif] [SimHei] # Windows 黑体 plt.rcParams[axes.unicode_minus] False # 负号正常显示 # 画一张分类别总金额柱状图 summary df.groupby(category)[amount].sum().sort_values(ascendingFalse) fig, ax plt.subplots(figsize(8, 5), dpi150) summary.plot(kindbar, axax, color#4C72B0) ax.set_title(各类别销售总额对比, fontsize14) ax.set_xlabel(类别) ax.set_ylabel(销售总额元) ax.tick_params(axisx, rotation30) plt.tight_layout() plt.savefig(report/figures/fig1_类别对比.png, dpi300, bbox_inchestight) plt.show()rcParams 是全局设置放在脚本开头一次生效。SimHei 是 Windows 自带黑体Mac 上换成 PingFang SCLinux 上用 font_manager 指定字体文件路径。figsize 控制在 8×5 英寸放进 Word 正好半页太大排版难受太小打印发虚。savefig 的 dpi300 是底线课程设计报告通常要打印存档72 dpi 的屏幕截图印出来全是锯齿。bbox_inchestight 可以避免横轴标签被裁掉这属于出图细节里最实用的一招。4.2 图号、图题、结论句一张图配三句话的固定写法报告里每张图下面都要有图号和图题这是基本格式。容易被忽略的是结论句答辩老师的提问基本集中在你这个图说明了什么。我建议每张图配三句话一层一层往深写从图 4-1 可以看出不同类别的销售总额差异明显。 其中 A 类产品总额约为 B 类的 2.3 倍占比最高。 结合均价数据判断A 类走的是平价高频路线建议后续关注其复购表现。第一句写图中呈现了什么趋势第二句写具体数字对比第三句写业务含义或建议。报告里每个图都按这个模板写答辩时把三句话背下来基本不会被问穿。这份资源的报告里图表章节大概率也是按这个逻辑组织的你可以直接沿用它的句子换数字。4.3 词云加分页一张图让报告显得有工作量如果数据里有文本字段十分钟生成一张词云放在结果与分析末尾视觉效果和工作量展示都很加分import jieba from wordcloud import WordCloud # 把文本字段切词后转成词频 text .join(df[comment].astype(str)) words .join(jieba.cut(text)) wc WordCloud( font_pathC:/Windows/Fonts/simhei.ttf, # 必须指定中文字体文件 width800, height600, background_colorwhite, max_words100 ).generate(words) wc.to_file(report/figures/fig5_评论词云.png)jieba.cut 默认全模式切词对课程设计的数据量来说速度足够。词云里高频词会形成明显的视觉中心放在报告里比一大段文字更直观。font_path 必须指向真实存在的字体文件Windows 就填上面的 SimHei 路径如果换到 Linux 环境这个路径就是全脚本唯一要改动的地方。5. 复现避坑指南编码、版本、路径与答辩的四个翻车现场这一章是我实际跑这类课程设计资源时踩过的坑汇总每条都按现象 → 原因 → 解决写碰上了直接照抄。5.1 中文乱码读数据、打印、绘图三处各踩一遍现象read_csv 报 UnicodeDecodeError或者数据读进来打印全是问号Matplotlib 出的图里中文全是空心方块。原因数据文件本身是 gbk 编码代码默认按 utf-8 解码对不上号绘图乱码则是字体缺失Matplotlib 自带字体集里没有中文字体。解决读文件时显式指定 encodinggbk或者写一个自动回退的小函数def load_csv(path): for enc in (utf-8, gbk, latin1): try: return pd.read_csv(path, encodingenc) except UnicodeDecodeError: continue raise ValueError(f无法识别文件编码: {path})这样不管原始数据是什么编码都能先读进来再说。图内中文按 4.1 的 rcParams 设置解决前提是系统里确实装了 SimHei 或对应中文字体。5.2 pandas 版本差异老教程代码在新版本直接报错现象照着报告里的代码跑报AttributeError: DataFrame object has no attribute append或者刷一堆 FutureWarning 警告。原因pandas 2.x 移除了 append 方法很多 2021 年之前的教程代码在新版本上直接跑不动另外 inplaceTrue 这类接口也在逐步废弃。解决装依赖时固定大版本用我第 2.3 节给的pandas1.5,2.0复现旧代码或者改用新写法比如pd.concat([df1, df2], ignore_indexTrue)替代 append。课程设计不比谁版本新能稳定复现才是第一位。答辩前如果换了机器先跑pip list确认 pandas 大版本这能省掉一半莫名其妙的报错。5.3 路径写死自己电脑能跑换电脑就 FileNotFoundError现象在自己笔记本上一切正常答辩前用机房电脑跑一遍报找不到 data/raw_data.csv。原因代码里写的是C:/Users/你的名字/Desktop/course_design/data/raw_data.csv这类绝对路径换目录就断。解决用相对路径以脚本所在目录为基准拼接import os BASE_DIR os.path.dirname(os.path.abspath(__file__)) DATA_PATH os.path.join(BASE_DIR, .., data, raw_data.csv) df pd.read_csv(DATA_PATH)__file__是当前脚本的完整路径dirname 取目录abspath 确保在软链接或不同启动方式下也能定位。以后整个项目文件夹拷到哪都能跑这是所有课程设计代码都应该有的自觉。5.4 报告贴代码截图不贴运行结果答辩一问就卡壳现象老师指着报告某一页问这段跑出来的结果是什么你只能尴尬地当场重新运行。原因报告里贴了大量代码截图但没贴对应的输出结果答辩人自己对关键数字也没印象。解决报告里每段核心代码后面必须跟输出表或图正文引用的数字要和输出完全一致。答辩前一晚把三个脚本从头到尾重跑一遍把几个关键数字抄在纸上记熟——被问到时直接报数字比现跑现看体面得多。这份资源本身报告完整最容易犯的错反而是抄了报告但没跑代码记住数字是你的护身符。6. 把模板改成自己的题目换数据集与答辩自查清单6.1 换一个数据集等于换一个题目最小成本改造路径这份资源自带的数据集对应某一类业务换掉数据集就等于换了题目。最省事的改造路径是三步找一份结构相近的公开数据集用 rename 把新数据的列名映射到代码里用的标准字段名重跑三个脚本根据新图重新写报告里的结论句。# 新数据列名 - 代码内标准列名 rename_map { product_name: category, sales_price: price, sales_amount: amount, discount_rate: discount } df pd.read_csv(data/new_dataset.csv, encodingutf-8) df df.rename(columnsrename_map)只改列名不改逻辑是最低成本的换题法。但换来新数据后报告里需求分析和结论与展望两个部分必须重写否则老师一眼就能看出是模板改的。这两个部分恰恰是查重和肉眼鉴别的高危区偷懒不得。6.2 答辩前强制过一遍的六个检查项检查项通过标准代码可运行清空终端输出从零重跑三个脚本无报错图号对应报告引用的每个图号都能在 figures 目录找到同名文件数字一致正文里的每个统计数字能与运行输出对上依赖完整requirements.txt 覆盖所有 import 的包路径可迁移整个项目拷贝到别的目录后仍然可运行答辩口径每张图能用三句话说清是什么、说明什么、为什么从那以后我每次拿到任何课程设计资源都会强制执行这一遍流程先在自己机器上从零复现再换数据集和结论最后对着检查表逐项过才提交。资源里的代码和报告只是起点真正让模板变成自己东西的是把每一个数字、每一张图都亲手跑出来。希望帮到你。本文还有配套的精品资源点击获取