Python 核心应用实战：数据分析与自动化脚本开发指南

三、数据可视化

Matplotlib 和 Seaborn 是 Python 中用于生成静态图表的标准库。良好的可视化能帮助发现数据背后的规律。

3.1 基础折线图

展示时间序列数据的趋势变化。

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['sales'], marker='o')
plt.title('Monthly Sales Trend')
plt.xlabel('Date')
plt.ylabel('Sales Amount')
plt.grid(True)
plt.show()

3.2 柱状图与饼图

适用于分类数据的对比分析。

# 柱状图
categories = df['category'].unique()
sales_by_cat = df.groupby('category')['sales'].sum()
plt.bar(categories, sales_by_cat)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# 饼图
plt.pie(sales_by_cat, labels=categories, autopct='%1.1f%%')
plt.axis('equal')
plt.show()

四、网络数据采集

Requests 库简化了 HTTP 请求，配合 BeautifulSoup 可解析 HTML 内容。注意：爬虫应遵守 robots.txt 协议，仅抓取公开数据，严禁侵犯版权或绕过付费墙。

4.1 发送请求

获取网页源代码。

import requests
from bs4 import BeautifulSoup

url = 'https://example.com/news'
headers = {'User-Agent': 'Mozilla/5.0'}
response = requests.get(url, headers=headers)
html = response.text

4.2 解析内容

提取标题、链接等关键信息。

soup = BeautifulSoup(html, 'html.parser')
articles = soup.find_all('article')

for article in articles:
    title = article.find('h2').text
    link = article.find('a')['href']
    print(f"Title: {title}, Link: {link}")

4.3 反爬策略应对

设置请求头、添加延时、使用代理池等策略提高稳定性。

import time
import random

time.sleep(random.uniform(1, 3))

五、办公自动化

OpenPyXL 库允许直接操作 Excel 文件，无需依赖 Office 软件，适合批量处理报表任务。

5.1 读写 Excel

创建新文件或修改现有文件。

from openpyxl import Workbook, load_workbook

# 新建工作簿
wb = Workbook()
ws = wb.active
ws.title = "Data Sheet"

# 写入数据
ws['A1'] = 'ID'
ws['B1'] = 'Name'
ws['C1'] = 'Value'
ws.append([1, 'Item A', 100])

# 保存文件
wb.save('output.xlsx')

5.2 定时任务调度

Schedule 库可用于执行周期性脚本，如每日备份数据。

import schedule
import time

def job():
    print("Running scheduled task...")

schedule.every().day.at("10:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

六、总结与建议

Python 的强大之处在于其丰富的第三方库和活跃的社区支持。从数据处理到自动化办公，它覆盖了现代技术工作的多个关键环节。

6.1 学习路径建议

1. 基础语法：掌握变量、循环、函数及面向对象编程。
2. 核心库：精通 Pandas、NumPy、Requests 等标准工具。
3. 项目实践：参与开源项目或完成个人小工具开发。
4. 持续更新：关注 PEP 规范及库的最新版本动态。

6.2 职业竞争力

掌握 Python 自动化技能不仅能提升工作效率，还能在数据分析、后端开发及运维领域增加职业筹码。建议结合具体业务场景，将脚本集成到 CI/CD 流程或企业系统中，实现真正的价值转化。

通过本文的学习，读者应能理解 Python 在技术栈中的定位，并具备独立开发实用脚本的能力。技术之路无止境，保持好奇心与实践精神是持续进步的关键。