AI数据分析学习路线：用Python和Pandas跑通第一份数据报告

学习AI数据分析，最直接的第一步不是研究算法，而是用Python把一份真实表格完整处理一遍：读进来、洗干净、算出指标、导出结果。
这条路线适合零基础、想转数据分析或需要处理业务报表的读者。
下面以一份销售明细CSV为例，在本地Windows或Linux环境跑通整个流程。

先搭一个能跑代码的环境

准备条件：安装Python 3.10或以上版本，以及Jupyter Notebook。
不需要GPU，普通办公电脑即可。

Windows用户从python.org下载安装包，安装时勾选 Add Python to PATH。
Linux用户可用系统包管理器安装：

# Ubuntu/Debian 示例
sudo apt update
sudo apt install python3 python3-pip python3-venv -y

创建并激活虚拟环境，避免污染系统Python：

python3 -m venv dataenv
source dataenv/bin/activate   # Windows 用 dataenv\Scripts\activate
pip install pandas jupyter openpyxl

验证安装：

python -c "import pandas; print(pandas.__version__)"

能输出版本号即表示环境就绪。
接着启动Jupyter：

jupyter notebook

浏览器打开后新建一个Notebook，后续代码都在单元格中运行。

读取数据并完成清洗

准备一份销售明细CSV，至少包含订单日期、商品名称、数量、单价、地区几个字段。
用Pandas读取并查看基本情况：

import pandas as pd

df = pd.read_csv("sales.csv", encoding="utf-8")
print(df.shape)
print(df.head())
print(df.info())

如果出现 UnicodeDecodeError，说明文件编码不是UTF-8，可改用 encoding="gbk" 重试。
若列名出现乱码，同样先检查编码。

清洗分四步：

1. 统一列名，去掉空格：df.columns = df.columns.str.strip()
2. 删除完全重复的行：df = df.drop_duplicates()
3. 处理缺失值：数值列用均值填充或删除，df = df.dropna(subset=["数量", "单价"])
4. 转换类型：df["订单日期"] = pd.to_datetime(df["订单日期"], errors="coerce")，再用 df["订单日期"].isna().sum() 检查转换失败的行数。

清洗后重新查看 df.info()，确认数值列是数字类型、日期列是datetime类型，而不是object字符串。

计算核心指标并导出报告

先新增销售额列，再按地区和月份汇总：

df["销售额"] = df["数量"] * df["单价"]
df["月份"] = df["订单日期"].dt.to_period("M")

region_summary = df.groupby("地区", as_index=False)["销售额"].sum()
month_summary = df.groupby("月份", as_index=False)["销售额"].sum()

print(region_summary.sort_values("销售额", ascending=False))
print(month_summary)

把结果导出为Excel，方便交给业务方查看：

with pd.ExcelWriter("report.xlsx") as writer:
    region_summary.to_excel(writer, sheet_name="地区汇总", index=False)
    month_summary.to_excel(writer, sheet_name="月度趋势", index=False)

运行后当前目录会出现 report.xlsx，打开确认两个工作表都有数据且金额合计与原始销售额一致。

容易踩的坑和排查方式

• 金额算出来是0或异常大：检查数量和单价列是否被读成字符串，用 df.dtypes 查看，必要时用 pd.to_numeric(df["单价"], errors="coerce") 转换。
• 日期分组报错：dt.to_period 只能用于datetime类型，先确认 pd.to_datetime 转换成功。
• Jupyter里改了代码但结果没变：确认单元格按顺序执行，或使用菜单 Kernel > Restart & Run All 重新运行。
• 中文列名在导出后乱码：Excel本身对UTF-8支持正常，若使用CSV导出可加 encoding="utf-8-sig"。

怎样判断这一轮学习有效

完成以上步骤后，用三个标准自查：原始行数与清洗后行数差异能解释；
地区销售额合计等于总销售额；
导出的Excel能被Excel或WPS正常打开。
如果能独立重复一遍并修改分组字段（比如按商品名称汇总），说明已经掌握了AI数据分析中最常用的Pandas操作。

后续可以在此基础上加入简单可视化（Matplotlib）或把处理脚本写成可复用的函数，但不必一开始就追求复杂模型。
先把这条数据清洗到报告输出的链路跑稳，再扩展学习范围。