Python 教程拆解索引 · 06：数据分析与机器学习

说明：本文基于 Day66-80/、Day81-90/ 做原创教学整理，不复写原教程内容。

系列导航：05 数据采集｜06 数据智能｜07 收官与延展

本篇对应材料：66.数据分析概述.md、70-74.Pandas的应用*.md、75-76.数据可视化*.md、81.人工智能和机器学习概述.md、82.k最近邻分类.md

定位更正：这一页不再承担“大而全的数据教程”，而只做专题入口。Pandas、kNN、可视化、回归、聚类这些都应该拆开讲。

本章细教程

• 06A：用 Pandas 做一次真正的数据清洗和统计
• 06B：用一个小例子彻底看懂 kNN 怎么分类

已经拆开的源文件

下一批应该继续拆的文件

• Day66-80/68.NumPy的应用-1.md
• Day66-80/75.数据可视化-1.md
• Day66-80/77.概率统计基础.md
• Day66-80/79.相关和回归.md
• Day81-90/83.决策树.md
• Day81-90/86.K-均值聚类.md

这部分如果只是讲“NumPy 很重要，Pandas 很重要，机器学习要理解流程”，那还是废话。

所以今天直接做一个从数据表到最小模型的实战。

今天你要做出的结果

1. 用 Pandas 读入小数据集；
2. 做一次最基本的数据清洗和统计；
3. 用 scikit-learn 训练一个最小分类模型。

Step 1：准备依赖

mkdir -p practice/day06
cd practice/day06
python -m venv .venv
source .venv/bin/activate
pip install pandas scikit-learn

Step 2：准备一个小 CSV

新建 practice/day06/sales.csv：

day,visitors,orders,is_promo
1,120,12,1
2,98,7,0
3,135,15,1
4,80,4,0
5,160,22,1
6,90,5,0

Step 3：先做分析，不要急着建模

新建 practice/day06/analyze.py：

import pandas as pd


df = pd.read_csv("sales.csv")
df["conversion_rate"] = df["orders"] / df["visitors"]

print("原始数据:")
print(df)
print()

print("平均访客数:", df["visitors"].mean())
print("平均下单数:", df["orders"].mean())
print("平均转化率:", round(df["conversion_rate"].mean(), 4))
print()

print("按活动分组后的平均下单数:")
print(df.groupby("is_promo")["orders"].mean())

运行：

python analyze.py

这一步就是 Day66-80 的核心：先看懂数据，再谈模型。

Step 4：再做一个最小分类任务

现在把问题改成：根据访客数和是否活动，判断“订单是否高于 10”。

新建 practice/day06/model_demo.py：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier


df = pd.read_csv("sales.csv")
df["target"] = (df["orders"] > 10).astype(int)

X = df[["visitors", "is_promo"]]
y = df["target"]

model = DecisionTreeClassifier(max_depth=2, random_state=42)
model.fit(X, y)

sample = [[110, 0], [150, 1]]
pred = model.predict(sample)

print("预测结果:", pred.tolist())

运行：

python model_demo.py

你现在就完成了一条最小闭环：

1. 读数据；
2. 造特征；
3. 定义目标；
4. 训练模型；
5. 预测新样本。

为什么这一步比空讲算法有用

因为大多数人卡住的地方根本不是“什么是决策树”，而是：

• 数据怎么读进来；
• 目标列怎么定义；
• 特征列怎么选；
• 预测时输入长什么样。

只要这几步你亲手走过一次，后面看 kNN、SVM、回归、KMeans 才会有抓手。

继续往前，你可以怎么练

往分析侧走

• 给 sales.csv 增加缺失值；
• 练习清洗；
• 练习分组统计和透视；
• 补图表。

往机器学习侧走

• 把决策树换成 KNeighborsClassifier；
• 把分类目标改成回归目标；
• 增加训练集 / 测试集拆分。

本篇练习

1. 新增一列 avg_order_value，自己编一点数据。
2. 尝试用 train_test_split 划分训练集和测试集。
3. 把模型换成 kNN，观察输出变化。

常见坑

• 坑 1：刚开始就想上深度学习。 数据分析地基没打稳，很快会虚。
• 坑 2：只会调库，不知道目标列是什么。 这时模型训练几乎没有意义。
• 坑 3：连分析和建模的边界都没分清。 先理解，再建模。

上一篇：Python 教程拆解 · 05：网络数据采集
下一篇：Python 教程拆解 · 07：项目交付、工具链与表达