Python + AI：数据分析的黄金搭档入门

ChatGPT的数据分析功能适合一次性的探索分析，但当你需要定期处理数据、构建可重复的分析流程或处理超大数据集时，Python是更好的选择。好消息是，在AI辅助下，学习Python数据分析比以前容易10倍。

为什么是Python

Python之所以成为数据分析的首选语言，有三个核心原因：**pandas库**让数据处理变得直观高效；**matplotlib和seaborn**提供了强大的数据可视化能力；**AI工具对Python的支持最好**——无论是ChatGPT、Claude还是Cursor，生成Python代码的质量都是最高的。

环境搭建（10分钟）

方式一：Anaconda（推荐新手）

下载安装Anaconda，它打包了Python和所有数据分析常用的库（pandas、numpy、matplotlib、seaborn、jupyter）。安装完成后打开Jupyter Notebook，你就有了一个交互式的编程环境。

方式二：Cursor + Python

如果你已经在用Cursor，直接安装Python环境，通过Cursor的终端和AI功能来编写和运行代码。Cursor的AI会帮你处理环境配置的各种问题。

pandas入门：数据处理的核心

pandas是Python最重要的数据分析库。核心概念只有两个：**DataFrame**（数据表，类似Excel的表格）和**Series**（数据列，类似Excel的一列）。

读取数据

一行代码读取Excel文件：`import pandas as pd; df = pd.read_excel('销售数据.xlsx')`。CSV文件用`pd.read_csv()`。pandas能自动识别数据类型和处理编码问题。

查看数据

`df.head()` 看前5行，`df.info()` 看数据类型和缺失值，`df.describe()` 看统计摘要。这三个命令帮你快速了解数据的基本情况。

筛选和排序

按条件筛选：`df[df['销售额'] > 10000]`（找出销售额大于1万的行）。排序：`df.sort_values('销售额', ascending=False)`（按销售额从高到低排）。

聚合分析

`df.groupby('产品')['销售额'].sum()` — 按产品汇总销售额，一行代码搞定Excel里需要数据透视表才能做到的事情。

AI辅助学习的正确姿势

不要试图背记pandas的所有函数和语法。正确的方式是：1.描述你想做什么（比如「我想按月份汇总并计算同比增长率」）2.让AI（ChatGPT/Cursor）生成代码 3.运行代码看结果 4.如果有不懂的部分，让AI解释。

通过不断重复这个循环，你会自然而然地记住常用操作，同时不需要在入门阶段就掌握所有细节。

一个完整的分析示例

假设你想分析公司过去一年的销售数据，让AI帮你写完整的分析脚本：「用Python pandas分析sales.xlsx文件：1.按月汇总销售额并画折线图 2.按产品类别统计占比并画饼图 3.计算月环比增长率 4.找出销售额TOP10的客户 5.把结果保存为新的Excel文件」。

AI会生成一个完整的Python脚本，你运行一次就能得到所有结果。下个月只需要替换数据文件再运行一次——这就是Python相比ChatGPT在线分析的优势：**可重复性**。

掌握了Python基础数据处理后，下一章我们将学习数据可视化——让AI帮你画出专业的图表来讲述数据背后的故事。