Python for Data Analysis: Getting Started in 30 Minutes — csv-x.com

Die Tabelle, die mich beinahe meinen Job gekostet hat

Ich erinnere mich noch gut an den Morgen, als mein Vorgesetzter in mein Büro kam, mit einem ausgedruckten Excel-Dokument mit 47 Reitern. „Sarah“, sagte sie, ihre Stimme war angespannt vor Frustration, „wir brauchen die Q3-Analyse bis mittags. Die Vorstandssitzung beginnt um 13 Uhr.“ Es war 9:47 Uhr. Ich hatte zwei Stunden und dreizehn Minuten Zeit, um 180.000 Zeilen von Kundentransaktionsdaten zu analysieren, Trends zu identifizieren, Kennzahlen zur Kundenbindung zu berechnen und Visualisierungen zu erstellen, die eine Budgetentscheidung über 2,3 Millionen Dollar beeinflussen würden.

Das war vor sieben Jahren, als ich Junior Analystin in einem mittelständischen E-Commerce-Unternehmen war. Ich verbrachte die nächsten 90 Minuten mit Klicken, Ziehen und Beten, dass meine Pivot-Tabellen nicht abstürzen würden. Ich schaffte die Frist mit vier Minuten übrig. Die Präsentation lief gut, aber ich wusste, dass ich Glück gehabt hatte. An diesem Abend lud ich Python zum ersten Mal herunter.

Heute, als Senior Data Analyst, der über 50 Millionen Zeilen Daten in den Bereichen Einzelhandel, Gesundheitswesen und Finanzen verarbeitet hat, kann ich dieselbe Analyse in unter 15 Minuten und mit viel größerer Genauigkeit durchführen. Python hat nicht nur meinen Arbeitsablauf, sondern meine gesamte Karriere verändert. Mein Gehalt stieg in drei Jahren um 64 %. Ich ging von der Angst vor datengestützten Anfragen am Montagmorgen zu einer echten Freude an der Detektivarbeit, Erkenntnisse in Zahlen zu finden.

Der beste Teil? Sie benötigen kein Informatikstudium oder monatelange Schulungen. In den nächsten 30 Minuten werde ich Ihnen genau zeigen, wie Sie beginnen können, echte Daten mit Python zu analysieren. Keine Theorie. Keine abstrakten Konzepte. Tatsächliche, praktische Fähigkeiten, die Sie morgen früh nutzen können, wenn Sie die CSV-Datei öffnen, die Ihnen Ihr Chef gerade per E-Mail geschickt hat.

Warum Python Excel bei der Datenanalyse übertrifft (und wann nicht)

Seien wir ehrlich: Excel wird nicht verschwinden, und das sollte es auch nicht. Ich benutze es fast täglich für schnelle Überprüfungen, einfache Berechnungen und um Ergebnisse mit nicht-technischen Stakeholdern zu teilen. Aber hier ist, was ich nach sieben Jahren der Datenanalyse auf beiden Wegen gelernt habe: Excel ist ein Sportwagen, und Python ist ein Güterzug. Der Sportwagen ist perfekt für schnelle Fahrten in der Stadt. Der Güterzug ist das, was Sie brauchen, wenn Sie ernsthafte Fracht bewegen.

„Der Unterschied zwischen einem Junior Analysten und einem Senior Analysten ist nicht die Intelligenz—es ist die Fähigkeit, 100.000 Zeilen in 15 Minuten anstatt in 3 Stunden zu verarbeiten.“

Python bewältigt Volumen, das Excel zum Weinen bringt. Ich habe einmal versucht, eine 2,1 GB große CSV-Datei in Excel zu öffnen. Es dauerte elf Minuten, bis sie geladen war, und stürzte ab, als ich versuchte, eine berechnete Spalte hinzuzufügen. In Python, unter Verwendung der Pandas-Bibliothek, lud ich dieselbe Datei in 23 Sekunden und führte komplexe Aggregationen in weiteren 8 Sekunden durch. Das ist keine Übertreibung—ich habe die Zeit gestoppt, weil ich den Unterschied nicht glauben konnte.

Reproduzierbarkeit ist der Bereich, in dem Python wirklich glänzt. Jede Analyse, die ich in Python durchführe, ist im Code dokumentiert. Wenn mein Vorgesetzter fragt, „Wie haben Sie den Kundenlebensdauerwert für das Premium-Segment berechnet?“, muss ich mich nicht daran erinnern, welche Zellen ich vor drei Wochen angeklickt oder welche Filter ich angewendet habe. Ich öffne mein Python-Skript, und jeder einzelne Schritt ist dort, klar geschrieben, bereit zur Überprüfung oder erneuten Ausführung mit aktualisierten Daten. Dies hat mich mindestens ein Dutzend Mal vor Fehlern bewahrt.

Python skalierbar mit Ihrem Ehrgeiz. Beginnen Sie heute mit grundlegender CSV-Analyse. Nächsten Monat verbinden Sie sich direkt mit der Datenbank Ihres Unternehmens. In sechs Monaten erstellen Sie automatisierte Berichte, die jeden Morgen ausgeführt werden, bevor Sie zur Arbeit kommen. In einem Jahr implementieren Sie maschinelle Lernmodelle, die die Kundenabwanderung vorhersagen. Die gleichen grundlegenden Fähigkeiten gelten für all diese Aufgaben. Excel hingegen stößt ziemlich schnell an eine Grenze.

Aber hier ist, wann ich immer noch Excel wähle: schnelle Einzelprüfungen (ist diese Zahl vernünftig?), Ergebnisse mit Führungskräften teilen, die „die Tabelle sehen“ möchten, und die Zusammenarbeit mit Teammitgliedern, die nicht technisch sind. Python erfordert, dass jeder Python installiert hat und grundlegende Programmierkonzepte versteht. Excel ist universell. Kennen Sie Ihr Publikum und wählen Sie entsprechend.

Einrichten Ihrer Python-Umgebung in 10 Minuten

Die größte Hürde, um mit Python zu beginnen, ist nicht das Erlernen der Sprache—es ist die Installation und Konfiguration von allem. Ich habe Kollegen gesehen, die aufgegeben haben, bevor sie eine einzige Zeile Code geschrieben haben, weil sie sich in den Installationsanleitungen verloren haben. Lassen Sie mich Ihnen den unkomplizierten Weg zeigen, den ich mir gewünscht hätte, dass mir jemand gegeben hätte.

Laden Sie Anaconda herunter. Nicht Python selbst, nicht pip, nicht virtuelle Umgebungen—nur Anaconda. Gehen Sie zu anaconda.com, laden Sie den Installer für Ihr Betriebssystem herunter und führen Sie ihn aus. Anaconda ist eine Distribution, die Python sowie alle Datenanalyse-Bibliotheken enthält, die Sie benötigen, vorkonfiguriert und einsatzbereit. Es sind etwa 500 MB, sodass der Download je nach Internetgeschwindigkeit 3-8 Minuten in Anspruch nimmt.

Akzeptieren Sie während der Installation alle Standardoptionen. Passen Sie nichts an. Ich habe gesehen, dass Menschen Stunden damit verbracht haben, Probleme zu beheben, die durch das Ändern von Installationspfaden oder Umgebungsvariablen verursacht wurden. Die Standardeinstellungen funktionieren perfekt. Unter Windows wird der Installer fragen, ob Sie Anaconda zu Ihrem PATH hinzufügen möchten—sagen Sie ja. Dies erleichtert das Ausführen von Python von überall auf Ihrem Computer erheblich.

Sobald installiert, öffnen Sie den Anaconda Navigator. Sie sehen mehrere Anwendungen. Klicken Sie auf „Starten“ unter Jupyter Notebook. Ein Browserfenster öffnet sich, das Ihr Dateisystem zeigt. Dies ist Ihr Arbeitsbereich. Navigieren Sie zu einem Ordner, in dem Sie Ihre Analyseprojekte aufbewahren möchten—ich benutze einen Ordner namens „data_projects“ in meinen Dokumenten—und klicken Sie auf „Neu“ und dann „Python 3“ in der oberen rechten Ecke.

Herzlichen Glückwunsch. Sie sehen jetzt ein Jupyter-Notebook, in dem Sie Ihren Python-Code schreiben und ausführen werden. Denken Sie daran als ein intelligentes Dokument, das Code, Ergebnisse und Notizen an einem Ort kombiniert. Geben Sie dies in die erste Zelle ein: print("Hallo, Datenwelt!") und drücken Sie Shift+Enter. Wenn „Hallo, Datenwelt!“ unter der Zelle erscheint, funktioniert Ihre Umgebung einwandfrei.

Dieser gesamte Prozess—Download, Installation, Start, Test—sollte etwa 10 Minuten in Anspruch nehmen. Ich habe es auf mindestens 30 verschiedenen Computern während der Schulung von Kollegen durchgeführt, und es ist bemerkenswert konsistent. Das einzige häufige Problem ist Antivirensoftware, die die Installation blockiert, was Sie normalerweise lösen können, indem Sie sie während des Installationsprozesses vorübergehend deaktivieren.

Ihre erste Datenanalyse: Laden und Erkunden einer CSV-Datei

Lassen Sie uns echte Daten analysieren. Ich werde einen Verkaufsdatensatz als Beispiel verwenden, aber dieselben Techniken funktionieren für jede CSV-Datei—Kundendaten, Umfrageantworten, finanzielle Transaktionen, Webanalysen, was auch immer Sie verwenden. Die Muster sind universell.

„Excel ist ein Taschenrechner, der zu einer Datenbank herangewachsen ist. Python ist eine Programmiersprache, die gelernt hat, mit Daten zu sprechen. Wissen Sie, welches Werkzeug zu Ihrer Problemgröße passt.“

Zuerst benötigen Sie Daten. Wenn Sie keine CSV-Datei zur Hand haben, erstellen Sie eine einfache in Excel mit Spalten wie Datum, Produkt, Menge und Umsatz. Speichern Sie sie als „sales_data.csv“ im selben Ordner, in dem sich Ihr Jupyter-Notebook befindet. Oder laden Sie einen Beispieldatensatz von kaggle.com herunter—sie haben Tausende von kostenlosen Datensätzen, die perfekt zum Üben sind.

In Ihrem Jupyter-Notebook beginnen Sie, indem Sie pandas importieren, die Bibliothek, die die Datenanalyse in Python unglaublich leistungsstark macht. Geben Sie dies in eine neue Zelle ein:

import pandas as pd

Drücken Sie Shift+Enter, um es auszuführen. Nichts Sichtbares passiert, aber Sie haben gerade eine Bibliothek geladen, die Hunderte von Funktionen zur Arbeit mit Daten enthält. Der Teil „as pd“ ist eine Abkürzung—anstatt jedes Mal „pandas“ zu tippen, können Sie einfach „pd“ eingeben. Es ist eine Konvention, die praktisch jeder Python-Datenanalyst befolgt.

Laden Sie jetzt Ihre CSV-Datei:

df = pd.read_csv('sales_data.csv')

Das war's. Eine Zeile Code, und Ihr gesamter Datensatz ist jetzt in einer Variablen namens „df“ geladen (kurz für DataFrame, was pandas eine Tabelle von Daten nennt). Als ich das zum ersten Mal sah, nachdem ich jahrelang geklickt hatte,