### 如何在 Jupyter Notebook 中读取 Excel 数据集并进行分类与数据分析 #### 1. 安装必要的依赖库 为了在 Jupyter Notebook 中操作 Excel 文件，需要安装 `pandas` 和 `openpyxl` 或者 `xlrd` 库。以下是具体的安装命令： ```bash pip install pandas openpyxl xlrd ``` 如果使用的是 Anaconda 环境，则可以通过以下命令完成安装[^1]： ```bash conda install pandas openpyxl xlrd ``` --- #### 2. 加载 Excel 数据到 Pandas DataFrame 通过 `pandas` 的 `read_excel()` 方法可以从本地路径加载 Excel 文件。 ```python import pandas as pd # 假设 Excel 文件位于当前工作目录下，文件名为 'data.xlsx' df = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 指定要读取的工作表名称 print(df.head()) # 查看前五行数据 ``` 注意：如果 Excel 文件中有多个工作表，可以指定参数 `sheet_name` 来选择特定的工作表[^3]。 --- #### 3. 对数据进行初步分析 一旦数据被成功导入到 DataFrame 中，就可以对其进行基本的统计描述和探索性分析。 ```python # 显示数据的基本信息 print(df.info()) # 描述统计数据 print(df.describe()) ``` 对于分类变量，可以计算其频率分布： ```python category_column = 'Category' # 替换为实际的列名 frequency_distribution = df[category_column].value_counts() print(frequency_distribution) ``` --- #### 4. 进行数据分类 假设有一个数值型特征（如销售额），可以根据条件创建新的类别标签。 ```python def classify_sales(sales_value): if sales_value < 100: return 'Low' elif 100 <= sales_value < 500: return 'Medium' else: return 'High' df['Sales_Category'] = df['Sales'].apply(classify_sales) # 创建新列存储分类结果 print(df[['Sales', 'Sales_Category']].head()) ``` --- #### 5. 可视化分析 利用 Matplotlib 或 Seaborn 绘制图表来展示数据中的模式和趋势。 ```python import matplotlib.pyplot as plt import seaborn as sns # 设置绘图风格 sns.set(style="whitegrid") # 折线图显示时间序列变化 plt.figure(figsize=(8, 6)) sns.lineplot(data=df, x='Date', y='Value') plt.title('Time Series Analysis of Value') plt.show() # 柱状图比较不同类别的数量 plt.figure(figsize=(8, 6)) sns.countplot(x=category_column, data=df) plt.title('Frequency Distribution by Category') plt.xticks(rotation=45) plt.show() # 散点图观察两个连续变量的关系 plt.figure(figsize=(8, 6)) sns.scatterplot(data=df, x='Variable_X', y='Variable_Y', hue='Sales_Category') plt.title('Scatter Plot with Sales Categories') plt.show() ``` 以上代码片段展示了如何结合 Pandas 和 Matplotlib 实现基础的数据可视化[^2]。 --- #### 总结 Jupyter Notebook 提供了一种灵活的方式来进行交互式数据分析。通过集成 Pandas、Matplotlib 和其他第三方库，能够高效地实现从数据加载到复杂建模的过程。上述方法涵盖了从 Excel 文件中提取数据、执行简单分类以及生成直观可视化的整个流程。 ---