一、项目要回答的三个问题

一家公司既有网站也有 App，用户注册了就算进来。老板只有三个问题： 用户在不在增长、增长主要来自哪一年、新用户从哪个渠道来。 问题都不难，难的是数据在一个 MySQL 库里，不在手边。

这是真实项目和课本例题最大的差别：数据得先去取，取数是半个项目。

二、四步流程

四步顺序不能乱。数据没洗干净就统计，出来的数不能用。 这个顺序其实对应本书前八章：先会 pandas，再学取数，最后才是分析。 把流程写下来再动手，比直接开 Notebook 一行行试要快得多。

三、表结构只有五个字段

五个字段，三百条记录，时间跨度 2021 到 2025。 reg_time 是全表的核心。年度、月度、季节分析全靠它一个字段。 它格式一错，后面所有分组都会错，而且错得很隐蔽——统计照样跑得出来。

四、要装什么，本沙箱差在哪

课本要三样：MySQL 服务端（装软件、建库）、pymysql 驱动（pip 装）、pandas。 本沙箱没有 MySQL 服务，也没有 pymysql，这一整套装不了。

pip install pymysql

分析部分全部改用 sqlite3 真跑。SQL 语句基本一样，差异每节都会点出来。 sqlite3 是 Python 自带的，不用装。它的定位是「单文件数据库」，练手正好。

五、动手 Demo：项目概述、效果与准备

这一节不写分析，先把流程、表结构、环境三件事交代清楚。 教材的 pymysql 连接代码原样列出，标注「本沙箱不执行」。

import sqlite3

print("流程四步：连库取数 → 查洗干净 → 分组统计 → 写结论")
print("表结构：user_id / user_name / reg_time / channel / city")

# 教材里这一步是 pymysql.connect(...)，本沙箱没有 MySQL，跳过
conn = sqlite3.connect(":memory:")
conn.execute("create table users(user_id integer primary key, "
             "user_name text, reg_time text, channel text, city text)")
conn.execute("insert into users values (1, '用户001', "
             "'2025-03-14 09:20:00', '搜索引擎', '北京')")
print("连接可用：%s" % conn.execute("select count(*) from users").fetchone()[0])
conn.close()

实跑输出：

--------------------------------------------------------------------
项目概述、效果与准备
--------------------------------------------------------------------

  ① 这个项目要回答什么
  --------------------------------------------------------------------
  一家公司有网站也有 App，用户注册了就算进来。老板想知道三件事：
  用户是不是在增长、增长主要来自哪一年、新用户从哪个渠道来。
  问题听起来简单，但数据在一个 MySQL 库里，得先把它搬出来。
  ! 真实项目和课本例题最大的差别就在这一步：数据不在手边，得先去取。

  ② 整条流程四步
  --------------------------------------------------------------------

| 步骤 | 做什么 | 用哪个工具 |
|---|---|---|
| 一 | 连数据库、把数据读进来 | pymysql + pandas |
| 二 | 检查数据干不干净 | pandas |
| 三 | 按年、按月统计 | pandas 的 groupby |
| 四 | 画图、写结论 | matplotlib |

  四步的顺序不能乱。数据没洗干净就统计，出来的数不能用。
  这也是本书前八章的顺序：先会用 pandas，再学 SQL 取数，最后才是分析。

  ③ 表结构长什么样
  --------------------------------------------------------------------

| 字段 | 类型 | 含义 |
|---|---|---|
| user_id | int | 用户编号，主键 |
| user_name | varchar(20) | 用户名 |
| reg_time | datetime | 注册时间 |
| channel | varchar(20) | 注册渠道 |
| city | varchar(20) | 所在城市 |

  五个字段，300 条记录，时间跨度 2021 到 2025。
  ! 注册时间是整张表的核心。年度分析、月度分析全靠它，格式错了全盘皆输。

  ④ 要装什么
  --------------------------------------------------------------------
  课本要装 MySQL 服务端、建库、再用 pip 装 pymysql 驱动。
  本沙箱没有 MySQL 服务，也没有 pymysql，这一整套装不了。

  [平台原样 · 本沙箱不执行]
  | pip install pymysql
  装驱动；服务端要另装 MySQL

  下面的分析全部用 sqlite3 真跑，SQL 语句基本一样，差异会在每节点出来。
  ! sqlite3 是 python 自带的，不用装。它的定位是「单文件数据库」，正好拿来练手。

sqlite3.connect(":memory:") 是内存库，程序结束就没了，适合试手。 真项目里这一步是 pymysql.connect(host=..., user=..., password=...)。 沙箱跑不了 MySQL，但「连接、执行、取结果」这三件事的道理完全一样。

30 秒实验

1. 把表结构里的字段删掉一个（比如 city），想一想前面的分析会受什么影响。
2. 想一想：如果 reg_time 里混进了 2025/03/14 这种斜杠格式，会发生什么？
3. 列出你自己手上任何一张表，写出它的字段和「哪个字段是核心」。

常见误区

1. 一上手就写分析代码：数据没取到、没洗干净，代码再漂亮也是空转。
2. 以为连库很难：真的只有一行，难的是知道库在哪、账号密码对不对。
3. 不看表结构直接 select：字段名拼错，报错信息还以为是库连不上。
4. 忽略字符集：连接串不写 utf8mb4，中文全变问号。

流程清楚了，下一篇动手：把库建起来、数据读进来，顺手把两种 SQL 的差异摊开。

• ☐ （本篇完，下一篇 9.2 导入 MySQL 数据）

相关笔记

• 导入 MySQL 数据
• 数据准备与检测
• 导入 Excel：从表里把数读进来
• 📊 Python 数据分析 · 索引