档案大数据分析实操培训全指南 从环境部署到可视化落地全步骤

前置环境搭建（10分钟完成）

本次培训采用Python技术栈，零编程基础也可直接上手，所有安装资源和命令直接复制使用即可：

• Windows系统：点击链接直接下载安装包 https://www.python.org/ftp/python/3.9.13/python-3.9.13-amd64.exe，安装时必须勾选「Add Python to PATH」选项
• Mac系统：打开终端输入命令 brew install python@3.9 回车执行
• Linux系统：打开终端输入命令 sudo apt install python3.9 回车执行

安装完成后打开终端输入 python --version，返回「Python 3.9.13」即为安装成功，继续输入以下命令安装依赖库：

pip install pandas numpy pyecharts openpyxl

代码运行方法：把后续所有代码复制到记事本，保存为后缀为.py的文件（比如档案分析.py），打开终端进入文件所在目录，输入 python 档案分析.py 即可运行

第一步：档案原始数据清洗标准化

1.1 原始数据格式要求

首先把所有待分析的档案数据统一整理为CSV格式，必填字段必须完全遵循以下命名：档案编号、人员姓名、归档日期、档案类别、存储位置、借阅状态、有效期，非必填字段可自行保留，不会影响代码运行。

1.2 一键清洗代码（可直接复制）

import pandas as pd
读取原始数据，替换为你自己的文件路径
df = pd.read_csv("原始档案数据.csv", dtype={"档案编号": str})
1. 去重：按档案编号去重，保留最新一条
df = df.drop_duplicates(subset="档案编号", keep="last")
2. 缺失值处理：归档日期、档案类别为空的直接删除，其余字段填充为「未填写」
df = df.dropna(subset=["归档日期", "档案类别"])
df = df.fillna("未填写")
3. 日期标准化：统一转为YYYY-MM-DD格式
df["归档日期"] = pd.to_datetime(df["归档日期"]).dt.strftime("%Y-%m-%d")
4. 导出清洗后数据
df.to_csv("清洗后档案数据.csv", index=False, encoding="utf-8-sig")

操作注意：把代码里的「原始档案数据.csv」替换为你本地的实际文件路径，运行后会在同目录生成清洗后的数据文件，可直接用Excel打开核验

第二步：核心维度大数据分析

以下是档案管理场景最常用的3类分析维度，代码可直接复制追加到上述清洗代码后面即可运行：

• 

  分析1：各档案类别存量统计

   档案类别存量统计
  category_count = df["档案类别"].value_counts().reset_index()
  category_count.columns = ["档案类别", "存量"]
  category_count.to_csv("档案类别存量统计.csv", index=False, encoding="utf-8-sig")
  

• 分析2：近3年归档量趋势统计

   提取归档年份
  df["归档年份"] = pd.to_datetime(df["归档日期"]).dt.year
  筛选近3年数据
  recent_3year = df[df["归档年份"] >= (pd.Timestamp.now().year - 2)]
  year_count = recent_3year["归档年份"].value_counts().sort_index().reset_index()
  year_count.columns = ["归档年份", "归档量"]
  year_count.to_csv("近3年归档量统计.csv", index=False, encoding="utf-8-sig")
  

• 分析3：借阅状态占比统计

  borrow_count = df["借阅状态"].value_counts().reset_index()
  borrow_count.columns = ["借阅状态", "数量"]
  borrow_count.to_csv("借阅状态统计.csv", index=False, encoding="utf-8-sig")
  

所有代码运行后都会在当前目录生成对应的统计CSV文件，可直接导入培训课件或者分析报告使用

第三步：可视化输出（一键生成分析报表）

以下代码可直接生成交互式可视化图表，追加到上述分析代码后面运行即可：

from pyecharts.charts import Bar, Pie, Line
from pyecharts import options as opts
1. 生成档案类别柱状图
bar = Bar()
bar.add_xaxis(category_count["档案类别"].tolist())
bar.add_yaxis("存量", category_count["存量"].tolist())
bar.set_global_opts(title_opts=opts.TitleOpts(title="档案类别存量统计"))
bar.render("档案类别存量柱状图.html")
2. 生成借阅状态饼图
pie = Pie()
pie.add("", list(zip(borrow_count["借阅状态"].tolist(), borrow_count["数量"].tolist())))
pie.set_global_opts(title_opts=opts.TitleOpts(title="借阅状态占比"))
pie.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)"))
pie.render("借阅状态占比饼图.html")
3. 生成近3年归档量折线图
line = Line()
line.add_xaxis(year_count["归档年份"].astype(str).tolist())
line.add_yaxis("归档量", year_count["归档量"].tolist())
line.set_global_opts(title_opts=opts.TitleOpts(title="近3年归档量趋势"))
line.render("近3年归档量折线图.html")

运行后会生成3个HTML文件，用Chrome、Edge等主流浏览器双击即可打开查看交互式图表，可直接截图插入汇报材料

常见问题排查（避免卡壳）

• 运行pip命令提示「不是内部或外部命令」：重新运行Python安装包，勾选「Add Python to PATH」后点击修复安装即可
• 读取文件报错「FileNotFoundError」：检查代码里的文件路径是否正确，建议把原始数据文件和代码放在同一个文件夹，直接写文件名即可
• 日期格式化报错：检查原始数据里的归档日期是否有非日期格式的内容，手动修改为YYYY/MM/DD或者YYYY-MM-DD格式后再运行代码
• 生成的HTML文件打开空白：不要用IE浏览器打开，切换为Chrome、Edge等主流浏览器即可正常显示

培训实操考核标准

• 完成1万条以上档案数据的清洗，去重、缺失值处理准确率100%
• 完成3个核心维度的统计分析，输出的统计表格数据无错误
• 生成3个可视化图表，数据和统计结果完全一致，可正常打开查看