项目简介：针对日常零散Excel、CSV业务数据杂乱、统计低效、人工出错率高的问题，使用Python搭建自动化数据处理脚本，实现数据清洗、批量整理、统计分析与可视化输出，提升数据处理效率。
技术栈：Python、Pandas、Numpy、Matplotlib、文件读写、异常处理
主要职责：
1. 利用 Pandas 完成原始数据读取、去重、缺失值填充、异常数据筛选，统一数据格式，完成大批量数据清洗工作；
2. 根据业务需求编写统计逻辑，完成数据分类、分组聚合、指标计算，自动生成统计结果表格；
3. 使用 Matplotlib 绘制柱状图、折线图，直观展示数据趋势与分布，生成可视化分析图表；
4. 封装脚本函数，添加异常捕获与日志输出，解决程序报错崩溃问题，提升脚本稳定性与复用性。
项目成果：替代人工重复整理统计工作，将原本数小时的数据处理工作缩短至十分钟内完成，大幅降低人工失误率，提升办公与数据复盘效率。
项目二：基于Python的网络数据爬虫采集项目
项目简介：为获取公开网络结构化数据，搭建轻量化爬虫程序，实现目标网站公开信息的批量采集、解析、去重与本地存储，为数据分析提供数据支撑。
技术栈：Python、Requests、BeautifulSoup、正则表达式、CSV文件存储
主要职责：
1. 分析网页请求逻辑，通过 Requests 发送网络请求，获取网页源码数据；
2. 利用 BeautifulSoup 结合正则表达式精准解析页面标签，提取所需文本、数值等核心字段；
3. 完成数据去重、空值过滤，将清洗后的结构化数据批量写入CSV文件，方便后续调用分析；
4. 添加请求延时、异常重试机制，规避高频请求风险，保障爬虫稳定运行。
项目成果：实现公开数据自动化批量采集，高效获取结构化数据，解决手动复制整理效率低下的问题，为后续数据分析、竞品调研提供充足的数据基础。