前面我介绍了可视化的一些方法以及机器学习在预测方面的应用，分为分类问题（预测值是离散型）和回归问题（预测值是连续型）。同时做了关于图像识别的系列文章，让读者理解python进行图像识别的过程、原理和方法（具体见之前的文章）。
本期我将继续做关于数据分析类实战的系列文章，列举一些在平时数据处理中经常遇到的一些小问题，提供一个解决方案，让读者慢慢理解python数据分析的原理和方法，每一篇文章从实现功能、实现代码、实现效果三个方面进行展示。
实现功能：
实现将一维列表和二维列表保存到本地excel文件。
实现代码：
import pandasas pd
def deal_1():
# 列表
company_name_list = ['腾讯', '阿里巴巴', '字节跳动', '腾讯']
# list转dataframe
df = pd.DataFrame(company_name_list, columns=['company_name'])
# 保存到本地excel
df.to_excel("D:\数据杂坛\素材\\0109\company_name_li_1.xlsx", index=False)
def deal_2():
# 二维list
company_name_list = [['腾讯', '北京'], ['阿里巴巴', '杭州'], ['字节跳动', '北京']]
# list转dataframe
df = pd.DataFrame(company_name_list, columns=['company_name', 'local'])
# 保存到本地excel
df.to_excel("D:\数据杂坛\素材\\0109\company_name_li_2.xlsx", index=False)
if __name__ =='__main__':
deal_1()
deal_2()
实现效果：
本人读研期间发表5篇SCI数据挖掘相关论文，现在在某研究院从事数据挖掘相关工作，对数据挖掘有一定的认知和理解，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例。
致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。
关注V订阅号：数据杂坛可在后台联系我获取相关数据集和源码，送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。
