数据分析的基本过程分为五个部分：提出问题、理解数据、数据清洗、构建模型、数据可视化。下面我以前四部分为基础，对一个销售数据进行分析。

1 提出问题

分析目标：根据以下三个业务指标分析医院的销售情况：月均消费次数、月均消费金额、客单价。

首先导入数据分析包和数据文件

import pandas as pd

fileNameStr='./朝阳医院2018年销售数据.xlsx'

xls=pd.ExcelFile(fileNameStr,dtype='object')

salesDf=xls.parse('Sheet1',dtype='object')

2 理解数据

描述数据，基本了解数据情况。

在这里，我们要了解，需要哪些指标和如何达成分析的目标。

1.月均消费次数=一年的消费次数/月份

一年的消费次数=有消费记录数据的总和(同一个人在一天内只计一次消费)

2.月均消费金额=总实收金额/月份

3.客单价=总消费金额/总消费次数

3 数据清洗

1 列表重命名

colNameDict={'购药时间':'销售时间'}

salesDf.rename(columns=colNameDict,inplace=True)

salesDf.head()

2 缺失数据处理

3 数据类型转换

3.1 字符串转换为数值

salesDf['销售数量']=salesDf['销售数量'].astype('float')

salesDf['应收金额']=salesDf['应收金额'].astype('float')

salesDf['实收金额']=salesDf['实收金额'].astype('float')

salesDf.dtypes

3.2 字符串转换为日期类型

定义函数

def splitSaletime(timeColSer):

timeList=[]

for value in timeColSer:

dateStr=value.split(' ')[0]

timeList.append(dateStr)

timeSer=pd.Series(timeList)

return timeSer

分割字符串，获取销售时间

timeSer=salesDf.loc[:,'销售时间']

dateSer=splitSaletime(timeSer)

salesDf.loc[:,'销售时间']=dateSer #修改销售时间

salesDf.head()

转换为日期格式

salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],

format='%Y-%m-%d',

errors='coerce')

删除转换日期格式中的空值

salesDf=salesDf.dropna(subset=['销售时间','社保卡号'],how='any')

4 数据排序

把数据按销售时间进行升序排列

salesDf=salesDf.sort_values(by='销售时间',ascending=True)

salesDf.head(3)

更新排序后的行号

salesDf=salesDf.reset_index(drop=True)

salesDf.head()

5 异常值处理

salesDf.describe()

我们发现销售数量和实收金额为负数，这在现实中是不合理的，所以我们需要筛选出正数来分析。

querySer=salesDf.loc[:,'销售数量']>0

#应用查询条件

print('before',salesDf.shape)

salesDf=salesDf.loc[querySer,:]

print('after',salesDf.shape)

4 构建模型

在第二步理解数据中，我们了解到同一天中，只计算一次消费次数，这里要对消费次数进行去重。

#同一天去重

kpi1_Df=salesDf.drop_duplicates(subset=['销售时间','社保卡号'])

totalI=kpi1_Df.shape[0]

print('总销售次数',totalI)

获得总消费次数是5342次。接着，来计算月份数。先按销售时间做升序，并对行号重命名。

kpi1_Df=kpi1_Df.sort_values(by='销售时间',ascending=True)

kpi1_Df=kpi1_Df.reset_index(drop=True)

kpi1_Df.head()

下面，获取最大和最小的时间值范围，计算出月份数为6.

startTime=kpi1_Df.loc[0,'销售时间']

endTime=kpi1_Df.loc[totalI-1,'销售时间']

daysI=(endTime-startTime).days

monthsI=daysI//30

print('月份数',monthsI)

接着，计算出第一个业务指标月均消费次数为890.

kpi1_I=totalI//monthsI

print('业务指标1：月均消费次数',kpi1_I)

第二个业务指标月均消费金额如下。

第三个业务指标客单价。

到这里，我们通过python一步步的获取到了我们想要的业务指标。根据三个数据，我们来做进一步的思考。这家医院如何才能提高销售额呢？可以从三方面执行：

提高每月消费次数：可以设置一些促销活动优化购物体验，从而提升顾客再次购买的欲望。

提高每月消费金额：可以根据病人的经济情况，设定不同的药品。如条件好的，就推荐用一些效果很好的药品。如条件一般，在不降低疗效的情况下，选用一些性价比更高的药品。

提高客单价：丰富药品的品种，给客户更多的选择。

销售数据的业务指标有相似之处，我们也可以举一反三，拓展到其他销售数据，比如从复购率和单价开始。有了数据分析的指标，还需要通过可视化展示出来。下一讲，我们讨论数据可视化。