python分析每月销售数据_Python分析某医院销售数据
学习目标 通过实际案例分析掌握Numpy和Pandas的数据分析语句
本文以某医院的销售数据为例按照以下步骤进行分析:
一、提出问题
1.月均消费次数
2.月均消费金额
3.客单价
二、理解数据
导入Excel数据
import pandas as pd
# 导入Excel数据,统一先按照str读入,之后转换
fileNameStr = 'D:\\python\\朝阳医院2018年销售数据.xlsx'
xls = pd.ExcelFile(fileNameStr,dtype='object')
salesDf = xls.parse('Sheet1',dtype='object')
# 打印前几行数据验证
salesDf.head()
指定一列查看数据类型:
# 查看购药时间一列的数据类型
salesDf['购药时间'].dtype
Excel原文件:
三、数据清洗
数据清洗一般步骤:
(1)选择子集:
本数据不用选择子集
# 若需要选择子集,可使用切片功能选择子集
subsetsalesDf = salesDf.loc[0:4,'购药时间':'销售数量']
(2)列名重命名
# 字典:旧列名和新列名对应关系
colNameDict = {'购药时间':'销售时间'}
salesDf.rename(columns = colNameDict,inplace=True)
salesDf.head()
注:inplace=False,数据框本身不会变,而会创建一个改动后新的数据框,默认的inplace是
False,inplace=True,数据框本身会改动。
(3)缺失数据处理
Python中处理空值的方法比较灵活,可以使用 Dropna函数用来删除数据表中包含空值的数据,也可以使用fillna函数对空值进行填充。
# 删除列(销售时间,社保卡号)中为空的行
# how = 'any' 在给定的任何一列中有缺失值就删除
salesDf = salesDf.dropna(subset=['销售时间','社保卡号'],how='any')
print('删除缺失值后大小',salesDf.shape)
使用fillna函数把空值用0填充
salesDf = salesDf.fillna( value=0 )
(4)数据类型转换
字符串转换为数值(浮点数)
日期处理--字符串转换为日期类型
因为销售时间一列只需要日期就可以,所以提取日期,并将其转换为日期类型
注:定义函数:分割销售日期,获取销售日期
输入:timeColSer 销售时间这一列,是个Series数据类型
输出:分割后的时间,返回也是个Series数据类型
字符串转换日期:
注:format 是原始数据中日期的格式
errors='coerce' 如果原始数据不符合日期的格式,转换后的值为NaN
再删除销售时间和社保卡号两列的空值行
(5)排序
按销售时间进行升序排列
重命名行名(index)
使用reset_index重命名行名,drop=True丢弃原来的索引,重新从0设置新的索引
(6)异常值处理
# 查看每一列的描述统计信息
salesDf.describe()
因为销售数量、应收金额等不可能出现负数,删除异常值
删除异常值:通过条件判断筛选出数据
四、构建模型
业务指标1:月均消费次数 = 总消费次数/月份数
(同一天内,同一个人发生的所有消费算作一次消费)
计算总消费次数:删除重复数据
# Step1:删除重复数据
kpi1_Df = salesDf.drop_duplicates(subset = ['销售时间','社保卡号'])
# 有多少行
totalI = kpi1_Df.shape[0]
print('总消费次数:',totalI)
计算月份数:
# Step1:排序
# 按销售时间升序排序
kpi1_Df = kpi1_Df.sort_values(by='销售时间',ascending=True)
# 重命名行名
kpi1_Df=kpi1_Df.reset_index(drop=True)
# Step2:获取时间范围
# 获取最小时间值
startTime = kpi1_Df.loc[0,'销售时间']
# 获取最大时间值
endTime = kpi1_Df.loc[totalI - 1,'销售时间']
# Step3:计算月份数
# 天数
daysI = (endTime-startTime).days
# 月份数:运算符 “//” 表示取整除
# 返回商的整数部分,例如9//2 输出结果是 4
monthsI = daysI // 30
print('月份数',monthsI)
月均消费次数:
业务指标2:月均消费金额 = 总消费金额 / 月份数
# 总消费金额
totalMoney = salesDf.loc[:,'实收金额'].sum()
# 月均消费金额
monthMoney = totalMoney / monthsI
print('业务指标2:月均消费金额',monthMoney)
业务指标3:客单价 = 总消费金额 / 总消费次数
pct = totalMoney / totalI
print('客单价:',pct)
python分析每月销售数据_Python分析某医院销售数据相关推荐
- python高级数据分析师_python分析各大城市对数据分析师的招聘情况
分析目的: 1.分析招聘对于学历的要求 2.分析招聘对于工作经验的要求 3.分析各城市对数据分析师的岗位需求 4.分析数据分析师的发展方向 5.分析数据分析师在全国的薪资情况
- python怎么清洗数据_Python分析数据之:清洗数据全攻略
前两天翻了翻数据分析的招聘简历,看到好多公司在招聘数据分析师的时候,不管前面要求什么,都会在最后加一句:能够会Python是加分项.那Python是有多好用?今儿一篇文章教会你用Python来分析数据 ...
- python 统计分析apache日志_python分析apache访问日志脚本分享
#!/usr/bin/env python # coding=utf-8 #------------------------------------------------------ # Name: ...
- python编写性别比例_Python分析微信好友性别比例和省份城市分布比例的方法示例【基于itchat模块】...
本文实例讲述了Python分析微信好友性别比例和省份城市分布比例的方法.分享给大家供大家参考,具体如下: 安装itchat pip install itchat 使用 新建wxfx.py,拷贝以下代码 ...
- python怎么提交作业_python分析作业提交情况
这次做一个比较贴近我实际的东西:python分析作业提交情况. 要求: 将服务器中交作业的学生(根据文件的名字进行提取)和统计成绩的表格中的学生的信息进行比对,输出所有没有交作业的同学的信息(学号和姓 ...
- python实现食品推荐_Python分析亚马逊赞不绝口食物评论
1.背景: 本文是来源于Kaggle平台的亚马逊50多万条食物评论的数据集.此数据集采集时间跨度有十余年,直到2012年十月份共计有56万多条评论信息. 这些信息由食品产品号.用户信息.评分和评价文本 ...
- python北京房价预测_python分析——2018北京房价降了吗
数据来源:python 爬取的链家官网二手房交易数据 数据量:有效数据约30万条,包含信息:'行政区','片区', '小区', '格局', '面积', '楼层', '建成年代', '建成年', '楼体 ...
- python如何提交作业_python分析作业提交情况
这次做一个比较贴近我实际的东西: 要求: 将服务器中交作业的学生(根据文件的名字进行提取)和统计成绩的表格中的学生的信息进行比对,输出所有没有交作业的同学的信息(学号和姓名),并输出所交的作业中命名格 ...
- python四级词汇采集_Python分析36套四级真题获取词频最高5000个词汇,还怕四级不过么...
前言 从历年四级英语真题中获取词频最高的 5000 个词汇 ,并进行翻译 !综合用到了爬虫 .数据分析等知识 ,亲爱的读者们还担心四级不能过么? 注:想学习Python的小伙伴们 可以进群:98463 ...
最新文章
- python到底能用来做啥-Python可以被用来做哪些神奇好玩的事情?
- Android studio3.1卡顿严重
- mysql利用cpu率高_MySQL高CPU使用率
- 《C++ Primer》7.5.2节练习
- UOJ351 新年的叶子
- 信息学奥赛一本通(1281:最长上升子序列)
- 想学习Python,这套教程再适合你不过了!
- 【洛谷P1169】[ZJOI2007]棋盘制作
- 2019.7.26随堂笔记
- C++ const修饰指针变量的位置不同代表的意义
- 产生1000w不重复的数字
- 筛数方法相关系数_相关系数的检验方法.ppt
- 【CF633H】Fibonacci-ish II 莫队+线段树
- win10 计算机网络密码怎么设置,win10系统提示windows安全 输入网络密码的设置教程...
- 升级mysql后zpanel无法进入_升级到mysql5.7无法启动问题解决
- 使用mysql解决Excel换行统计问题
- DPPO:Distributed Proximal Policy Optimization
- Angular 的 ngOnInit 和 Constructor 的区别
- 计算机怎么弄64位,64位系统怎么装?安装64位系统教程
- 量化投资与数据分析一: 如何用PYTHON下载WIND数据并转化成dataframe格式 分享