在数据分析领域，Python中用到最多的包是numpy,pandas和matplotlib，本文共分为三个部分：1.使用numpy和pandas分析一维数据 2.使用numpy和pandas分析二维数据 3.案例分析。

• Numpy(Numerical Python)：是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
• Pandas：基于Numpy的一种数据分析工具，该工具是为解决数据分析任务而创建的，提供了一套名为数据框的数据结构，可以方便地对表结构数据进行分析。
• matplotlib：是一个图形绘制库，专门用于数据分析结构的可视化。

*数据分析工具Numpy和Pandas大纲

一.一维数据分析

Numpy：Array

Pandas：Series

1)Numpy一维数据

Numpy一维数组与列表的区别：

a.统计功能：如：计算平均值的mean()方法,标准差std()方法；

b.向量化计算：可以向量相加和乘以标量；

c.Numpy数组中的每一个元素必须是同一种数据类型，而列表中的元素可以是不同类型。

2)Pandas 一维数组：Series有索引

a.获取描述统计信息

b. # series.iloc[] :根据位置获取值。 series.loc[]:根据索引获取值。

c.向量相加 和删除缺失值

二.二维数据分析
Numpy：Array

Pandas：DataFarme

1）Numpy

a.定义二维数组，查询数组

b.切片的使用：切片的使用：[行进行切片,列进行切片]，[start:stop:step,start:stop:step]

c.数轴参数：axis=1按行计算，axis=0按列计算

2.Pandas

a.数据框DataFrame: 行columns ; 列index

b.定义一个字典

c.按照每列计算平均值

d.用iloc属性根据位置查询值

e.用loc属性根据索引查询值

f.查询某几列

g.切片功能:指定范围

h.通过条件筛选符合要求的数据

i.数据集描述统计信息

• 查看某一列数据类型

• 查看有多少行多少列

• 获取每一列的描述统计

三.案例

Numpy和Pandas 对朝阳医院药品销售数据进行分析，步骤如下：

1.提出问题

和业务部门沟通后,要从销售数据中分析以下业务指标：

• 月均消费次数；
• 月均消费金额；
• 客单价；
• 消费趋势

2.理解数据

1）导入数据

2)查看数据类型

3)查看总的行列数

4）表中字段含义如下：

• 购药时间：药品销售日期
• 社保卡号：顾客购买药品使用的社保卡号码
• 商品编码：售出药品的编号
• 商品名称：售出药品的名称
• 销售数量：售出药品的数量
• 应收金额：药品应售金额
• 实收金额: 药品实际售出金额（折扣，满减）

3.清洗数据

原始数据多而杂乱，或缺失，或异常，需要进行数据清洗，得到后续数据分析可用的数据。

1）选择子集

本案例需要所有数据，不需要选择子集。下面是展示选择子集的方法之一：切片访问

2）列名重命名

统一列名的时间，这里将“购药时间”改为“销售时间”，用字典定义旧列名和新列名;用rename函数修改。

3）缺失值处理

a. Python缺失值有3种：None，NA，NaN

• Python内置的None值
• 在pandas中，将缺失值表示为NA，表示不可用not available。
• 对于数值数据，pandas使用浮点值NaN（Not a Number）

b.数据中含有缺失值，对后续计算会造成干扰，可以用空值填充或直接删除，此处用dropna()将数据框中缺失值删除。

*how=any表示，给定的任一列中缺失值就删除

4.数据类型转换

a.在导入数据时已将所有数据设定为字符串类型，现在用astype()将销售数量、应收金额和实收金额三列数据类型改为浮点型。

b.自定义函数，将字符串转换为日期数据类型

5.数据排序

用sort_values（）对数据进行排序

删除缺失值和根据销售时间排序后，索引名已被打乱，需重新命名索引名

6.异常值处理

如上图所示，我们发现销售数量的最小值为-10，因此可以将销售数量为负值的行删除。

4.构建模型

我们可根据业务问题来构建模型。

问题1: 月消费次数

月消费次数=总消费次数/月数。注:同一天内同一人的多次消费算为1次。

问题2：月均消费金额

月均消费金额=总消费金额（实收金额）/月份数。

问题3:客单价

客单价=总消费金额/总消费次数。

问题4: 消费趋势

计算每月销售总金额

导出数据做出销售趋势图如下：