数据分析步骤：

提出问题-理解数据-数据清洗-构建模型-数据可视化

下面就拿2018年朝阳医院销售数据按上述步骤进行分析。

1.提出问题

根据拿到的销售数据字段信息，我们对以下三个业务指标进行分析 。

(1)月均消费次数

(2)月均消费金额

(3)客单价

2.理解数据

导入销售数据包。

#导入销售数据文件

import pandas as pd

salesDF = pd.read_excel(r"D:\qixiao\朝阳医院2018年销售数据.xlsx", filename="ALL")

print("导入成功")

通过head()输出几行预览数据，并查看下数据量(行与列)及数据类型等基础信息。

#预览数据

print(salesDF.head())

print(salesDF.shape)

print(salesDF.dtypes)

3.数据清洗

在清洗此案例的数据前，我们先了解一下数据清洗的基本步骤。

1)选取子集

每个分析问题(指标)涉及的数据可能不一致，我们为了方便处理数据，需要将问题涉及到的数据集提取出来，形成一个新的数据集。本案例每个分析问题都用到了全量销售数据，不涉及选取子集。

subsalesDF=salesDF.loc[0:4,'购药时间':'销售数量']

2)列名重命名

salesDF.rename(columns={'购药时间':'销售时间'},inplace=True)

print(salesDF.head())

3)缺失数据处理

首先查看一下各字段缺失值情况。

#统计各字段缺失值情况

print((salesDF.isnull()).sum())

在本案例只要一个字段有缺失值，整条数据就被认为无意义的，需要删除。

#删除缺失值

salesDF.dropna(axis= 0,how= 'any',inplace= True )

print(salesDF.shape)

4)数据类型转换

导入文件后，社保卡号与商品编码是float型，但实际应为字符串。

salesDF['社保卡号']=salesDF['社保卡号'].astype(str)

salesDF['商品编码']=salesDF['商品编码'].astype(str)

下面，需要得到销售时间的日期类型，需要split函数对字段截取。

salesDF['销售时间']=salesDF.销售时间.map(lambda x:x.split(' ')[0])

salesDF['销售时间']=pd.to_datetime(salesDF['销售时间'],format='%y-%m-%d',errors='coerce')

print(salesDF.dtypes)

5)数据排序

按照销售时间升序排序，并对号重命名。

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

salesDF=salesDF.reset_index(drop=True)

6)异常值处理

通过查看数据的描述性统计，发现销售数据，与销售金额存在负值，是不合理的。

print(salesDF.describe())

对于负值数据，我们应该去除，否则会使真是指标产生偏差。

salesDF=salesDF[salesDF['销售数量']>0]

4.构建模型

定义指标公式：月均消费次数=总消费次数/月份数

月均消费金额=总消费金额/月份数

客单价=总消费金额/总消费次数

1)月均消费次数

在数据中存在同一个客户消费多次，在统计总消费次数时，我们认为，同一天同一个人发生的所有消费算作一次。

#计算总消费次数

kpi1_DF=salesDF.drop_duplicates(subset=['销售时间','社保卡号'])#删除同天重复数据

total1=kpi1_DF.shape[0]

#计算月份数

kpi1_DF=kpi1_DF.sort_values(by='销售时间',ascending=True)

kpi1_DF=kpi1_DF.reset_index(drop=True)

mintime=kpi1_DF.loc[0,'销售时间']

maxtime=kpi1_DF.loc[total1-1,'销售时间']

month=((maxtime-mintime).days)//30

#计算月均消费次数

kpi1=total1//month

print('月均消费次数：',kpi1)

2)月均消费金额

totalmoney=salesDF['实收金额'].sum()

kpi2=round(totalmoney/month,2)

print('月均消费金额：',kpi2)

3)客单价

kpi3=round(totalmoney/total1,2)

print('客单价：',kpi3)

5.可视化展示

待续。。。。。。