药品销售分析

前言
数据获取
数据清洗
- 选择子集
- 列名重命名
- 缺失数据处理
- 数据类型转换
- 数据排序
- 异常值处理
构建模型
- 业务指标1:月均消费次数
- 业务指标2:月均消费金额
- 业务指标3:客单价
数据可视化
- 消费趋势分析
- - 分析每天的消费金额
  - 分析每月的消费金额
  - 分析药品销售情况
小结

前言

原始数据：朝阳医院2018年销售数据.xlsx
业务指标：月均消费次数、月均消费金额、客单价、消费趋势
分析过程：获取–清洗–建模–分析–可视化

数据获取

导入相关包

#导入库
import numpy as np
from pandas import Series,DataFrame
import pandas as pdimport matplotlib.pyplot as plt #数据可视化会用到
import matplotlibplt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 这里你也可以使用其他字体，如SimHei，是黑体的意思。作用：正确显示中文

读取数据
读取的时候用object读取，防止有些数据读不了

#导入数据
xls = pd.ExcelFile('朝阳医院2018年销售数据.xlsx')
df = xls.parse('Sheet1',dtype='object')#得到数据框
df.head()#看前5行数据

3. 查看基本信息

#查看数据几行几列
print(df.shape)
#查看索引
print(df.index)
#查看每一列的列表头内容
print(df.columns)
#查看每一列数据统计数目
print(df.count())

总共有6578行7列数据
“购药时间”和“社保卡号”这两列：6576个数据
“商品编码”一直到“实收金额”：6577个数据
推断出“购药时间”和“社保卡号”存在一行缺失值

数据清洗

过程：选择子集、列名重命名、缺失数据处理、数据类型转换、数据排序、异常值处理

选择子集

获取到的数据数据量非常庞大时使用，本次案例忽略这一步。

列名重命名

适用场景：当某些列名和数据容易混淆或产生歧义时，需要把列名换成容易理解的名称
函数实现：rename()函数

#列重命名
df.rename(columns={'购药时间':'销售时间'},inplace=True)#把'购药时间'重命名为'销售时间'
df.head()

缺失数据处理

如果不处理缺失值会干扰后面的数据分析结果。

常用的处理方式
(1)删除含有缺失数据的记录（本次案例选择该方法）
函数实现：dropna()函数
(2)利用算法去补全缺失数据。（下次的金融数据分析案例使用该方法）

#缺失值处理
print('删除缺失值前:', df.shape)
df.info()

#删除缺失值
df = df.dropna(subset=['销售时间','社保卡号'], how='any')
print('\n删除缺失值后',df.shape)
df.info()

数据类型转换

防止数据导入不进来，会强制所有数据都是object类型。
但实际数据分析过程中“销售数量”，“应收金额”，“实收金额”，这些列需要浮点型(float)数据，“销售时间”需要改成时间格式

函数实现：astype()函数转为浮点型数据

#数据类型转换
df['销售数量'] = df['销售数量'].astype('float')
df['应收金额'] = df['应收金额'].astype('float')
df['实收金额'] = df['实收金额'].astype('float')
df.dtypes

split()函数：把销售时间列中日期和星期进行分割
（注意：分割后的时间，返回的是Series数据类型）

#定义函数将星期除去
def splitSaletime(timeColser):timelist =[]for val in timeColser:data = val.split(' ')[0]timelist.append(data)#将列表转为Series类型timeSer = Series(timelist)return timeSer#获取"销售时间"这一列数据
time = df.loc[:,'销售时间']#调用函数去除星期，获得日期
data = splitSaletime(time)#修改"销售时间"这一列的值
df.loc[:,'销售时间'] = datadf.head()

方便后面的数据统计把切割后的日期转为时间格式
方法实现：to_datetime()

#字符串转日期
df.loc[:,'销售时间'] = pd.to_datetime(df.loc[:,'销售时间'], format='%Y-%m-%d', errors='coerce')#注意，Y一定要大写
df.dtypes

（一开始，在这一步的时候，我不小心写成了小写y，结果把所有的日期都是NaT，导致最后删除不符合格式的时候，得到一个值空的数据框）

#在日期转换过程中不符合日期格式的会转换为空值，这里需要删除
df = df.dropna(subset=['销售时间','社保卡号'], how='any')

数据排序

上述步骤得到的时间是没有按顺序排列的，需要排序
（注意排序之后索引会被打乱，需要重置一下索引。）

#数据排序
df = df.sort_values(by='销售时间', ascending=True)#其中by:表示按哪一列进行排序，ascending=True表示升序排列，ascending=False表示降序排列。
df = df.reset_index(drop=True)#重置索引
df.head()

异常值处理

先查看数据的描述统计信息

#查看描述统计信息
df.describe()

“销售数量”、“应收金额”、“实收金额”的最小值出现了负数，不符合常理。
说明存在异常值的干扰，需要排除异常值的影响。

#将'销售数量'这一列小于0的数据排除掉
pop = df.loc[:,'销售数量'] > 0
df = df.loc[pop,:]
df.describe()

构建模型

数据清洗完成后，需要利用数据构建模型（就是计算相应的业务指标）

业务指标1:月均消费次数

月均消费次数 = 总消费次数 / 月份数（同一天内，同一个人所有消费算作一次消费）

计算总消费次数

#计算总消费次数
#删除重复数据
kpil_Df = df.drop_duplicates(subset=['销售时间','社保卡号'])
totalI = kpil_Df.shape[0]
print('总消费次数=',totalI)

总消费次数= 5342
2. 计算月份数

#计算月份数
#按销售时间升序排序
kpil_Df = kpil_Df.sort_values(by='销售时间', ascending=True)
#重命名行名
kpil_Df = kpil_Df.reset_index(drop=True)
#获取时间范围
startTime = kpil_Df.loc[0,'销售时间']
endTime = kpil_Df.loc[totalI-1,'销售时间']
#计算月份
#天数
daysI = (endTime-startTime).days
mounthI = daysI//30 #向下取整
print('月份数=',mounthI)

月份数= 6
3. 计算月平均消费次数

#月平均消费次数
kpil_I = totalI//mounthI
print('业务指标1：月均消费次数=', kpil_I)

业务指标1：月均消费次数= 890

业务指标2:月均消费金额

月均消费金额 = 总消费金额 / 月份数

#消费总金额
totalMoneyF = df.loc[:,'实收金额'].sum()
mounthMoney = totalMoneyF // mounthI
print('业务指标2：月均消费金额=', mounthMoney)

业务指标2：月均消费金额= 50668.0

业务指标3:客单价

客单价 = 总消费金额 / 总消费次数

#客单价
pc = totalMoneyF / df.shape[0]
print('业务指标3：客单价=', pc)

业务指标3：客单价= 46.727652935751614

数据可视化

消费趋势分析

复制一份数据

#在操作之前先复制一份数据，防止影响清洗后的数据
newdf = df

分析每天的消费金额

将’销售时间’设置为index

#将'销售时间'设置为index
newdf.index = newdf['销售时间']
newdf.head()

分组

#分组
nb = newdf.groupby(newdf.index)
nb

求和

dayDF = nb.sum()
dayDF

画图

#画图
plt.figure(figsize = (10,6))#可根据需要设置画布的大小
plt.plot(dayDF['实收金额'])
plt.title('按天消费金额')
plt.xlabel('时间')
plt.ylabel('实收金额')
plt.show()

分析：从结果图可以看出，每天消费总额差异较大，除了个别天出现比较大笔的消费，大部分人消费情况维持在1000-2000元以内。

分析每月的消费金额

销售时间先聚合再按月分组进行分析

#将销售时间聚合按月分组
nb = newdf.groupby(newdf.index.month)
print(nb)
monthDF = nb.sum()
monthDF

画图

#画图
plt.figure(figsize = (10,6))#可根据需要设置画布的大小
plt.plot(monthDF['实收金额'])
plt.title('按月消费金额')
plt.xlabel('时间')
plt.ylabel('实收金额')
plt.show()

分析：结果图显示，7月消费金额最少，这是因为7月份的数据不完整，所以不具参考价值。
1月、4月、5月和6月的月消费金额差异不大。
2月和3月的消费金额迅速降低，这可能是2月和3月处于春节期间，大部分人都回家过年的原因。

分析药品销售情况

对“商品名称”和“销售数量”这两列数据进行聚合为Series形式，方便后面统计，并按降序排序

#聚合统计各种药品数量
medicine = newdf[['商品名称','销售数量']]
bk = medicine.groupby('商品名称')[['销售数量']]
re_medicine = bk.sum()
#对销售药品数量按降序排序
re_medicine = re_medicine.sort_values(by='销售数量', ascending=False)
re_medicine.head()

截取销售数量最多的前十种药品

top_medicine = re_medicine.iloc[:10,:]
top_medicine

画图

#条形图
top_medicine.plot(kind='bar')
plt.title('药品销售数量')
plt.xlabel('药品名称')
plt.ylabel('销售数量')
plt.show()

这些药品信息将会有助于加强医院对药房的管理。

小结

数据清洗很重要！

数据集网盘链接:https://pan.baidu.com/s/1F9cbSeKYwUlH7DJ747U1AQ
提取码:5afy

数据分析案例1.0——药品销售分析相关推荐

数据分析案例之39药品网
前期准备获取39药品网所有药品ID 1.下载39药品网所有药品页面 # -*- coding: utf-8 -*-""" @Datetime: 2018/10/15 @ ...
月均数据_药品销售数据分析案例
今天用python去做一个简单的药品销售数据分析案例一.数据分析的目的数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程. 本篇 ...
【数据分析案例】用Excel进行数据分析：从市场调研到销售分析
作者:禅与计算机程序设计艺术 [数据分析案例]用Excel进行数据分析:从市场调研到销售分析 1. 引言 1.1. 背景介绍在当今信息时代,数据分析已成为各个行业必备的一环.无论是在市场营销.销售. ...
3星|《数据思维：从数据分析到商业价值》：有趣的数据分析案例
3星|<数据思维:从数据分析到商业价值>:有趣的数据分析案例 Posted on 2017-11-24 19:59 左其盛阅读(118) 评论(0) 编辑收藏数据思维(从数据分析到商 ...
来自Bitly的USA.gov数据,数据分析案例
数据分析案例01 xiaoyao 1.USA.gov Data from Bitly–来自Bitly的USA.gov数据数据背景:2011年,URL缩短服务Bitly跟美国政府⽹站USA.gov合作 ...
淘宝APP用户行为数据分析案例(附python代码及注释)
淘宝APP用户行为数据分析案例一．分析背景与目的 1.1背景与数据限制电商平台的最核心的功能就是为买卖双方提供高效和体验良好的交易服务.得益于算法技术的发展,淘宝APP给买方提供了搜索.推荐及广告 ...
Python数据分析案例08——预测泰坦尼克号乘员的生存(机器学习全流程)
上一篇数据分析案例是回归问题,本次案例带来分类问题的机器学习案例.这个数据集比上个案例更小.更简单,代码也不复杂,新手都可以学一学. 1.背景分析预测乘客是否存活下来泰坦尼克号是数据科学机器学习 ...
Excel数据分析案例三——预测销量
Excel数据分析案例三--预测销量题目:有某服装实体店5.1~5.24每天的销售数据表,要求根据现有的销量数据预测接下来一星期,也就是5.25 ~ 5.30的销量,图表大致信息如下此时需要用到E ...
Pandas数据分析案例（盛华化工锅炉排放数据可视化分析）
Pandas数据分析案例(盛华化工锅炉排放数据可视化分析) 实验环境数据集介绍问题描述实验步骤一.数据导入与观察二.数据转换三.数据可视化分析相关资源实验环境操作系统:Linux/W ...

数据分析案例1.0——药品销售分析