数据分析的基本知识

numpy 一维数组 Arraypandas 一维数组 Seriesnumpy 二维数组 Arraypandas 二维数组 DataFrame

数据分析的基本过程

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

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​

选取子集： 为了更好地数据分析，会先把数据分析目标相关的值提取出来，形成一个 新的子集。

2. 列名重命名：源数据的命名我们不能改，重命名可以更方便我们的使用。

3. 缺失数据处理：因为数据清洗就是为了让不规则的，各式各样的真实数据变成适合数据分析的数据，所以有必要过滤掉一些没意义的数据，以免影响分析的结果。

4. 数据类型转换: 因为读取进来时为了保持数据的正确完整，统一都是用OBJECT 的数据类型，但某些值是数值型，以后要用来运算的；有些值是日期型，方便排序的，就有必要处理一下。

4.1 字符串转换为数值

4.2 字符串转换为日期类型

日期数据转换

定义函数

分割字符串，获取销售时间

转换为日期格式

删除转换日期格式中的空值

5. 排序：有时为了跟其他数据配对，比如用 SQL join其他table时，有必要对KEY进行排序。又比如对日期进行排序，选取最大值，最小值。

6. 异常值处理: 我们发现销售数量和实收金额的最小值为负数，这在现实中是不合理的，所以我们需要筛选出正数来分析。

4. 构建模型： 计算业务指标

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

5, 数据可视化：留待下一关继续学习

这是一次数据分析整个流程的入门练习，知道数据分析的套路，怎么运用python来一步一步实现目标，分析业务指标。虽然数据分析可以用多种工具实现，比如简单的Excel，适合大量数据处理的python等等，但分析问题的思维方式是一样的。期待进阶后，接触更有意思的项目。