本文首先将会介绍Python在数据分析领域最常见的两个包:pandas和numpy的使用，然后通过一个简单的案例巩固前面的内容。
目录
一、pandas和numpy的使用
二、案例解析：销售数据分析
一、pandas和numpy的使用
#导入numpy包
import numpy as np
#导入pandas包
import pandas as pd
1、一维数据分析
numpy：array
- a = np.array([2,3,4,5]) #定义：一维数组array,参数传入的是一个列表[2,3,4,5]
- a[0] #查询
- a[1:3] #切片访问：获取到的是序号从1到3的元素
- a.dtype #查看数据类型dtype
- a.mean()#统计计算：平均值
- a.std()#统计计算：标准差
- b=a*4#向量化运行：乘以标量
pandas,Series,比numpy多了一个索引功能。
- 定义：stockS=pd.Series([54.74,190.9,173.14,1050.3,181.86,1139.49],index=[‘腾讯’, ‘阿里巴巴’, ‘苹果’, ‘谷歌’, ‘Facebook’, ‘亚马逊’])
- stockS.describe()#获取描述统计信息
- stockS.iloc[0]#iloc属性用于根据索引获取值
- stockS.loc[‘腾讯’]#loc属性用于根据索引获取值
- stockS2=stockS+stockS1#向量化运算：向量相加
- 对于缺失值，可以用
- stockS2.dropna()#方法1：删除缺失值
- stockS2=stockS.add(stockS1,fill_value=0)#方法2：将缺失值进行填充
2、二维数据分析
numpy：array
- 定义：a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
- 查询，获取行号是0，列号是2的元素：a[0,2]
- 查询：获取第一行：a[0,:]
- 查询：获取第一列：a[:,0]
- a.mean()#计算整个数组的平均值
- a.mean(axis=1)#计算计算每一行的平均值
- a.mean(axis=0)#计算计算每一列的平均值
pandas：DataFrame
- 定义：先定义有序字典，再将字典传入数据框。或直接定义
直接定义
- iloc属性用于根据位置获取值：
- 查询第1行第2列的元素：salesDf.iloc[0,1]
- 查询第一行所有列：salesDf.iloc[0,:]
- 查询第一列所有行：salesDF.iloc[:,0]
- loc属性用于根据索引获取值：
- salesDf.loc[0,‘商品编码’]
- 查询第一行：sales.Df.loc[0,:]
- 查询第一列：sales.Df.loc[:,0]
- 通过切片功能，获取指定范围的列：salesDf.loc[:,‘购药时间’:‘销售数量’]
- 通过条件判断查询
文末领取全套Python系统学习籽料
- 数据集描述统计信息
二、案例解析：销售数据分析
以朝阳医院2018销售数据为例：
https://pan.baidu.com/link/zhihu/7Vh1zUuNhUiVanZld3T6JWdFcFZYl2XwZY10==（安全链接，放心点击）
这部分，通过实际案例分析应用前面学习的到的内容。
数据分析步骤
- 提出问题：数据分析的目的，为了解决实际问题
- 理解数据：采集数据，导入数据到Python，查看数据集信息了解数据
- 数据清洗：也叫数据预处理，
- 构建模型：对清洗后的数据进行整理
- 数据可视化：用图表方式展示给他人
**1.提出问题：**想知道朝阳医院2018年月均消费次数、月均消费金额、客单价
。需要知道这些数据具体是指什么。
2、理解数据：现在我们已经有了Excel表格，接下来就是要导入到Python中。
1）第一列是购药时间；2）第二列是社保卡号，如果存在几行卡号一样，说明有多次购买记录；3）第三列是商品编码；4）第四列是商品名称；5）第五列是销售数量；6）第六列是应收金额；7）第七列是实收金额（可能有折扣）
3、清洗数据：
一般有六步：选择子集-列名重命名-处理缺失值-数据类型转换-数据排序-异常值处理
- **选择子集：**有时候原始数据太大，有些数据不需要处理，我们可以通过选择子集，筛选出想要处理的部分数据。（本案例不需要选择子集）
**代码：**使用loc切片 subSalesDf=salesDf.loc[0:4,‘购药时间’:‘销售数量’] 选择15行，15列。
- 列名重命名：rename
- 缺失数据处理：dropna
从表格数据可以看到，销售时间和社保卡号不能为空，不然不能定位到具体的客户，因此要将这两列的缺失值删除。删除前后，数据的行列数没有变化，可以看出这两列没有缺失值
删除缺失值，使得索引序号不连续，需要用reset_index重置索引salesDf=salesDf.reset_index(drop=True)
- 数据类型转换：astype 表格中的销售数量、应收金额、实收金额应为数值，但是我们导入的时候，用了字符串类型，需要转换数字类型。
销售时间列中，不需要星期几的内容，只需要日期就行了，需要拆分字符串，使用split
得到了2018-01-01这样的数据，还是一个字符串，我们还想将数据转换成日期格式的数据
文末领取全套Python系统学习籽料
转变数据格式后不要忘记删除重复值，这里可以看到删除重复值后，行数减少了
- 排序：sort_values
- 异常值处理:从上面的排序结果可以看出，销售数量、应收金额、实收金额为负数，这显然是不合理的异常值，首先我们获取每一类的描述统计信息，看看各列是否存在异常值。然后在对异常值进行处理。
首先筛选正常值，再利用筛选出来的数据删除异常值
**4、数据建模：**计算月均消费次数、月均消费金额、客单价。
业务指标1：月均消费次数=总消费次数/月份数
业务指标2：月均消费金额=总消费金额/月份数
业务指标3：客单价=总消费金额 / 总消费次数
