这篇文章主要介绍了利用python进行数据分析 github,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获,下面让小编带着大家一起了解一下。
Source code download: 本文相关源码
本节以某药店2018年商品销售数据为例来练习利用Python进行数据分析的基本方法。
数据分析基本步骤: 1、提出问题 2、理解数据 3、数据清洗 4、构建模型 5、数据可视化
一、提出问题
要分析解决业务数据问题,首先要与业务部门进行沟通python好玩又简单的代码。本节案例主要分析月消费次数、月消费金额、客单价、消费趋势四大业务指标。对不理解的业务指标可以先自己去搜索引擎查找,实在找不到再去与业务人员沟通理解。
二、导入数据
注意在读取数据时可以先将所有数据按字符串读入,之后再转换为其他格式。
#导入数据分析包
import pandas as pd
‘’‘路径中最好不要有中文,或者特殊符号啥的,不然路径会提示错误找不到。最好将文件放到一个简单的英文路径下’‘’
#excel文件路径,路径中的./表示在当前notebook所在的文件夹路径
fileNameStr=r’F:\数据分析\跟猴子学习人工智能核心技术\数据分析(高级)(Python)\第3关:数据分析的基本过程\朝阳医院2018年销售数据.xlsx’
‘’‘使用pandas的read_excel函数读取Ecxcel数据参数sheet_name:数据在Excel里的哪个sheet下面,这块就写该sheet在excel里的名称参数dtype=str 统一先按照字符串读入,之后再转换pandas的read_excel函数官网地址:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html#pandas.read_excel’‘’
salesDf = pd.read_excel(fileNameStr,sheet_name=‘Sheet1’,dtype=str)
#用pd.read_excel()方法也可以导入数据
salesDf=pd.read_excel(r’F:\数据分析\跟猴子学习人工智能核心技术\数据分析(高级)(Python)\第3关:数据分析的基本过程\朝阳医院2018年销售数据.xlsx’,dtype=‘object’)
print(salesDf.head())
购药时间 社保卡号 商品编码 商品名称 销售数量 应收金额 实收金额
0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69
1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28 24.64
2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15
3 2018-01-11 星期一 0010070343428 236701 三九感冒灵 1 28 28
4 2018-01-15 星期五 00101554328 236701 三九感冒灵 8 224 208
#有多少行,多少列
salesDf.shape
#查看每一列的数据类型
salesDf.dtypes
三、数据清洗
数据清洗的步骤花费时间最多,大概有80%的时间都用来进行数据清洗,不过清洗完成后数据运用起来就非常便捷了。
1)选择子集(本案例不需要选择子集)
#注释掉,.loc方法可以直接修改数据
#subSalesDf=salesDf.loc[0:4,‘购药时间’:‘销售数量’]
2)列名重命名
#字典:旧列名和新列名对应关系
colNameDict = {‘购药时间’:‘销售时间’}
‘’‘inplace=False,数据框本身不会变,而会创建一个改动后新的数据框,默认的inplace是Falseinplace=True,数据框本身会改动’‘’
sal