Pandas数据分析⑥——数据分析实例（货品送达率与合格率/返修率/拒收率）

Pandas系列目录如下：
Pandas数据分析①——数据读取（CSV/TXT/JSON)
Pandas数据分析②——数据清洗（重复值/缺失值/异常值）
Pandas数据分析③——数据规整1（索引和列名调整/数据内容调整/排序）
Pandas数据分析④——数据规整2（数据拼接/透视)
Pandas数据分析⑤——数据分组与函数使用（Groupby/Agg/Apply/mean/sum/count)
Pandas数据分析⑦——数据分析实例2（泰坦尼克号生存率分析）

本文通过一个实际案例，来看下Pandas进行数据分析的具体步骤

数据来源：
某企业销售的6种商品的送货及用户反馈数据

解决问题：
1、配送服务是否存在问题
2、是否存在尚有潜力的销售区域
3、商品是否存在质量问题

先放结论：
1、货品4→西北，货品2→马来西亚两条线路存在较大问题，急需提升时效
2、货品2在华东地区还有较大市场空间，适合加大投入，同时货品2在西北配送时效长，用户拒收率高，从成本角度考虑，应该减少投入
3、货品1、2、4质量存在问题，建议扩大抽检范围，增大质检力度

分析过程如下（文末有数据源获取方式）

一、数据清洗

① 重复值、缺失值、格式调整

data = pd.read_csv('data.csv',encoding='gbk',header=0)
print(data.info())

通过info()可以查看数据的轮廓，包括有10列，每1列的名字，数据量，格式等，从中可以明显看出：

① 订单号，货品交货情况，数量这3列是有缺失值，但最多缺失4行，数据量较小，直接删除不会影响整体分析
② 订单行这1列对分析无关紧要，可以删除
③ 销售金额格式不对，要改成float

# 删除重复值，这个虽然没有看出来，但是必须要在其它处理前处理掉
print(data.duplicated().value_counts())
data.drop_duplicates(keep='first',inplace=True)
# 删除缺失值
data.dropna(how='any',inplace=True)
# 去掉“订单行”列
data.drop(columns=['订单行'],inplace=True,axis=1)
data = data.reset_index(drop=True)
print(data.head())

 # 修改销售金额格式
print(data.销售金额.head()) # 数据单位不一致，且数据中有逗号隔开，不适合分析

    def data_deal(number):
        if number.find('万元')!=-1: