朝阳医院数据处理分析实例

数据分析的步骤：提出问题→理解数据→数据清洗→构建模型→数据可视化

目标数据：2018年朝阳医院销售数据.xlsx

业务部门下发了一项业务分析目标，把数据发给我的时候就在思考该怎么分析，接下来一起探讨怎么进行简单的数据分析

一、提出业务指标问题

从销售数据中分析下面的业务指标问题：

（1）月均消费次数

（2）月均消费金额

（3）客单价

（4）消费趋势

导入所需要的包

import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import pandas as pd
import numpy as np

将销售Ecxcel数据导入到python中

fileNameStr='E:\\2018python\朝阳医院2018年销售数据.xlsx'
xls=pd.ExcelFile(fileNameStr,dtype='object')
salesDf = xls.parse('Sheet1',dtype='object')

查看前五行数据

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

查看表格数据的行数和列数

salesDf.shape

(6578, 7) 可以查看到数据有6578行，7列。 查看列的数据类型

salesDf.dtypes

    购药时间    object
    社保卡号    object
    商品编码    object
    商品名称    object
    销售数量    object
    应收金额    object
    实收金额    object
    dtype: object

二、数据清洗（数据预处理）

数据预处理主要有以下步骤：

（1）选择子集

（2）列名重命名

（3）删除缺失数据

（4）数据类型转换

（5）数据排序

（6）异常值处理

1.选择子集

本案例子集不用选择子集，需要的子集已经存在

2.列名重命名

salesDf.rename(columns ={
  '购药时间':'销售时间'},inplace=True)  #inplace=True，数据框本身会改动
salesDf.head()

	销售时间	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

3. 删除缺失数据

删除列（销售时间，社保卡号）中为空的行，使用dropna删除缺失数据

print('删除缺失值前大小',salesDf.shape)

#how='any' 给定