[数据分析实战续]用Python中Pandas操作Excel数据表格原来如此简单？

 

目录

数据建模部分

3.1数据筛选

3.1.1使用“与”条件进行筛选

 3.1.2使用“或”条件进行筛选

3.2数据汇总

 Excel做法：​编辑

 Python做法

3.3计算几个KPI指标：

3.3.1计算月均消费次数

1.删除重复数据计算消费总次数

2 设定好起始日期和结束日期

3.计算天数，月份数。然后用所有消费次数除以月份数可以得到月均消费次数。

4.客单价

5.月均消费金额

---

用Python操作Excel数据表格原来如此简单？https://blog.csdn.net/m0_59541412/article/details/130809182本文是前面文章的续集，会更深入地介绍如何用Python操作Excel表格做数据分析,上篇没看的，可以点上面的链接。

---

数据建模部分

3.1数据筛选

3.1.1使用“与”条件进行筛选

sales.loc[(sales['星期'] == '星期二') & (sales['商品名称'] == '霍香正气口服液'),['日期', '星期', '商品名称', '销售数量']]
选中星期为“星期二”且商品名称为“霍香正气口服液”的数据

 

 3.1.2使用“或”条件进行筛选

sales.loc[(sales['星期'] == '星期五') | (sales['商品名称'] == '初喜开心膏'),['日期', '星期', '商品名称', '销售数量']]

选择星期为'星期五' 或商品名称为初喜开心膏的数据

 

 在前面的代码后增加price字段以及sum函数，按筛选后的结果将price字段值进行求和，相当于excel中sumifs的功能。

 还有一种筛选的方式是用query函数。下面是具体的代码和筛选结果:

sales.query('商品名称 == ["初喜金麦山楂膏","初喜开心膏"]')

 

3.2数据汇总

Excel的数据目录下提供了“分类汇总”功能，可以按指定的字段和汇总方式对数据表进行汇总。

 Excel做法：

 Python做法

Python中通过groupby函数完成相应的操作，并可以支持多级分类汇总。

sum_sales = sales.groupby('商品名称').sum()  

 

 groupby是进行分类汇总的函数，使用方法很简单，制定要分组的列名称就可以，也可以同时制定多个列名称，groupby按列名称出现的顺序进行分组。同时要制定分组后的汇总方式，常见的是计数和求和两种。

看出来了没，其实想用python做个分类汇总功能，其实只要调用groupby和sum函数就可以搞定了，有没有觉得比Excel还要简单？

你是不是也和我有一样的感受，认为python特别简单？？

我不接受反驳啊，想要反驳我的直接面壁思过去……

学数据分析，要是不用简单的python真是对不起自己。

 

sales.groupby('商品名称')['销售数量'].count()

我们还能通过关联的列进行查询，通过groupby函数计算出了商品的销售次数。

3.3计算几个KPI指标：

3.3.1计算月均消费次数

1.删除重复数据计算消费总次数

 

2 设定好起始日期和结束日期

 ​​​​​​​

 startTime = kpi_data.loc[0,'日期']                       # 起始日期和结束日期
endTime = kpi_data.loc[total - 1, '日期']

3.计算天数，月份数。然后用所有消费次数除以月份数可以得到月均消费次数。

4.客单价

使用总消费金额除以消费次数得到客单价

totalMoney = sales.loc[:,'实收金额'].sum()         
perMoney = totalMoney / total

5.月均消费金额

使用总消费金额除以消费次数得到月均消费金额

perMonth = totalMoney / months

 

---

今天的分享到此结束，如果能看到这里的小伙伴证明对数据分析是真爱，相信你一定会提升得很快，希望你们不要忘记用小手点个关注。

后面我还会分享其他的数据分析相关的知识点，全是干货，认真看的人数据分析技巧一定会越来越强大，布丁先谢谢各位小伙伴啦！