目录
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。
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:![](https://i-blog.csdnimg.cn/blog_migrate/bfb6e0d3eedb496775f14cb2ffb8369b.png)
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!