本文所使用的数据放置在如下网盘,需要自行实验的可自取
——摘自2022年全国大学生数据分析大赛
链接:https://pan.baidu.com/s/1rgOaS6SgUJvb5Matpuj6xg?pwd=k65s
提取码:k65s
题目要求
对所有药品品牌进行分析,一共包含多少个品牌,各品牌的销售额占比如何?给出销售额占比最高的 10 个品牌,并分析这 10 个品牌销售较好的原因?
利用 Excel 筛选发现,parameter 和 brand 均存在缺失值,
其中 ,parameter 的数据长这样
品牌:FANCL||系列:综合营养包||生产企业:FANCL株式会社
下面附上代码处理
# -*- coding: UTF-8 -*-
import pandas as pd
from pandas import DataFrame
#判断是否为空白值
def is_nan(nan):
return nan!=nan
infodata = pd.read_csv('data.csv',low_memory = False)
brandLst = infodata['brand'].tolist()
parameterLst = infodata['parameter'].tolist()
brand = []
for i in range(0,len(brandLst)):
if not is_nan(brandLst[i]):
brand.append(brandLst[i])
elif is_nan(brandLst[i]) and not is_nan(parameterLst[i]):
parameter = parameterLst[i].split('||')
for x in parameter:
if '品牌:' in x:
tmp = x[3:len(x)]
brand.append(tmp)
break
else:
brand.append('other/其他')
outdata={'brand':brand}
df=DataFrame(outdata)
df.to_csv('result.csv')