干货 | 50题带你入门Python数据分析（下）

最新推荐文章于 2023-12-26 18:06:39 发布

CSDN强哥

最新推荐文章于 2023-12-26 18:06:39 发布

阅读量390

点赞数

文章标签： python 数据分析开发语言数据挖掘

前天推送一篇干货 | 50题带你入门Python数据分析（上），今天带来下篇。

开始正文前，还是再提醒一下大家，当当年中庆的促销活动不要错过，满减后可享再优惠。满减的力度相当于打对折，减完后用优惠码再减30元，相当于4折购书。扫下方菊花码进入

结算时输入优惠码3PAZJU，折后满150就能再减30

显示列唯一值

df[''].unique() ⚠️这里显示具体的唯一值

显示列唯一值个数

df[''].nunique() ⚠️这里显示的是唯一值个数

返回列最大/小值的索引

df[''].idxmax()

df[''].idxmin()

返回列前几个大/小的元素值

df[''].nlargest(这里指定几个)

df[''].nsmallest(这里指定几个)

列的值进行截断

df[''].clip(min,max) #这里将小于min的值变成min,max同理

列的值进行替换

df[''].replace("旧的","新的")
df.replace('列':""旧的","新的")

利用索引进行排序

df.set_index('列')

Pandas画折线图

df.plot(x='', y='')
plt.show()

Pandas画条形图

df.plot(x='', y=''，kind='bar')
plt.show()

Pandas画水平条形图

df.plot(x='', y=['','']，kind='barh')
plt.show()

Pandas画散点图

df.plot(x='', y=''，kind='scatter')
plt.show()

Pandas画饼图

df.index=[] #重新定义显示的索引
df.plot(x='', y=''，kind='pie',legend=False) #设置不显示图例
plt.show()

Pandas画箱型图

df.plot(y=''，kind='box') #箱型图非常有利于看数据分布
plt.show()

Pandas画直方图

df.plot(y=''，kind='hist') 
plt.show()

Pandas画多个图在同一张画布

df.plot(kind='',
       y=['',''],
       subplots=True, #多子图并存
       layout = (1,2), #子图排列一行二列
       title='',
       figsize(10,5))
plt.show()

业务指标：计算月均消费次数

这里我们以朝阳医院销售数据集为例：

月均消费次数=总消费次数 / 月份数

总消费次数：同一天内，同一个人发生的所有消费算作一次消费。这里我们根据列名（销售时间，社区卡号）结合，如果这两个列值同时相同，只保留1条，将重复的数据删除

月份数：数据已经按照销售时间进行排序，只需将最后的数据与第一条数据相减就可换算出月份数

#总消费次数计算
kpDf = salesDf.drop_duplicates(subset=['销售时间','社保卡号'])
total = kpDf.shape[0]
print('总消费次数为：',total)

#月份数计算
startDay = salesDf.loc[0,'销售时间']
print('开始日期:',startDay)
endDay = salesDf.loc[salesDf.shape[0]-1,'销售时间']
print('结束日期:',endDay)
monthCount = (endDay - startDay).days//30
print('月份数:',monthCount)

#业务指标:月均消费次数=总消费次数 / 月份数
kpi1 = total / monthCount
print('业务指标1：月均消费次数=',kpi1)

业务指标：计算月均消费金额

月均消费金额 = 总消费金额 / 月份数

totalMoney = salesDf['实收金额'].sum()
kpi2 = totalMoney / monthCount
print('业务指标2：月平均消费金额=',kpi2)

业务指标：计算客单价

客单价=总消费金额 / 总消费次数

kpi3 = kpi2 / kpi1
print('业务指标3：客单价=',kpi3)

下面介绍有趣且实用的分析模型

RFM模型

首先介绍一下什么是RFM模型：RFM模型是以用户的实际购买行为数据，将用户群体进行分类，其中

R（Recency）:表示客户最近一次购买的时间距离现在有多远

F（Frequency）:表示用用户在定义时间段内购买产品或服务的次数

M（Monetary）:表示用户在定义时间段内购买产品或服务的金额然后再更具R、F、M指标进行客户的细致分类：包括重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户等八类用户。

再根据模型提出以下问题：1、谁是你最好的客户 2、有哪些客户在流逝的边缘 3、有哪些客户能转化能为公司创造更多的价值 4、你必须保留哪些客户 5、谁是你的忠实客户 6、哪些客户有最大的转化率和可能性

可以查看我的这篇文章：

实战 | 航空公司客户价值分析-LRFCM模型

AARRR模型

AARRR是Acquisition、Activation、Retention、Revenue、Refer，这个五个单词的缩写，分别对应用户生命周期中的5个重要环节。

SWOT分析

SWOT（企业战略分析方法）指SWOT分析法。SWOT分析，即基于内外部竞争环境和竞争条件下的态势分析，就是将与研究对象密切相关的各种主要内部优势、劣势百和外部的机会和威胁等。

可以查看我的这篇文章：

产品报告｜利用SWOT模型分析趣头条APP

STAR法则

STAR法则,即为Situation Target Action Result的缩写，具体含义是:

Situation: 事情是在什么情况下发生

Target 你是如何明确你的目标的

Action: 针对这样的情况分析，你采用了什么行动方式

Result: 结果怎样，在这样的情况下你学习到了什么

简而言之，STAR法则，就是一种讲述自己故事的方式，或者说，是一个清晰、条理的作文模板。不管是什么，合理熟练运用此法则，可以轻松的对面试官描述事物的逻辑方式，表现出自己分析阐述问题的清晰性、条理性和逻辑性。

HMW分析法

HMW是什么？

How Might We = 我们可以如何 = 有什么办法

找方向：HMW = 解决这个问题的方向，打开思考的困局

拓展思路：把一个小问题大幅拓展，把问题想透

头脑风暴：暂时不需要考虑具体的方案，让头脑风暴更高效

创新点：让每个吐槽都可能被变成创新点

HMW什么时候用？

头脑风暴前：解决头脑风暴效率的问题

分析用户反馈：在碰到用户反馈，马上用HMW分析

和领导PK：用HMW对付领导是一个好办法

六顶思考帽

推荐阅读：我听过关于“六顶思考帽”最通俗易懂的解释

紧急重要四象限

这对于我们平时数据分析或者安排工作是都很有帮助：

复利思维模型

从下面两组公式你看出了什么？

不管做什么工作，什么身份，只要你每天坚持比别人多做一点点，人生的积累将会大不同。而如果你每天都懈怠一点点，你有的也几乎会全部被剥夺。奥利给🍔