26个数据分析案例——第三站：基于python的药店销售数据分析

26个数据分析案例——第三站：基于python的药店销售数据分析

实验环境

• Python: Python 3.x；

• jupyter

数据说明

当前数据为某医院销售记录，用于记录用户购买药品的相关信息。该数据集包含7个字段，分别是：
• 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。

资料包

链接：https://pan.baidu.com/s/1KdikbuBaTBGDwgZyPgVv4g
提取码：e46q

实验步骤

第一步：加载数据并查看数据详情

1、导入数据：需要用到Python中的xlrd包，代码如下所示。

#导入数据分析包
import pandas as pd
'''
路径中最好不要有中文，或者特殊符号啥的，不然路径会提示错误找不到。
最后将文件放到一个简单的英文路径下
'''
#读取CSV数据，统一先按照字符串读入，之后转换
salesDf=pd.read_csv('data.csv',dtype={
   '社保卡号':str,'商品编码':str})
'''
查看数据基本信息
'''
#打印出前5行，以确保数据运行正常
salesDf.head()

结果如图所示。

2、查看数据类型，代码如下所示。

#查看每一列的数据类型
salesDf.dtypes

第二步：数据清洗

1、选择子集：目的是选择需要分析的列，方法为切片法(loc)，代码如下所示。

subset=salesDf.loc[0:3,'购药时间':'商品名称']
subset

结果如图所示。

2、列名重命名：把’购药时间’改为’销售时间’，代码如下所示。

#列名和新列名对应关系
colNameDict={
   '购药时间':'销售时间'}
'''
inplace=False，数据框本身不会变，而会创建一个改动后新的数据框，默认的inplace是False
inplace=True，数据框本身会改动
'''
salesDf.rename(columns =colNameDict,inplace=True)
salesDf.head()

结果如图所示。

3、缺失数据处理,用dropna 法处理缺失值，处理前数据大小，代码如下所示。

print('删除缺失值前大小',salesDf.shape)

结果如图所示。

4、处理后的数据大小，代码如下所示。

#删除列（销售时间，社保卡号）中为空的行
#how='any'在给定的任何一列中有缺失值就删除
salesDf=salesDf.dropna(subset=['销售时间','社保卡号'],how='any')
print('删除缺失后大小',salesDf.shape)

结果如图所示。

5、数据类型转换：本文数据都是以字符串类型导入的，我们需要将字符串转换为我们需要的数据类型，字符串转换为数值（浮点型），代码如下所示。

'''
运行后，会报警告SettingWithCopyWarning一般信息有两列，一类是Warning警告信息，一类是Error错误信息。
警告的信息不用管，我们只关注错误类型的信息
'''
#字符串转换为数值（浮点型）
salesDf[