lisp 读取dwg 统计信息_Python学习笔记——数据统计

数据分析是以数据统计为基础的，而在数据统计之前，需要对收集到的数据进行清洗，得到有效的数据，以保证数据统计的准确性。本文以某医院的药品销售数据为例，对从数据清洗到计算出月均消费次数、月均消费金额和客单价这三个指标的过程进行详细描述，希望对学习使用Python进行数据统计的小伙伴有所参考。

一、数据清洗。数据清洗一般分为常规清洗与业务指标清洗。常规清洗包含变更列名、变更数据类型与空值处理。业务指标清洗是指根据对统计指标的理解所作的必要清洗，常见的有异常值处理和去重清洗这两种。

（一）常规清洗

1. 读取数据。数据文件是xlsx格式，放在本地D盘，此次读取的是Sheet1工作表，并将数据集命名为CYsalsDf。

fileNameStr = 'D:/朝阳医院2018年销售数据.xlsx'
xls = pd.ExcelFile(fileNameStr, dtype = 'object')
CYsalsDf = xls.parse('Sheet1', dtype = 'object')

运行之后报错了。不要着急，快速浏览报错信息，NameError告诉我们语句中的pd没有定义，初步判断应该是没有导入pandas库导致报错。

import pandas as pd

导入pandas库之后，再运行读取文件的代码就正常了。

2. 查看数据表头。通过以下代码，我们知道文件表头包含7个字段，及数据前5行的字段内容，由此我们对数据有了初步的了解。

CYsalsDf.head()

3. 变更列名。为了方便理解，我们把购药时间修改为销售时间。

colNameDict = {
    '购药时间' : '销售时间'}
CYsalsDf.rename(columns = colNameDict, inplace = True)

4. 查看数据类型。数据字段全部是object类型，但根据我们的观察，销售数量、应收金额与实收金额这三个字段应该数值类型或者浮点数类型。

CYsalsDf.dtypes