一、一维数据分析
Numpy和Pandas都有表示一维数据的特殊数据结构
pandas中一维数据结构叫Series
Numpy中一维数据结构叫数组Array
(一)Numpy
1、一维数组定义与查询
切片访问
数据类型
2、Numpy一维数组与列表的区别
(1)统计功能
(2)向量化运算
(3)Numpy数组中的每个元素都必须是相同数据类型,而列表元素可以是不同数据类型
(二)Pandas一维数组结构
Series与Numpy最大的区别是有索引,定义时可以使用Index来指定索引
1、定义
2、获取描述统计信息
3、获取值的两种方法
(1)iloc属性用于根据位置获取值
(2)loc用于根据索引获取值
4、向量相加
处理空值的方法
二、二维数据分析
Numpy中用Array数组
Pandas中用DataFrame
(一)Numpy
1、Numpy数据结构
2、Numpy数轴参数
(1)数轴参数axis,指定参数值可以按某一行或某一列来计算
(2)axis=1是按行进行计算
axis=0是按列进行计算
(二)Pandas
Pandas二维数组相较于Numpy二维数组有两个优点
第一,数据框每一列可以是不同数据类型,方便表示Excel中的内容
第二,有索引功能,二维表格每一行每一列都有一个索引值
1、有序数据框
2、平均值计算
计算的是每列的平均值
3、如何查询数据框里的数据
(1)iloc用于根据位置查询
(2)loc用于根据索引查询值
(3)
4、通过条件判断筛选出符合要求的数据
(1)构建查询条件
(2)应用查询条件
5、数据框可以查看数据集描述统计信息
三、销售数据分析
分析的步骤:提出问题,理解数据(采集数据,导入数据,查看数据集的信息),数据清洗,构建模型,数据可视化
1、提出问题
数据:朝阳医院销售数据.xlsx
日均消费次数,月均消费金额,客单价,消费趋势
2、理解数据
3、数据清洗
步骤:选择子集,列名重命名,缺失值处理,数据类型转换,数据排序,异常值处理
(1)选择子集
本案例不需要选择子集
选择子集的方法为
(2)列名重命名
将购药时间改为销售时间
(3)缺失值处理
社保卡号与销售时间不能为空,用删除的办法去掉空值
(4)数据类型转换
将字符串类型转换为数字类型
日期处理
(5)数据排序
每一列的描述统计分析
(6)异常值处理
4、构建模型
(1)业务指标:月均消费次数=总消费次数/月份数
总消费次数:同一天内,同一人发生的所有消费算作一次消费
在计算总消费次数时需要根据‘销售时间’与‘社保卡号’判断出哪些数据是重复的
就是两个都相同的数据里去掉重复数据,只保留一条数据
(2)业务指标2:月均消费金额=总金额/月份数
(3)业务指标3:客单价=总消费金额/总消费次数