使用python做数据分析_如何利用Python怎么进行数据分析

Python 数据分析包知识点

数据分析步骤：

1，提出问题

2，理解数据

3，数据清洗

4，构建模型

5，数据可视化

案例：销售数据分析（朝阳医院销售数据）

1，提出问题：

月均消费次数：月均消费次数=总消费次数 / 月份数

月均消费金额：月均消费金额 = 总消费金额 / 月份数

客单价：客单价=总消费金额 / 总消费次数

客单价（per customer transaction）是指商场（超市）每一个顾客平均购买商品的金额，客单价也即是平均交易金额。

消费趋势，画图：折线图（分组计算和数据可视化课程中验证）

2，理解数据：

1,读取excl数据

（1）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。

最好将文件放到一个简单的英文路径下

（2）使用pandas的read_excel函数读取Ecxcel数据

参数sheet_name：数据在Excel里的哪个sheet下面，这块就写该sheet在excel里的名称

参数dtype=str： 统一先按照字符串读入，之后再转换

2，查看数据信息

3，数据清洗

1，选择子集（本案例不需要子集）

2，列表重命名

3，缺失值处理

python缺失值有3种：

1）Python内置的None值

2）在pandas中，将缺失值表示为NA，表示不可用not available。

3）对于数值数据，pandas使用浮点值NaN（Not a Number）表示缺失数据。

后面出来数据，如果遇到错误：说什么foloat错误，那就是有缺失值，需要处理掉

所以，缺失值有3种：None，NA，NaN

在删除前有数据6578条，删除后，数据还有6575条，说明有3条数据缺失销售时间或者社保卡号

4，数据类型转换

字符串转换为数值（浮点型）

字符转转换为日期数据类型

5，数据排序

ascending=True 表示升序排列，

ascending=True表示降序排列

排序后重新命名行名，使用reset_index,可以将行号修改成从0到N的顺序排列，其中drop=True选项会丢弃原来的索引而设置新的从0开始的索引

6，异常值处理

通过describe方法获取所有这些列的描述信息，排除金额数量为0的负数，经过筛选将那些异常值删除

4，构建模型

1，月均消费次数：月均消费次数=总消费次数 / 月份数,

2，月均消费金额：月均消费金额 = 总消费金额 / 月份数

3，客单价：客单价=总消费金额 / 总消费次数

4，消费趋势，画图：折线图