1.一维数据分析
1.1numpy
1.2 pandas
#定义:Pandas一维数据结构:Series(注意首字母大写),由一组数据和数据标签组成,数据标签有索引的作用
2.二维数据分析
2.1 numpy
2.2pandas
| 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 |
---|
2.2.1查询数据
iloc属性:基于元素
loc属性:基于位置
2.2.2数据框复杂查询
切片
条件判断
| 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 |
---|
##也可通过query方法,把字符串形式的查询表达式传入 query 方法来查询数据
| 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 |
---|
查看数据集描述统计信息
| 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 |
---|
3.案例:药店销售数据分析
提出问题
从销售数据中分析出以下业务指标: 1)月均消费次数2)月均消费金额3)客单价4)消费趋势
| 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 |
---|
3.2数据清洗
| 销售时间 | 社保卡号 | 商品编码 | 商品名称 | 销售数量 | 应收金额 | 实收金额 |
---|
| 销售时间 | 社保卡号 | 商品编码 | 商品名称 | 销售数量 | 应收金额 | 实收金额 |
---|
## .sort_values方法 ps:ctrl+/ 可快速注释
| 销售时间 | 社保卡号 | 商品编码 | 商品名称 | 销售数量 | 应收金额 | 实收金额 |
---|
#重命名行名(index):排序后的列索引值是之前的行号,需要修改成从0到N按顺序的索引值
| 销售时间 | 社保卡号 | 商品编码 | 商品名称 | 销售数量 | 应收金额 | 实收金额 |
---|
构建模型
业务指标1:月均消费次数=总消费次数/月份数
指标2:月均消费金额 = 总消费金额 / 月份数
指标3:客单价=总消费金额 / 总消费次数
指标4:消费趋势,画图:折线图
#在进行操作之前,先把数据复制到另一个数据框中,防止对之前清洗后的数据框造成影响
| 销售时间 | 社保卡号 | 商品编码 | 商品名称 | 销售数量 | 应收金额 | 实收金额 |
---|
销售时间 | | | | | | | |
---|