python实际案例分析_将python运用到实际案例分析中（第四关作业）

将python运用到实际案例分析中(第四关作业)

本章节主要分为两个部分，一是理解数据分析，二是分析销售数据案例析销售数据案例

一、理解数据分析

此处又分为一维数据分析、二维数据分析

一维数据分析用Numpy(array)和pandas(series)

用Numpy定义一维数据：a=np.array([1,2,3,4]), 可以实现查询元素、切片访问、查看数据类型等多种功能

用pandas定义一维数据：a=pd.series([1,2,3,4]), 可以用Stocks.descbibe()用于获取统计信息，iloc属性用于根据位置获取值，loc属性用于根据索引获取值

二维数据分析用Numpy(array) 和pandas(dataframe)

定义二维数据：a=np.array([1,2,3],[4,5,6]),可以查询元素，获取某行或某列数据。

pandas表示数据框(dataframe)时，可制作有序的数据框，计算平均值，iloc属性用于根据位置查询值，loc属性用于根据索引查询值。

二、销售数据分析案例

解决问题的思路：提出问题—理解数据—数据清洗—构建模型——数据可视化

其中，1.提出问题：本案例中业务指标1-3是需要解决的问题，需根据提出的问题构建模型。

业务指标1：月均消费次数=总消费次数/月份数

业务指标2：月均消费金额=总消费金额/月份数

业务指标3：客单价=总消费金额/总消费次数

2.数据清洗步骤：选择子集、列表重命名、缺失数据处理、数据类型转换、数据排序、异常值处理

以下为第四章作业代码汇总：

ps：本来有截图修改过的，但是一导入文档又变成之前的图片了，所以看上去有一点混乱。

食品药品的案例

读取表格数据

SalesDf.head()打印前5行

查看列的数据类型：dtype

有多少行多少列：shape

每一列的统计数：SalesDf.describe()

、