astype强制转换不管用_如何用Python进行数据分析

利用手中一份虚拟的朝阳医院销售数据，为大家浅析一下用Python进行数据分析的过程。

数据分析过程

一、理解数据

首先导入excel文件

#导入excel文件

查看数据的基本信息

salesDf.head(3)
salesDf.shape

二、清洗数据

1.选择子集

#数据清洗
#一、选择子集
subsalesDf=salesDf.loc[:,'销售时间':'销售数量']
subsalesDf

选择子集

2.列名重命名

#二、列名重命名
colNameDict={'购药时间':'销售时间'} #构建一个旧列名和新列名对应关系的字典
salesDf.rename(columns=colNameDict,inplace=True) #inplace为True直接在源数据框中进行修改
salesDf

3.缺失值处理

#三、缺失值处理
print("含缺失值：",salesDf.shape)
salesDf=salesDf.dropna(subset=['销售时间','社保卡号'])
print("去掉缺失值后：",salesDf.shape)

缺失值处理

4.数据类型转换

#四、数据类型转换
salesDf['销售数量']=salesDf['销售数量'].astype(float)
salesDf['应收金额']=salesDf['应收金额'].astype(float)
salesDf['实收金额']=salesDf['实收金额'].astype(float)
salesDf['社保卡号']=salesDf['社保卡号'].astype(object)
salesDf['商品编码']=salesDf['商品编码'].astype(object)
print('转换后的数据类型',salesDf.dtypes)

#时间格式转换
#定义数据分割函数,分割字符串之前要先去重
def splitSalesTime(timecolList):
    timeList=[] # timeList[]
    for value in timecolList: # timecolList[]
        strDate=value.split(' ')[0]
        timeList.append(strDate) # timeList[].append(strDate)
        
    timeSer=pd.Series(timeList) # timeSer=pd.Series(timeList[])
    return timeSer

timeSer=salesDf.loc[:,'销售时间']
dateSer=splitSalesTime(timeSer)
print(dateSer)

salesDf.loc[:,'销售时间']=dateSer
#将字符串类型转化为日期类型
salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],format='%Y-%m-%d',errors='coerce')
salesDf.dtypes

数据类型转换

5.数据排序

#五、数据排序
salesDf=salesDf.sort_values(by='销售时间',ascending=True,na_position='first')
salesDf=salesDf.dropna(subset=['销售时间'])
salesDf=salesDf.reset_index(drop=True) # 重新设置索引
salesDf

数据排序

6.异常值处理

salesDf.describe()
queryDf=salesDf.loc[:,'销售数量']>0
salesDf=salesDf.loc[queryDf,:]
salesDf.describe()

异常值处理

三、数据建模

业务指标1：月均消费次数

#业务指标1：月均消费次数,总消费次数//月份数
#总消费次数：同一天内，同一个人发生的所有消费算作一次消费
kpil_Df=salesDf.drop_duplicates(subset=['销售时间','社保卡号']) #删除重复数据
total=kpil_Df.shape[0]

#月份数：时间范围//30=月份
kpil_Df=kpil_Df.sort_values(by='销售时间',ascending=True)
kpil_Df=kpil_Df.reset_index(drop=True)
kpil_Df
#时间范围
startTime=kpil_Df.loc[0,'销售时间']
endTime=kpil_Df.loc[total-1,'销售时间']
day=(endTime-startTime).days
month=day//30
month
kpi1=total//month
kpi1

业务指标2：月均消费金额

#业务指标2：月均消费金额，总金额//月份数
totalMoneyF=salesDf.loc[:,'实收金额'].sum()
monthMoneyF=totalMoneyF/month
monthMoneyF

业务指标3：客单价

#业务指标3：客单价：总消费金额/总消费次数
pct=totalMoneyF/total
pct

业务指标4：分组求和

#业务指标4：消费趋势，画图：
#分组求和
GroupBysales=salesDf
GroupBysales.index=GroupBysales['销售时间']
gb=GroupBysales.groupby(GroupBysales.index.month)
gb
gb.sum()

分组求和