基于python的药店管理系统_Python实践案例：药店销售数据分析

Python中用于处理大量数据的包主要是numpy和pandas，常用于提取以及分析大量数据的有用指标。而Python只是工具，最重要的是分析者对数据的分析思维及对业务指标的理解，利用有用工具对具体数据做出分析，提取有用信息，并将数据可视化，给出分析报告。

一般数据分析的步骤主要有五步。分别是提出问题、理解数据、数据清洗、构建模型、数据可视化。下面就按这些步骤并利用pandas对某药店的销售数据进行分析。

一、提出问题

拿到一份数据，首先是对数据的理解，对各个指标的含义的理解，然后就是提出问题，确定分析目标。再者是确定分析工具，一般数据量比较大的需要用到Python，下面是用Python读取了Excel数据的结果。

由此可以知道，数据共有6578条，7个指标。指标主要反映了客户在某时间购买了某种金额为多少的某种商品，站在商家的角度，希望了解药物的销售情况，可以得出以下几个分析目标：1)月均消费次数；2)月均消费金额；3)客单价；4)月消费总额。

二、数据清洗

数据清洗是指对原数据进行整理，提取有用的数据，一般有以下六个步骤：选择子集、列名重命名、缺失数据处理、数据类型转换、数据排序、异常值处理。选择子集

选择子集是指提取出对分析数据指标有用的指标，这里所包含的指标都对分析有用，不需要进行选择。列名重命名

对一些指标进行重命名，方便理解和分析。案例中"购药时间"改为"销售时间"更方便理解。缺失值处理

缺失值处理是对数据中出现空值的行进行删除ÿ