pandas series 相加_numpy 和 pandas包

本文为记录学习用python数据分析包：numpy 和 pandas 的过程，总结来说学习过程总体较为顺畅，因基础比较巩固，大部分代码原理能够理解，后续就是多打代码，多运用，熟悉各种用法，把学习到的东西化为己用。

【主要内容】：

1.一维数据分析

2.二维数据分析

3.通过案例展示数据分析的步骤

【可用参考资料】：

（1）Numpy：

Quickstart tutorial​docs.scipy.org

（2）Pandas:

10 minutes to pandas​pandas.pydata.org

（一）一维数据分析

#导入numpy包

NumPy 一维数组

#定义一组数组array

一维数据分析：Pandas

#定义：Pandas一维数据结构:Series

（二）二维数据分析

#导入包

二维数据分析：NumPy

'''

Numpy数轴参数：axis

#如果没有指定数轴参数，会计算整个数组的平均值

Pandas二维数组：数据框（DataFrame）

定义数据框

'''

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 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69.00 1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28.0 24.64 2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15.00

#平均值：是按每列来求平均值

查询数据：iloc属性用于根据位置获取值

'''

查询数据：loc属性用于根据索引获取值

'''

数据框复杂查询：切片功能

#通过列表来选择某几列的数据

商品名称 销售数量 0 强力VC银翘片 6 1 清热解毒口服液 1 2 感康 2

#通过切片功能，获取指定范围的列

购药时间 社保卡号 商品编码 商品名称 销售数量 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 2 2018-01-06 星期三 0012602828 236701 感康 2

数据框复杂查询：条件判断

#通过条件判断筛选

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 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69.0 2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15.0

查看数据集描述统计信息

#读取Ecxcel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 0 2018-01-01 星期五 1616528.0 236701.0 强力VC银翘片 6.0 82.8 69.00 1 2018-01-02 星期六 1616528.0 236701.0 清热解毒口服液 1.0 28.0 24.64 2 2018-01-06 星期三 12602828.0 236701.0 感康 2.0 16.8 15.00

#有多少行，多少列

（三）数据分析的步骤

#import the data analysis package（导入数据分析包）

1.Ask questions（提出问题）

【1】月均消费次数 【2】月均消费金额 【3】客单价 【4】消费趋势

2.Understand the data（理解数据）

【1】Read Excel data（读取Excel数据）

#Read Excel data,read in according to STR first,then convert（读取Excel数据，统一先按照str读入，之后转换）

【2】Print the first few lines(打印前几行)：saleDff.head()

#Print out the first 3 lines to make sure the data is running properly(打印出前3行，以确保数据运行正常)

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 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69 1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28 24.64 2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15

【3】How many rows,how many columns(有多少行多少列）

salesDf

【4】View the data type of the column(查看列的数据类型)

salesDf

3.Data cleaning（数据清洗）

【1】select a subset（选择子集）

#There is no need to select a subset in this case（本案例不需要选择子集）

购药时间 社保卡号 商品编码 商品名称 销售数量 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 2 2018-01-06 星期三 0012602828 236701 感康 2 3 2018-01-11 星期一 0010070343428 236701 三九感冒灵 1 4 2018-01-15 星期五 00101554328 236701 三九感冒灵 8

【2】column to rename（列重命名）

#Dictionary, correspondence between old column names and new column names（字典，旧列名和新列名的对应关系）

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 0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69 1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28 24.64 2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15

【3】missing data processing（缺失数据处理）

print

【4】Conversion of data types(数据类型的转换)

(1)The string is converted to a floating point number(浮点数）

salesDf

(2)Processing date(处理日期）

#String spliting (字符串分割)

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 0 2018-01-01 001616528 236701 强力VC银翘片 6.0 82.8 69.00 1 2018-01-02 001616528 236701 清热解毒口服液 1.0 28.0 24.64 2 2018-01-06 0012602828 236701 感康 2.0 16.8 15.00

(3)String conversion date (字符串转换日期)

# errors= 'coerce',如果原始数据不符合日期格式，转换后的值为NaT

【5】Sort(排序）

'''

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 0 2018-01-01 001616528 236701 强力VC银翘片 6.0 82.8 69.0 2698 2018-01-01 0013448228 861507 苯磺酸氨氯地平片(安内真) 1.0 9.5 8.5 264 2018-01-01 00101470528 236709 心痛定 4.0 179.2 159.2

Rename the row name(重命名行名）

salesDf 

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 0 2018-01-01 001616528 236701 强力VC银翘片 6.0 82.8 69.0 1 2018-01-01 0013448228 861507 苯磺酸氨氯地平片(安内真) 1.0 9.5 8.5 2 2018-01-01 00101470528 236709 心痛定 4.0 179.2 159.2

【6】异常值处理

salesDf

销售数量 应收金额 实收金额 count 6549.000000 6549.000000 6549.000000 mean 2.384486 50.449076 46.284370 std 2.375227 87.696401 81.058426 min -10.000000 -374.000000 -374.000000 25% 1.000000 14.000000 12.320000 50% 2.000000 28.000000 26.500000 75% 2.000000 59.600000 53.000000 max 50.000000 2950.000000 2650.000000

The data was screened through conditional judgment(通过条件判断筛选出数据)

#remove outliers:The data was screened through conditional judgment（删除异常值：通过条件判断筛选出数据）

Business indicator 1 : Monthly average consumption times(业务指标1：月均消费次数)

Monthly consumption times = Total consumption times/Monthly number

ALL consumption by the same person on the same day counts as one consumption

#Total consumption times (总消费次数)

Business indicator 2：monthly consumption （业务指标2：月均消费金额）

Total consumption / Monthly number（总消费金额/月份数）

#Total consumption（总消费金额）

Business indicator 3：unit price（业务指标3：客单价）

Total consumption /Total consumption times(总消费金额/总消费次数)

'''