案例学习|Python实现某医院药品销售分析

数据分析的基本过程一般分为以下几个部分：

• 提出问题
• 获取并理解数据
• 数据清洗
• 构建模型
• 数据可视化

1.提出问题

在数据分析之前，我们先要明确分析目标，可以帮助我们更高效的选取数据，进行分析研究。

本次的分析目标是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

有了分析目标，我们再来关注一下数据情况。

2.获取并理解数据

这里的数据集来源于微信公众号【数据分析1480】

我们先导入数据集，看看数据基本情况
1）导入数据处理相关库

import pandas as pd

2）导入数据，并理解数据

df=pd.read_excel('某医院2018年销售数据.xlsx')
df.head(5)

读取时默认将第一行作为标题行，打印前5行观察数据，发现数据表的基本信息包括"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”。

#检查数据基本情况（缺失值、数据类型、行列情况等）
df.info()

行列：6578行x7列
缺失值：明显发现各项均小于6578，都存在缺失值
数据类型：各列数据类型object、float64…

#进行描述性统计
df.describe()

这里社保卡号和商品编号无实际意义，不考虑。
只看后三列，结果中最小值出现负数，需要关注

3.数据清洗

从上面的数据来看，我们明显发现存在缺失值，异常值，并不能马上就开始进行数据分析。这些数据都会使我们的分析结果产生偏差。
在分析之前，需要进行子集选择、缺失数据补充、异常值处理、数据类型转换等多个步骤。这些都属于数据清理的范畴。 在数据分析中，通常有多达60%的时间是花在数据清洗中的。通常的清洗步骤有以下几步：
• 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
这些步骤有些不是一步就能完成的，可能需要重复操作。

现在开始对药店销售数据进行数据清洗。

1）选择子集

药店销售数据中，项目较少，选择子集可以忽略，我们从列名重命名开始。

2）列名重命名

销售数据集，购药时间显示为销售时间更为合理，我们先把这个项目名称做一下变更。

nameChangeDict = {
   '购药时间':'销售时间'}
#参数inplace=True表示覆盖元数据集
df.rename(columns = nameChangeDict,inplace=True)
df.head(5)

3）缺失值处理