利用Pandas進行醫院銷售數據分析

本文包括兩個部分，第一部分講解Numpy和Pandas應用基礎，第二部分引入案例。

1.Numpy和Pandas基礎

Numpy與Pandas是Python中數據分析常用的兩個擴展包。Numpy提供數組支持以及相應的高效處理函數，同時很多高級擴展包依賴它，例如：Scipy、Matplotlib、Pandas。Pandas是Python最強大的數據分析和探索工具。

*使用前需要在Anacoda Prompt中安裝Numpy與Pandas包，安裝代碼為conda install numpy,conda install pandas。

1.1. 一維數據結構

Numpy與Pandas包中均有一維數組結構，Numpy中為Array，Pandas中為Series。雖然Pandas中功能更為豐富，但Pandas是以Numpy為基礎的，所以首先從Numpy學起。以下用表格展示在Numpy與Pandas包中一維數組的各項操作，建議電腦端大圖觀看。

1.2. 二維數據結構

二維數據結構是指有行又有列的數據結構。在Numpy中通過Array創建二維數組，在Pandas中通過數據框（DataFrame）創建二維數組。其中Pandas的DataFrame比起Array，有兩個優點：1是每一列的數據類型可以不同，能夠操作類似excel表格的數據；2是有類似Series中的索引。

2.醫院銷售數據分析

一般的數據分析過程分為以下5步：

2.1.提出問題

一切數據分析的目標是為了解決工作和生活中的實際問題，明確的問題為後續分析過程提供了一個目標，是數據分析的第一步。

2.1.1.在本案例中，從銷售數據中分析出以下業務指標：

1）月均消費次數2）月均消費金額3）客單價4）消費趨勢

2.2.理解數據

理解數據包括三個方面，一是採集數據，要根據所分析的問題採集相關數據；二是導入數據，包括從Excel和Web端導入數據；三是查看數據集信息，比如描述統計信息。

2.2.1.採集數據：

本案例已採集數據，關注猴子聊人物公眾號，回復資料獲取朝陽醫院2018年銷售數據.xlsx。

2.2.2.導入數據：

2.2.3.查看數據集信息：

2.3.數據清洗

也叫數據預處理。一次數據分析有大約60%的時間花在數據清洗過程。數據清洗分為以下6個步驟：

2.3.1.選擇子集：

有時候數據集中有很多列，其中只有一部分是我們需要的，此時需要選擇數據集的子集作為研究對象。

本案例不需要選擇子集，下面介紹選擇子集的一般方法：

2.3.2.列名重命名：

如果數據列名不符合使用習慣，或不方便用來數據分析，需要對列名進行重命名。

2.3.3.缺失數據處理：

原始數據由於記錄缺失會有缺失值，一般直接刪除缺失值。如果缺失數據較多，可通過建立模型插值來補充數據。通過前序工作查看工作表信息已知行列數分別為6578行, 7列。

2.3.4.數據類型轉換：

*字元串分割：在"銷售時間"列中提取銷售日期

*數據類型轉換：將字元串轉換為日期

2.3.5.數據排序：

通過數據排序可以快速確定數據範圍。以下按升序排序銷售日期。

2.3.6.異常值處理：

2.4.構建模型

對清洗後的數據進行分析。簡單的分析就是得出一些業務指標，複雜的分析需要運用機器學習的演算法訓練模型。

2.4.1.業務指標1:月均消費次數=總消費次數 / 月份數

2.4.2.指標2：月均消費金額 = 總消費金額 / 月份數

2.4.3.指標3：客單價=總消費金額 / 總消費次數

客單價（per customer transaction）是指商場（超市）每一個顧客平均購買商品的金額，客單價也即是平均交易金額。

2.4.4.指標4：消費趨勢

2.5.數據可視化

與他人交流數據分析結果最好的方式是圖表。

畫圖在可視化章節具體講解。

推薦閱讀：