這樣做，你也會數據分析

一直認為數據分析是神秘高大的一項工作，心裡對從事這種工作的人充滿了崇拜之情，總幻想自己也能成為其中一員，牛逼哄哄的讓大家仰視。今天要寫的就是跟著老師的套路也能做數據分析啦~，當然是要用到Python編程的哦。

數據分析的幾個步驟是必須要牢記於心滴。以後分析一項指標，做項目前，先捋下這幾個步驟就錯不了。

提出問題就是，要明確自己的目的，是為了解決什麼問題，需要得出什麼樣的指標，等等。本案例以一家藥店的銷售流水明細為數據源，想要知道「月均消費次數，月均消費金額，客單價等指標。

第一步，數據的導入。需要把原始數據源，這裡是excel表格，導入到jupyter notebook中。讀取excel數據的前提是，python中安裝了pandas和xlrd這兩個包。具體代碼如不清楚可以自行百度。讀取數據之後，利用一些常用的代碼，head()、shape、dtypes查看數據是否讀入正確。

第二步，數據的清洗。需要注意的是數據的清洗是需要反覆多次完成的，並不是一次就可以的。這要根據我們最初的問題進行的。數據清洗的一般步驟如下：，一共多少行多少列，數據類型特徵。這樣可以更好的理解數據。

（1） 選擇子集的方法：一般loc方法：pandas中數據框的切片功能

下面是我選擇的前5行，購葯時間到銷售數量這兩個之間的列。

subSalesDf=salesDf.loc[0:4,購葯時間:銷售數量]

（2）列名重命名的方法：數據框的rename方法

一般先定義一個舊列名和新列名對應關係的字典，然後用數據框的rename方法。

下面是我將「購葯時間」這列重命名為「銷售時間」

colNameDict={購葯時間:銷售時間}salesDf.rename(columns=colNameDict,inplace=True) #參數inplace為True表示重命名在原始數據框上，為False表示，原始數據框不變，會有一個新的命名後的數據框產生

（3）缺失數據處理方法：dropna方法

#刪除列（銷售時間，社保卡號）中為空的行#how=any在給定的任何一列中有缺失值就刪除salesDf=salesDf.dropna(subset=[銷售時間,社保卡號],how=any)

（4）數據類型轉換方法：

#字元串轉換為數值（浮點數）salesDf[銷售數量]=salesDf[銷售數量].astype(float)salesDf[應收金額]=salesDf[應收金額].astype(float)salesDf[實收金額]=salesDf[實收金額].astype(float)#字元串轉換日期salesDf.loc[:,銷售時間]=pd.to_datetime(salesDf.loc[:,銷售時間], format=%Y-%m-%d,errors=coerce)

此處，還有個知識點就是字元串的分割。一般用split方法

#字元串分割testList=2018-06-03 星期五.split( )#傳入的是分割符是空格

（5）數據排序方法：sort_values

#按銷售日期進行升序排列salesDf=salesDf.sort_values(by=銷售時間,ascending=True)

注釋：by：表示按哪幾列排序，ascending=True，表示升序排列，ascending=False，表示降序排列

（6）異常值處理方法：根據數據框的複雜查詢功能：條件判斷

#刪除異常值，通過條件判斷篩選出數據#查詢條件querySer=salesDf.loc[:,銷售數量]>0#應用查詢條件print(刪除異常值前：,salesDf.shape)salesDf=salesDf.loc[querySer,:]print(刪除異常值後：,salesDf.shape)

第三步，就是構建模型。

首先，我們需要月均消費次數這個指標，月均消費次數=總消費次數/月份數，總消費次數是同一天內，同一個人發生的所有消費次數要算作一次消費，所以，這裡要對銷售時間和社保卡號這兩列相同的要算作一條數據，要刪除重複項。

刪除重複項的方法：drop_duplicate

kpi1_Df=salesDf.drop_duplicates(subset=[銷售時間,社保卡號])

然後，統計行數。就是總消費次數了

totalI=kpi1_Df.shape[0]

月份數獲取方法：先把銷售時間這列升序排，獲取時間範圍，除以30就可以了。

#月份數獲取方法，先排序，獲取時間範圍，計算月份數

kpi1_Df=kpi1_Df.sort_values(by=銷售時間,ascending=True)

#重命名行名（index）

kpi1_Df=kpi1_Df.reset_index(drop=True)

#獲取時間範圍

#最小時間值

startTime=kpi1_Df.loc[0,銷售時間]

#最大時間值

endTime=kpi1_Df.loc[totalI-1,銷售時間]

#計算月份數

#天數

daysI=(endTime-startTime).daysmonthsI=daysI//30 #//運算符表示取整除

月均消費次數=總消費次數/月份數，月均消費金額=總消費金額/月份數，客單價=總消費金額/總消費次數

經過前面對數據的清洗處理，就可以完成相應指標的計算了。數據可視化會在以後的教程中學習，所以這裡就不提及了。

上面的步驟，可以算作一個比較簡單標準的數據分析流程了。也非常期待以後的學習~~