解決常見問題：

微信公眾號中閱讀量最高的前10篇文章是哪些？

藥店中每個月的銷售金額是多少？

數據分析過程分為以下步驟：

（1）提出問題：數據分析首先要有個明確的問題。是所有數據分析開始的第一步。

（2）理解數據：采集數據（根據定義的問題來采集數據）、導入數據（excel、sql）譬如，讀取excel到python二維框中、了解數據

（3）對數據進行清洗（對數據進行預處理）

（4）構建模型（對清洗后的數據進行數據分析，得出業務指標，復雜的要用機器模型的訓練）

（5）數據可視化（與他人交流你的展示結果）

例：朝陽醫院 銷售數據

希望知道如下幾個指標：月均消費次數、月均消費金額、客單價、消費趨勢。首先自己必須搞清楚各個指標代表什么。和業務部門討論清楚。

解決問題之前，首先需要看數據集的基本信息，先用ExcelFile方法將數據讀取到數據框中，我們加入了dtype方法，是希望所有數據都按字符串的方式讀取出來。以保證數據的正確性。

打印出前幾行，以保證數據正確讀取了，也了解有哪些列以及他們的特點。

用descript方法來看數據的基本信息。

2. 數據清洗步驟

（1）選擇子集；使用切片的冒號，使用loc屬性可以獲取指定范圍

好多列，那么有時候我們只需要幾列；

（2）列名重命名；首先建立一個舊新列名的對應關系，然后用rename方法來重命名，參數inplace，true:表示會改變數據框本身，false：會復制一個新的數據框出來，改變他的列名。

如果列名不方便數據分析，那么我們要對列名進行重命名

（3）缺失數據處理；記錄缺失錯誤，直接刪除缺失數據，如果缺失值太多，那么我們可以通過建立模型的方式來補充這些數據。不能有缺失值的列，可以用dropna來刪除空數據，參數subset用于存放刪除指定列的列表，第二個參數how，用于指定如何刪除數據，how="any"表示任何一列有缺失值，都直接刪除。可以看前后數據，saleDf.shape，行數差了多少。

（4）數據類型轉換，字符串類型轉換為數字類型。.astype('float');，例如日期只需要日期，不需要星期幾，那么用.split分割字符串就可以。定義函數，可以將一列數據的每行數據都處理。字符串轉換為日期類型，pd.to_datetime(列，格式，errors='coerce');如果不符合格式，會被轉化為空值。因為日期不合理，會被置空，所以要執行一遍缺失處理數據。

（5）數據排序；按指定列名排序，默認排序算法快排序。by=列名，ascending=true:降序；false:生序。重命名行號，df.reset_index()

（6）異常值處理，有些數據超出了范圍；用df.describe()來獲取整體數據。使用條件判斷，篩選出 銷售數量>0的數據。

3. 分析數據

1??月均消費次數 = 總消費次數 / 月份數。

同一天內、同一個人，發生的所有消費算作一次消費。但發生在同一天的，雖然有兩次消費，但也算1次數據。

所以要根據日期和社保卡號來去重。只保留一條。

kpi1_df=df.drop_duplicates(subset=['銷售時間','社保卡號']); // 刪除重復數據

totalI = kpi1_df.shape[0]; // 有多少行，即總消費次數

（1）排序，df.sort_values(by='消費時間',ascending=true) // 按銷售時間生序排序

kpi1df = kpi1df.reset_index(drop=true) // 重命名行名 index

（2）獲取時間范圍：第一行是最小時間，第二行是最大時間

（3）計算月份數，（結束時間-開始時間）.days得出天數。 /30得出一共幾個月。

總消費次數/月份數=月均消費次數。

2??月均消費金額 = 總消費金額/月份數

totalMoneyF = df.loc[:,'實收金額'].sum();

monthMoneyF = totalMoneyF / monthsI;

3??客單價 = 總消費金額/總消費次數

4??趨勢分析，之后再來。

距離上篇文章，已經過去9個月了。重新拾起來。

2019.2.28（12:29）

總結

以上是生活随笔為你收集整理的获取inout框中未改变值的数据_数据分析10——数据分析的基本过程（02）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。