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(shù)據(jù)分析過程分為以下步驟：

（1）提出問題：數(shù)據(jù)分析首先要有個明確的問題。是所有數(shù)據(jù)分析開始的第一步。

（2）理解數(shù)據(jù)：采集數(shù)據(jù)（根據(jù)定義的問題來采集數(shù)據(jù)）、導(dǎo)入數(shù)據(jù)（excel、sql）譬如，讀取excel到python二維框中、了解數(shù)據(jù)

（3）對數(shù)據(jù)進(jìn)行清洗（對數(shù)據(jù)進(jìn)行預(yù)處理）

（4）構(gòu)建模型（對清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，得出業(yè)務(wù)指標(biāo)，復(fù)雜的要用機(jī)器模型的訓(xùn)練）

（5）數(shù)據(jù)可視化（與他人交流你的展示結(jié)果）

例：朝陽醫(yī)院 銷售數(shù)據(jù)

希望知道如下幾個指標(biāo)：月均消費(fèi)次數(shù)、月均消費(fèi)金額、客單價、消費(fèi)趨勢。首先自己必須搞清楚各個指標(biāo)代表什么。和業(yè)務(wù)部門討論清楚。

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

打印出前幾行，以保證數(shù)據(jù)正確讀取了，也了解有哪些列以及他們的特點(diǎn)。

用descript方法來看數(shù)據(jù)的基本信息。

2. 數(shù)據(jù)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(yīng)關(guān)系，然后用rename方法來重命名，參數(shù)inplace，true:表示會改變數(shù)據(jù)框本身，false：會復(fù)制一個新的數(shù)據(jù)框出來，改變他的列名。

如果列名不方便數(shù)據(jù)分析，那么我們要對列名進(jìn)行重命名

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

（4）數(shù)據(jù)類型轉(zhuǎn)換，字符串類型轉(zhuǎn)換為數(shù)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(shù)，可以將一列數(shù)據(jù)的每行數(shù)據(jù)都處理。字符串轉(zhuǎn)換為日期類型，pd.to_datetime(列，格式，errors='coerce');如果不符合格式，會被轉(zhuǎn)化為空值。因?yàn)槿掌诓缓侠?#xff0c;會被置空，所以要執(zhí)行一遍缺失處理數(shù)據(jù)。

（5）數(shù)據(jù)排序；按指定列名排序，默認(rèn)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(shù)據(jù)超出了范圍；用df.describe()來獲取整體數(shù)據(jù)。使用條件判斷，篩選出 銷售數(shù)量>0的數(shù)據(jù)。

3. 分析數(shù)據(jù)

1??月均消費(fèi)次數(shù) = 總消費(fèi)次數(shù) / 月份數(shù)。

同一天內(nèi)、同一個人，發(fā)生的所有消費(fèi)算作一次消費(fèi)。但發(fā)生在同一天的，雖然有兩次消費(fèi)，但也算1次數(shù)據(jù)。

所以要根據(jù)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(fù)數(shù)據(jù)

totalI = kpi1_df.shape[0]; // 有多少行，即總消費(fèi)次數(shù)

（1）排序，df.sort_values(by='消費(fèi)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(jì)算月份數(shù)，（結(jié)束時間-開始時間）.days得出天數(shù)。 /30得出一共幾個月。

總消費(fèi)次數(shù)/月份數(shù)=月均消費(fèi)次數(shù)。

2??月均消費(fèi)金額 = 總消費(fèi)金額/月份數(shù)

totalMoneyF = df.loc[:,'實(shí)收金額'].sum();

monthMoneyF = totalMoneyF / monthsI;

3??客單價 = 總消費(fèi)金額/總消費(fèi)次數(shù)

4??趨勢分析，之后再來。

距離上篇文章，已經(jīng)過去9個月了。重新拾起來。

2019.2.28（12:29）

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。