數(shù)據(jù)分析的80%的時(shí)間都是花費(fèi)在數(shù)據(jù)處理當(dāng)中，數(shù)據(jù)的準(zhǔn)確性和有效性也會(huì)決定對(duì)其他部門的影響，這一環(huán)節(jié)，我們主要講講python數(shù)據(jù)處理的常見的方法和邏輯。

數(shù)據(jù)的導(dǎo)入

查看數(shù)據(jù)的情況

數(shù)據(jù)類型的調(diào)整

異常值和缺失值的處理

重復(fù)值的處理

選取相關(guān)維度的數(shù)據(jù)做數(shù)據(jù)分析

數(shù)據(jù)的可視化

接下來我以藥店銷售數(shù)據(jù)做個(gè)簡(jiǎn)單的分析，里面會(huì)包含著python中pandas常用的數(shù)據(jù)處理的方法，數(shù)據(jù)分析以之前需要確立分析的問題：

藥店銷售最好的藥有什么特點(diǎn)

1月份和3月份的銷售金額的比較（2月無數(shù)據(jù)），有什么趨勢(shì)

對(duì)于異常值的分析

1.數(shù)據(jù)的導(dǎo)入

這里要注意文件名有中文會(huì)出現(xiàn)打不開的情況，可以先用open函數(shù)先打開，再read_excel

2.對(duì)于藥店數(shù)據(jù)的查看

數(shù)據(jù)共有6578行，可以看出數(shù)據(jù)有缺失

3.數(shù)據(jù)類型的轉(zhuǎn)換，購藥時(shí)間換成時(shí)間類型，社?？ㄌ?hào)，商品編碼轉(zhuǎn)化為字符型，銷售數(shù)量轉(zhuǎn)化為int

這里時(shí)間的數(shù)據(jù)類型我將它拆成了日期和星期運(yùn)用apply和lambda匿名函數(shù)的組合，處理之后發(fā)現(xiàn)社?？ㄌ?hào)和商品編碼都有小數(shù)，可以用split函數(shù)處理

4.缺失值的處理

運(yùn)用dropna函數(shù)去除缺失值，對(duì)于缺失值的處理方式一般有填充和刪除，填充以平均值和眾數(shù)為主，這里缺失值較少，我就直接刪除。

異常值一般為和平均值相差3個(gè)標(biāo)注差的數(shù)據(jù)，以及不符合常理的數(shù)據(jù)，就比如銷售為負(fù)數(shù)，但也有可能這表示為退貨數(shù)量，一下就選取銷售量大于0的數(shù)據(jù)

5.數(shù)據(jù)的建模

查看一下時(shí)間的跨度

選取1,3月份的數(shù)據(jù)查看一下銷售額和銷售數(shù)量

看一下單價(jià)，三月比一月份總體而言價(jià)格和數(shù)量下降，單價(jià)也有所下降，成下降趨勢(shì)

7.查看一下1月和3月的需求最多的藥品

發(fā)現(xiàn)top藥品治療高血壓的較多，真是越老病越多

8.買藥最多的人分析

發(fā)現(xiàn)社?？ㄌ?hào)1616528的人買的藥最多，單獨(dú)提取他的數(shù)據(jù)

數(shù)據(jù)中在插入一列月份，來查看他每月的買藥情況，查看的買藥的情況

9.數(shù)據(jù)可視化

將金額轉(zhuǎn)換為整形

學(xué)習(xí)資料點(diǎn)擊這里