解析医院药店销售数据，看看Python数据分析结果有什么惊人的发现

短命女 2023-03-12 10:47 192阅读 0赞

# 前言 #

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

一般来说，数据分析的基本过程包括以下几个步骤：

![format_png][]

1.提出问题——即我们所想要知道的指标（平均消费额、客户的年龄分布、营业额变化趋势等等）

2.导入数据——把原始数据源导入Jupyter Notebook中（网络爬虫、数据读取等）

3.数据清洗——数据清洗是指发现并纠正数据文件中可识别的错误（检查数据一致性，处理无效值和缺失值等）

4.构建模型（高级的模型构建会使用机器学习的算法）

5.数据可视化——matplotib库等

具体的numpy库等基础知识之前的文章已经介绍了：

Numy基础知识分享

Pandas入门基本知识

我们现在来看一个实例——医院药店销售数据分析

![format_png 1][]

## 提出问题： ##

我们想知道的信息有——月均消费额、月均消费次数、客单价、消费趋势

## 理解数据： ##

1.读取Excel数据（路径中最好不要有中文，或者特殊符号啥的，不然路径会提示错误找不到。

最好将文件放到一个简单的英文路径下）

import pandas as pd
    fileNameStr='D:\朝阳医院2018年销售数据.xlsx'          #读取Ecxcel数据
    xls = pd.ExcelFile(fileNameStr, dtype='object')
    salesDf = xls.parse('Sheet1',dtype='object')

我们可以先查看下数据的基本信息：

salesDf.head() #打印出前5行，以确保数据运行正常

![format_png 2][]

salesDf.shape  #有多少行，多少列

![format_png 3][]

salesDf.dtypes #查看每列的数据类型

![format_png 4][]

## 数据清洗： ##

![format_png 5][]

1.选择子集（本案例不用）：

使用loc方法选择子集

#subSalesDf=salesDf.loc[0:4,'购药时间':'销售数量']

2.列名重命名：

colNameDict = {'购药时间':'销售时间'}                  #将‘购药时间’改为‘销售时间’
    salesDf.rename(columns = colNameDict,inplace=True)
    salesDf.head()                                       #查看前五行

![format_png 6][]

inplace=False，数据框本身不会变，而会创建一个改动后新的数据框，默认的inplace是False，inplace=True，数据框本身会改动

3.缺失数据处理：

python缺失值有3种：None，NA，NaN

1）Python内置的None值

2）在pandas中，将缺失值表示为NA，表示不可用not available。

3）对于数值数据，pandas使用浮点值NaN（Not a Number）表示缺失数据。

后面出来数据，如果遇到错误：......foloat错误，那就是有缺失值，需要处理掉

print('删除缺失值前大小',salesDf.shape)
    salesDf=salesDf.dropna(subset=['销售时间','社保卡号'],how='any') #删除列（销售时间，社保卡号）中为空的行
    print('删除缺失后大小',salesDf.shape)

![format_png 7][]

how='any'意为在给定的任何一列中有缺失值就删除

如果缺失数据太多，我们可以建立模型，使用插入值的方法来补充数据（以后机器学习的文章中介绍）

4.数据类型转换

一开始导入时我们将所有数据都按字符串类型导入的，现在需要将销售数量、应收金额、实收金额的数据类型改为数值类型。

salesDf['销售数量'] = salesDf['销售数量'].astype('float')
    salesDf['应收金额'] = salesDf['应收金额'].astype('float')
    salesDf['实收金额'] = salesDf['实收金额'].astype('float')
    print('转换后的数据类型：\n',salesDf.dtypes)

使用astype（）方法进行类型转换

![format_png 8][]

我们再来修改日期的格式

![format_png 9][]

用split()方法，用‘ ’分割字符串。返回列表的第一个元素，统一改成年-月-日格式，去掉星期几。

接下来我们分割销售时间，先定义一个分割字符串的函数：

def splitSaletime(timeColSer):
        timeList=[]
        for value in timeColSer:           #例如2018-01-01 星期五，分割后为：2018-01-01
            dateStr=value.split(' ')[0]
            timeList.append(dateStr)
     
        timeSer=pd.Series(timeList)        #将列表转行为一维数据Series类型
        return timeSer

输入：timeColSer——销售时间这一列，是个Series数据类型

输出：分割后的时间，返回也是个Series数据类型

timeSer=salesDf.loc[:,'销售时间']    #获取“销售时间”这一列
    dateSer=splitSaletime(timeSer)      #对字符串进行分割，获取销售日期
    
    salesDf.loc[:,'销售时间']=dateSer    #修改销售时间这一列的值
    salesDf.head()

![format_png 10][]

![format_png 11][]

（注意：如果运行后报错：AttributeError: 'float' object has no attribute 'split'是因为Excel中的空的cell读入pandas中是空值（NaN），这个NaN是个浮点类型，一般当作空值处理。所以要先去除NaN在进行分隔字符串）

![format_png 12][]

5.字符串转换日期

我们使用pd.to\_datetime方法来将字符串转换为日期格式。传入的格式是原始数据的日期格式——format='%Y-%m-%d'固定写法：Y表示年、m表示月、d表示日。

salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],
                                        format='%Y-%m-%d',
                                        errors='coerce')
    salesDf.dtypes

![format_png 13][]

errors='coerce'：如果原始数据不符合日期的格式，转换后的值为空值NaT

所以转换之后我们还要运行一次删除空值的代码，因为不符合格式的日期被转变为了空值需要删除。

salesDf=salesDf.dropna(subset=['销售时间','社保卡号'],how='any')

6.数据排序

使用pd.sort\_values方法对数据进行排序，by表示按那几列进行排序，ascending=True 表示升序排列，ascending=False表示降序排列

print('排序前的数据集')
    salesDf.head()
    salesDf=salesDf.sort_values(by='销售时间',     #按销售日期进行升序排列
                        ascending=True)
    print('排序后的数据集')
    salesDf.head(3)

![format_png 14][]

![format_png 15][]

接下来我们重命名行号：reset\_index方法生成从0到N按顺序的索引值

salesDf=salesDf.reset_index(drop=True) salesDf.head()

![format_png 16][]

7.异常值处理

首先我们用describe()方法查看数据框中所有数据每列的描述统计信息：

salesDf.describe()

![format_png 17][]

（count：总数，mean：平均数，std：标准差，min：最小值，25%：下四分位数，50%：中位数，75%：上四分位数，max：最大值）

我们发现最小值出现了小于0的情况，分析应该是记录过程中出现错误所致。

我们接下来删除异常值：通过条件判断筛选出销售数量大于0的数据

#设置查询条件
    querySer=salesDf.loc[:,'销售数量']>0
    #应用查询条件
    print('删除异常值前：',salesDf.shape)
    salesDf=salesDf.loc[querySer,:]
    print('删除异常值后：',salesDf.shape)

![format_png 18][]

这样，我们就算基本完成数据清洗的步骤了。

## 构建模型： ##

第一个指标：月均消费次数=总消费次数/月数

注意：同一天内，同一个人发生的所有消费算作一次消费，根据列名（销售时间，社区卡号），如果这两个列值同时相同，只保留1条，使用drop\_duplicates将重复的数据删除

kpi1_Df=salesDf.drop_duplicates(
        subset=['销售时间', '社保卡号']
    )
    
    totalI=kpi1_Df.shape[0]             #总消费次数————有多少行
    
    print('总消费次数=',totalI)

![format_png 19][]

计算月份数我们要知道最早一笔消费的时间和最晚一笔消费的时间：

#第1步：按销售时间升序排序
    kpi1_Df=kpi1_Df.sort_values(by='销售时间',
                        ascending=True)
    kpi1_Df=kpi1_Df.reset_index(drop=True)     #重命名行名（index）
    
    #第2步：获取时间范围
    startTime=kpi1_Df.loc[0,'销售时间']         #最小时间值
    endTime=kpi1_Df.loc[totalI-1,'销售时间']    #最大时间值
    
    #第3步：计算月份数
    daysI=(endTime-startTime).days             #天数
    monthsI=daysI//30                          #月份数: 运算符“//”表示取整除，返回商的整数部分，例如9//2 输出结果是4
    print('月份数：',monthsI)

![format_png 20][]

用天数/30计算月份数（舍弃余数）

最终计算月均消费次数=总消费次数 / 月份数

kpi1_I=totalI // monthsI 
    print('业务指标1：月均消费次数=',kpi1_I)

![format_png 21][]

第二个指标：月均消费金额=总消费金额/月份数

总消费金额等于实收金额取和，用sum函数很快就能得出

totalMoneyF=salesDf.loc[:,'实收金额'].sum() #总消费金额 
    monthMoneyF=totalMoneyF / monthsI #月均消费金额 
    print('业务指标2：月均消费金额=',monthMoneyF)

![format_png 22][]

第三个指标：客单价=平均交易金额=总消费金额/总消费次数

''' totalMoneyF：总消费金额 
    totalI：总消费次数 
    ''' 
    pct=totalMoneyF / totalI 
    print('客单价：',pct)

![format_png 23][]

第四个指标：消费趋势

#在进行操作之前，先把数据复制到另一个数据框中，防止对之前清洗后的数据框造成影响
    groupDf=salesDf
    
    #第1步：重命名行名（index）为销售时间所在列的值
    groupDf.index=groupDf['销售时间']
    
    #第2步：分组
    gb=groupDf.groupby(groupDf.index.month)
    
    #第3步：应用函数，计算每个月的消费总额
    mounthDf=gb.sum()
    
    mounthDf

![format_png 24][]

如果你处于想学Python或者正在学习Python，Python的教程不少了吧，但是是最新的吗？说不定你学了可能是两年前人家就学过的内容，在这小编分享一波2020最新的Python教程。获取方式，私信小编 “ 资料 ”，即可免费获取哦！

[format_png]: /images/20230312/fdcf88103de649b6bbebb90bdb61f35d.png
[format_png 1]: /images/20230312/6ba222ff36ef4b54bf936d747bef6bbc.png
[format_png 2]: /images/20230312/3fdfb9c63eee467bb22d2e6c79fc8717.png
[format_png 3]: /images/20230312/daf9f69c0d6f42af93885ca98119fdd1.png
[format_png 4]: /images/20230312/a3502c3db96b4c6195a9940ea1f6e04b.png
[format_png 5]: /images/20230312/a39aebcc1fac48bfaa2ad2cbe19ac4e0.png
[format_png 6]: /images/20230312/0a8145bd40de42878c4f4e4f8cc7363a.png
[format_png 7]: /images/20230312/eccb12b7f82d4d43be278d596cd33729.png
[format_png 8]: /images/20230312/a483a42cda4d4521a5da4c2dfdfadc32.png
[format_png 9]: /images/20230312/53ceb1018a5149a38030a2ebea77129a.png
[format_png 10]: /images/20230312/42b7e5a0b6f54219855a4d93f0ff37ff.png
[format_png 11]: /images/20230312/5c20fb19218d446e860f86afaaa096cf.png
[format_png 12]: /images/20230312/661c8c6f9e4743d4b32277c39e02228c.png
[format_png 13]: /images/20230312/a1d06f55a25a405f9d818a33d8b2e4ac.png
[format_png 14]: /images/20230312/a106eac38023461d8a68bf50dcb26c1d.png
[format_png 15]: /images/20230312/69cd5ce411fa4418a178f5e731a51d76.png
[format_png 16]: /images/20230312/cf6dc7ed7d11481fbb453ab18ec623bd.png
[format_png 17]: /images/20230312/973fc2492f284e81b61569312462f370.png
[format_png 18]: /images/20230312/ba758fc58aab40a09e3bd0e3757c6b80.png
[format_png 19]: /images/20230312/16298e2d457f4acf9324bd011765ea75.png
[format_png 20]: /images/20230312/3585d31f7c7c4908819a5fcf6fe461f5.png
[format_png 21]: /images/20230312/0f39241d639443b1b0d5135de8a14298.png
[format_png 22]: /images/20230312/0953274949c1410790aa5d92202450dc.png
[format_png 23]: /images/20230312/55077e31929f400084128ef7d7c867a3.png
[format_png 24]: /images/20230312/4e0f7bc440074ff1a960dc43c9d9ee6d.png