python数据处理与分析案例,python项目数据分析案例集锦

　　两个学习道具：

　　1)本网页可调用全球最大搜索引擎(长按此处可复制):

　　提前准备：

　　在notebook中，如果要导入Excel文件，必须先安装一个读取Excel文件的包：xlrd。

　　安装步骤：

　　现在进入Python环境，例如conda中当前文件所在的位置

　　激活py3

　　然后使用命令安装。

　　康达安装xlrd

　　1.提问：

　　2.了解数据：

　　2.1读取文件：

　　#读取Ecxcel数据，先按字符串读取，再转换。

　　FileNameStr=。/朝阳医院2018年销售数据. xlsx

　　xls=pd。ExcelFile(fileNameStr，dtype=object )

　　salesDf=xls.parse(Sheet1 ，dtype=object )

　　#打印出前5行以确保数据正确运行

　　salesDf.head()

　　#有多少行和多少列？

　　salesDf.shape

　　#检查每列的数据类型

　　salesDf.dtypes

　　3.数据清理

　　数据清理的步骤

　　3.1选择子集(loc)

　　选择我们需要的列；

　　3.2列重命名(rename())

　　#首先定义新旧列名之间的对应关系。

　　ColNameDict={ 药品购买时间:销售时间 }

　　#然后使用重命名功能修改列名

　　sales df . rename(columns=colNameDict，inplace=True)

　　3.3缺失值处理(dropna)

　　3.缺失数据处理

　　有3种类型的python缺失值：

　　1)Python内置的None值

　　2)在熊猫中，缺失值表示为NA，表示不可用。

　　3)对于数值型数据，pandas使用浮点值NaN(不是数字)来表示缺失数据。

　　后面出来数据，如果遇到错误：说foloat有问题，就是有缺失值需要处理掉。

　　因此，有三种缺失值：无、NA、NaN。

　　直接删除缺失值。

　　3.4基本数据类型的转换(astype)

　　#转换为数值的字符串(浮点型)

　　Sdf [销售数量]=salesDf[销售数量]。astype(float )

　　Sdf [应收金额]=salef[应收金额]。astype(float )

　　Sdf [实收金额]=salef[实收金额]。astype(float )

　　Print(转换的数据类型：，salesDf.dtypes)

　　运行“”后，将报告一个警告。关于SettingWithCopyWarning有两列常规信息，一列是警告信息，另一列是错误信息。不要担心警告信息，我们只关注错误类型的信息

　　3.4.1字符串拆分(split())

　　3.4.2拆分一列数据

　　首先定义一个函数。

　　定义函数：拆分销售日期，得到销售日期。输入：timeColSer销售时间是一种序列数据类型。输出：分割时间，并返回一个系列数据类型

　　def splitSaletime(时间秒):

　　时间列表=[]

　　对于时间秒中的值：

　　#比如2018-01-01周五，分后：2018-01-01

　　dateStr=value.split( )[0]

　　timeList.append(dateStr)

　　#将列表转换为一维数据系列类型。

　　timeSer=pd。系列(时间列表)

　　返回计时器

　　#获取“销售时间”列

　　timeser=salef . loc[:销售时间]

　　#拆分字符串以获得销售日期

　　dateSer=splitSaletime(timeSer)

　　#检查裂缝。

　　dateSer[0:3]

　　#修改销售时间列的值。

　　Sdf.loc [:销售时间]=dateSer

　　#查看结果

　　salesDf.head()

　　3.4.3字符串被转换为日期格式(to_datetime())

　　数据类型转换：字符串转换为日期

　　# errors= compete 如果原始数据不符合日期格式，则转换后的值为null NaT。

　　#format是原始数据中日期的格式

　　Sdf.loc [:销售时间]=pd.to _ datetime (salesf.loc [:销售时间]，

　　格式=%Y-%m-%d ，

　　错误=强制)

　　在日期转换期间，不符合日期格式的“”值将被转换为空值。此处，删除列(销售时间，社保卡号)中的空行 。

　　SDF=salef . dropna(subset=[销售时间，社会保障卡号]，how=any )

　　3.5排序值(reset_index)

　　排序后，用index重命名索引。

　　由：由哪些列？

　　Ascending=True表示升序，

　　Ascending=True表示降序。

　　Na_position=True表示排序时，将空值放在最前面一行，这样可以清楚地看到哪里有空值。

　　官网：3359 pandas . pydata . org/pandas-docs/stable/generated/pandas . data frame . sort _ values.html

　　#按销售日期升序排序

　　SDF=salef . sort _ values(by=销售时间，

　　升序=真，

　　na_position=first )

　　打印(“排序数据集”)

　　salesDf.head(3)

　　# Rename row name (index):排序后的列索引值是前面的行号，需要按照从0到n的顺序修改为索引值。

　　sales df=sales df . reset _ index(drop=True)

　　salesDf.head()

　　3.6异常值的处理

　　用describe()方法先看描述性统计分析。

　　#说明指标：“销售数量”的值不能小于0。

　　salesDf.describe()

　　#删除异常值：通过条件判断过滤掉数据。

　　#查询标准

　　查询ser=salef . loc[:销售数量] 0

　　#应用查询标准

　　打印(删除异常值之前：，salesDf.shape)

　　salesDf=salesDf.loc[querySer，]

　　打印(删除异常值后：，salesDf.shape)

　　出局：

　　删除异常值之前：(6549，7)

　　删除异常值后：(6506，7)

　　4.建立一个模型

　　回到前四个问题

　　4.1每月消费次数

　　为了减少干扰，同一个客户同一天消费多次，只取一次；

　　因此，需要使用重复数据删除方法(drop_duplicates())。

　　总消费次数：同一个人在同一天的所有消费都算作一次消费。

　　#根据列名(销售时间，社区卡号)，如果同时两列值相同，则只保留一列，重复数据删除。

　　KPI 1 _ Df=sales Df . drop _ duplicates(

　　Subset=[销售时间，社会保障卡号]

　　)

　　#总消费次数：多少行？

　　totalI=kpi1_Df.shape[0]

　　打印(总消费次数=，总计)

　　计数月份：时间范围

　　#步骤1:按销售时间升序排序

　　KPIL _ DF=KPIL _ DF . sort _ values(by=销售时间，ascending=True)

　　#重命名行名(索引)

　　kpil _ Df=kpil _ Df . reset _ index(drop=True)

　　#第二步：获取时间范围

　　#最小时间值

　　Start=KPi1 _ df.loc [0，销售时间]

　　#最大时间值

　　End=kpi1 _ df.loc [totali-1，销售时间]

　　#第三步：计算月数

　　#天

　　daysI=(结束时间-开始时间)。天

　　#月数：运算符“//”表示可分。

　　#返回商的整数部分，例如9//2。输出结果是4

　　monthsI=daysI//30

　　打印(月数：，月数)

　　#业务指标1:平均每月消费次数=总消费次数/月

　　kpi1_I=totalI //monthsI

　　打印(业务指标1:平均月消耗量=，kpi1_I)

　　4.2月消费金额

　　平均月消费金额=总消费金额/月数

　　#总消费金额

　　total money f=salef . loc[:实收金额]。总和()

　　#月平均消费金额

　　monthMoneyF=total money f/month si

　　打印(业务指标2:月平均消费金额=，monthMoneyF)

　　4.3客户单价

　　每顾客交易是指每个顾客在一个商场(超市)购买商品的平均金额，即平均交易金额。

　　客户单价=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

　　打印(客户单价：，百分比)

　　4.4消费趋势(可视化)

　　未完待续。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。