一、前期準(zhǔn)備

分析要用到兩個包：NumPy和Pandas，首先確保jupyter中成功安裝了這兩個包。

#導(dǎo)入numpy包 import numpy as np #導(dǎo)入pandas包 import pandas as pd

二、基礎(chǔ)知識

2.1 一維數(shù)據(jù)分析：NumPy

2.2 一維數(shù)據(jù)結(jié)構(gòu)：Pandas

2.3 二維數(shù)據(jù)分析：numpy對應(yīng)array

2.4 二維數(shù)據(jù)分析：pandas對應(yīng)數(shù)據(jù)框DateFrame

此處遇到一個問題：讀取Excel文件報錯。

解決方法：

1 查看Excel文件存放路徑

具體操作：點擊文件名，鼠標(biāo)右鍵，選擇“屬性”，找到下面標(biāo)紅的兩個地方。

2 將上面標(biāo)紅的兩處合成文件的路徑，

格式為文件夾文件名，比如F:annUntitled1.ipynb

3 最后把路徑中全部的斜杠（/）或者反斜杠（）替換為雙反斜杠（）

最后的路徑為F:annUntitled1.ipynb

三、Python具體案例分析：藥店銷售數(shù)據(jù)

3.1 提出問題

分析指標(biāo)：

• 月均消費(fèi)次數(shù)
• 月均消費(fèi)金額
• 客單件
• 消費(fèi)趨勢

3.2 理解數(shù)據(jù)

3.3 清洗數(shù)據(jù)

3.3.1 選擇子集

3.3.2 列名重命名

3.3.3 缺失數(shù)據(jù)處理（dropna(）函數(shù)）

Python缺失值有3種：None，NA，NaN。（分析數(shù)據(jù)時，如果遇到什么錯誤，比如float錯誤，就要考慮是否為缺失值，若是，則需要處理掉）。

Python內(nèi)置的None值；

pandas中，將缺失值表示 為NA，表示不可用not available；

對應(yīng)數(shù)值數(shù)據(jù)，pandas使用浮點值NaN（Not a Number）表示缺失數(shù)據(jù)；

None和NaN的區(qū)別：None是Python的一種數(shù)據(jù)類型（NoneType），NaN是浮點類型(float)，兩個都用作空值。

3.3.4 數(shù)據(jù)類型轉(zhuǎn)換

3.3.5 數(shù)據(jù)排序

3.3.6 異常值處理

3.4 構(gòu)建模型

3.4.1 指標(biāo)1：月均消費(fèi)次數(shù)=總消費(fèi)次數(shù)/月份數(shù)

3.4.2 指標(biāo)2：月均消費(fèi)金額=總消費(fèi)金額/月份數(shù)

3.4.3 指標(biāo)3：客單價=總消費(fèi)金額/總消費(fèi)次數(shù)

客單價（per customer transaction）：商場（超市）每位顧客平均購買商品的金額，即是平均交易金額。

3.4.3 消費(fèi)趨勢

End.

總結(jié)

以上是生活随笔為你收集整理的月均数据_利用Python进行数据分析（附详细案例）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。