一.數據分析步驟

1.提出問題

2.理解數據

3.數據清洗

4.構建模型

5.數據可視化

二.朝陽醫院2018年銷售數據

數據導入在文件路徑前加r(轉義符)

文件可能有多個sheet，所以用sheet_name重命名

參數dtype=str同意先按照字符串讀入，之后再轉換

salesDf.head()，顯示前5行，從0行開始，如果想要輸入多行，可以在括號內輸入數字

1.提出問題月均消費次數

月均消費金額

客單價

2.理解數據

3.清洗數據1.選擇子集

用salesDf.loc選取我們想要分析的數據2.重命名

為了方面接下來的分析，用salesDf.rename函數將‘購藥時間’重命名為‘銷售時間’。

inplace為True表示將原列明替換，False表示新增一列3.缺失值處理

先查看下刪除缺失值之前的行和列數

用dropna函數進行刪除，如果刪除之后，空值仍然存在，因為‘nan’本身是一個空字符串，.dropna并不會將空字符串當空值處理。因此用'np.nan'使用inplace函數代替。

dropna表示制定查詢函數的列，這里指定‘銷售時間’和‘社保卡號’，how=‘any’表示一行里，只要有一個空值，就將整行刪除。how=‘all’表示只有當整行都是空值時，才能刪除整行。4.數據類型轉換

字符串轉換為數值(浮點型)

字符串轉換為日期類型5.數據排序

salesDf.sort_values是排序參數，其中ascending=True是升序排列，否則為降序。

na_position=‘first’表示把空值放到最前面

索引重新排序后如下6.異常值處理

通過.describe()發現最小值銷量為負值，說明肯定有異常值，然后通過.local重新定義，排除異常值

4.構建模型月均消費次數

月均消費次數=總消費次數/月份數

總消費次數，同一天內，同一個人的多筆消費次數視為一次，因此需要先進行刪除重復數

計算時間范圍

第一步：按照銷售時間升序排列

第二步：獲取時間范圍

第三步：計算月均消費次數月均消費金額客單價

總結

以上是生活随笔為你收集整理的python数据分析的步骤排序_Python数据分析的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。