在數據分析領域，Python中用到最多的包是numpy,pandas和matplotlib，本文共分為三個部分：1.使用numpy和pandas分析一維數據 2.使用numpy和pandas分析二維數據 3.案例分析。

• Numpy(Numerical Python)：是Python語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。
• Pandas：基于Numpy的一種數據分析工具，該工具是為解決數據分析任務而創建的，提供了一套名為數據框的數據結構，可以方便地對表結構數據進行分析。
• matplotlib：是一個圖形繪制庫，專門用于數據分析結構的可視化。

*數據分析工具Numpy和Pandas大綱

一.一維數據分析

Numpy：Array

Pandas：Series

1)Numpy一維數據

Numpy一維數組與列表的區別：

a.統計功能：如：計算平均值的mean()方法,標準差std()方法；

b.向量化計算：可以向量相加和乘以標量；

c.Numpy數組中的每一個元素必須是同一種數據類型，而列表中的元素可以是不同類型。

2)Pandas 一維數組：Series有索引

a.獲取描述統計信息

b. # series.iloc[] :根據位置獲取值。 series.loc[]:根據索引獲取值。

c.向量相加 和刪除缺失值

二.二維數據分析
Numpy：Array

Pandas：DataFarme

1）Numpy

a.定義二維數組，查詢數組

b.切片的使用：切片的使用：[行進行切片,列進行切片]，[start:stop:step,start:stop:step]

c.數軸參數：axis=1按行計算，axis=0按列計算

2.Pandas

a.數據框DataFrame: 行columns ; 列index

b.定義一個字典

c.按照每列計算平均值

d.用iloc屬性根據位置查詢值

e.用loc屬性根據索引查詢值

f.查詢某幾列

g.切片功能:指定范圍

h.通過條件篩選符合要求的數據

i.數據集描述統計信息

• 查看某一列數據類型

• 查看有多少行多少列

• 獲取每一列的描述統計

三.案例

Numpy和Pandas 對朝陽醫院藥品銷售數據進行分析，步驟如下：

1.提出問題

和業務部門溝通后,要從銷售數據中分析以下業務指標：

• 月均消費次數；
• 月均消費金額；
• 客單價；
• 消費趨勢

2.理解數據

1）導入數據

2)查看數據類型

3)查看總的行列數

4）表中字段含義如下：

• 購藥時間：藥品銷售日期
• 社保卡號：顧客購買藥品使用的社保卡號碼
• 商品編碼：售出藥品的編號
• 商品名稱：售出藥品的名稱
• 銷售數量：售出藥品的數量
• 應收金額：藥品應售金額
• 實收金額: 藥品實際售出金額（折扣，滿減）

3.清洗數據

原始數據多而雜亂，或缺失，或異常，需要進行數據清洗，得到后續數據分析可用的數據。

1）選擇子集

本案例需要所有數據，不需要選擇子集。下面是展示選擇子集的方法之一：切片訪問

2）列名重命名

統一列名的時間，這里將“購藥時間”改為“銷售時間”，用字典定義舊列名和新列名;用rename函數修改。

3）缺失值處理

a. Python缺失值有3種：None，NA，NaN

• Python內置的None值
• 在pandas中，將缺失值表示為NA，表示不可用not available。
• 對于數值數據，pandas使用浮點值NaN（Not a Number）

b.數據中含有缺失值，對后續計算會造成干擾，可以用空值填充或直接刪除，此處用dropna()將數據框中缺失值刪除。

*how=any表示，給定的任一列中缺失值就刪除

4.數據類型轉換

a.在導入數據時已將所有數據設定為字符串類型，現在用astype()將銷售數量、應收金額和實收金額三列數據類型改為浮點型。

b.自定義函數，將字符串轉換為日期數據類型

5.數據排序

用sort_values（）對數據進行排序

刪除缺失值和根據銷售時間排序后，索引名已被打亂，需重新命名索引名

6.異常值處理

如上圖所示，我們發現銷售數量的最小值為-10，因此可以將銷售數量為負值的行刪除。

4.構建模型

我們可根據業務問題來構建模型。

問題1: 月消費次數

月消費次數=總消費次數/月數。注:同一天內同一人的多次消費算為1次。

問題2：月均消費金額

月均消費金額=總消費金額（實收金額）/月份數。

問題3:客單價

客單價=總消費金額/總消費次數。

問題4: 消費趨勢

計算每月銷售總金額

導出數據做出銷售趨勢圖如下：

總結

以上是生活随笔為你收集整理的numpy 删除所有为_用Numpy和Pandas工具分析销售数据的全部內容，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。