药店商品销量分析(python)

#导入数据分析包
import pandas as pd
salesDf = pd.read_excel('./朝阳医院2018年销售数据.xlsx')
# head()打印前5行
# df = pd.read_excel(path,sheet_name=4,header=6)# 指定序号为4的工作簿，用第6行做为行索引

"""sheet_name,工作簿的序号从0开始 """
#header从0开始计数

print(salesDf.head())

#字典：旧列名和新列名对应关系
colNameDict = {'购药时间':'销售时间'}'''
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
'''
salesDf.rename(columns = colNameDict,inplace=True)
salesDf.head()

print('删除重复值前大小',salesDf.shape)# 删除重复销售记录
salesDf = salesDf.drop_duplicates()print('删除重复值后大小',salesDf.shape)

删除前后数据进行对比，发现本数据集没有重复值

"""整体观察"""
df.info()
"""如果缺失的数据很少，可以直接进行删除"""
"""如果缺失的数据量较大，超过了10%，要根据业务情况，进行删除或填充"""
"""填充数据时，可以采用均值，中位数进行填充"""
"""如果数据记录之间有明显的顺序关系，可以采用附近相邻的数据进行填充"""
总共有6578行数据只有2个缺失值，可以直接删除

"""删除缺失值"""
df.dropna()# 删除出现缺失值得行
# df.dropna(axis=1)df.dropna(how='all') # 当整行数据都为nan 时才删除
df.dropna(how='any') # 只要出现缺失值就删除
df.dropna(subset=['房价'])# 指定列出现缺失值才删除

print('删除缺失后大小',salesDf.shape)
# 查询是否有空值
print(salesDf.isnull().any())

处理后，结果显示没有缺失值

#查看每一列的数据类型
salesDf.dtypes

#获取“销售时间”这一列
timeSer=salesDf.loc[:,'销售时间']
#对字符串进行分割，获取销售日期
timeList=[]
for value in timeSer:
#例如2018-01-01 星期五，分割后为：2018-01-01
dateStr=value.split(' ')[0]
timeList.append(dateStr)#将列表转行为一维数据Series类型
timeSer=pd.Series(timeList)
print(timeSer.head())

#修改销售时间这一列的值
salesDf.loc[:,'销售时间']=dateSer
salesDf.head()

'''
数据类型转换:字符串转换为日期
'''
#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
#format 是你原始数据中日期的格式
salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],
format='%Y-%m-%d',
errors='coerce')

# 查询是否有空值
print(salesDf.isnull().any())

'''
转换日期过程中不符合日期格式的数值会被转换为空值，
这里删除列（销售时间）中为空的行
'''
salesDf=salesDf.dropna(subset=['销售时间'],how='any')# 查询是否有空值
print(salesDf.isnull().any())

'''
by：按哪几列排序
ascending=True 表示升序排列，
ascending=True表示降序排列
na_position=first表示排序的时候，把空值放到前列，这样可以比较清晰的看到哪些地方有空值
官网文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort_values.html
'''
#按销售日期进行升序排列
salesDf=salesDf.sort_values(by='销售时间',
ascending=True,
na_position='first')

print('排序后的数据集')
salesDf.head(3)

#重命名行名（index）：排序后的列索引值是之前的行号，需要修改成从0到N按顺序的索引值
salesDf=salesDf.reset_index(drop=True)
salesDf.head()

#描述指标：查看出“销售数量”值不能小于0
salesDf.describe()

#删除异常值：通过条件判断筛选出数据
#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)# 筛选数据salesDf=salesDf.loc[querySer,:]print('删除异常值后：',salesDf.shape)
print(salesDf.head())

'''
总消费次数：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，将重复的数据删除
'''kpi1_Df=salesDf.drop_duplicates(
subset=['销售时间', '社保卡号']
)#总消费次数：有多少行
# shape几行几列
totalI=kpi1_Df.shape[0]print('总消费次数=',totalI)

'''
计算月份数：时间范围
'''
#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)
#重命名行名（index）
kpi1_Df=kpi1_Df.reset_index(drop=True)

#第2步：获取时间范围
#最小时间值
startTime=kpi1_Df.loc[0,'销售时间']
#最大时间值 totallI总行数
endTime=kpi1_Df.loc[totalI-1,'销售时间']#第3步：计算月份数
#天数
daysI=(endTime-startTime).days
#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
monthsI=daysI//30
print('月份数：',monthsI)

#业务指标1：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)

业务指标1：月均消费次数= 890

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

业务指标2：月均消费金额= 50668.35166666666

'''
totalMoneyF：总消费金额
totalI：总消费次数
'''
pct=totalMoneyF / totalI
print('客单价：',pct)
客单价： 56.909417821040805

#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']
groupDf.head()

#第2步：分组print(groupDf.index.month)
gb=groupDf.groupby(groupDf.index.month)

# Pandas 无法显示中文问题 解决方案##
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

import matplotlib.pyplot as plt
ax = data_mounth.plot(
secondary_y=['销售数量'],
x_compat=True,
grid=True,figsize=(10,4))
ax.right_ax.set_ylabel('销售数量')
ax.set_ylabel(['应收金额','实收金额'])
#ax.set_ylabel()
plt.show()

product = salesDf.groupby('商品名称').count()
#print(product)
# print(type(product))
sum_product = product.loc[:,'销售数量']
# print(sum_product)
# 可以看出商品整体的销量情况
print(sum_product.sort_values(ascending=True))

六、总结和建议