月均数据_利用Python进行数据分析（附详细案例）

一、前期准备

分析要用到两个包：NumPy和Pandas，首先确保jupyter中成功安装了这两个包。

#导入numpy包 import numpy as np #导入pandas包 import pandas as pd

二、基础知识

2.1 一维数据分析：NumPy

2.2 一维数据结构：Pandas

2.3 二维数据分析：numpy对应array

2.4 二维数据分析：pandas对应数据框DateFrame

此处遇到一个问题：读取Excel文件报错。

解决方法：

1 查看Excel文件存放路径

具体操作：点击文件名，鼠标右键，选择“属性”，找到下面标红的两个地方。

2 将上面标红的两处合成文件的路径，

格式为文件夹文件名，比如F:annUntitled1.ipynb

3 最后把路径中全部的斜杠（/）或者反斜杠（）替换为双反斜杠（）

最后的路径为F:annUntitled1.ipynb

三、Python具体案例分析：药店销售数据

3.1 提出问题

分析指标：

• 月均消费次数
• 月均消费金额
• 客单件
• 消费趋势

3.2 理解数据

3.3 清洗数据

3.3.1 选择子集

3.3.2 列名重命名

3.3.3 缺失数据处理（dropna(）函数）

Python缺失值有3种：None，NA，NaN。（分析数据时，如果遇到什么错误，比如float错误，就要考虑是否为缺失值，若是，则需要处理掉）。

Python内置的None值；

pandas中，将缺失值表示 为NA，表示不可用not available；

对应数值数据，pandas使用浮点值NaN（Not a Number）表示缺失数据；

None和NaN的区别：None是Python的一种数据类型（NoneType），NaN是浮点类型(float)，两个都用作空值。

3.3.4 数据类型转换

3.3.5 数据排序

3.3.6 异常值处理

3.4 构建模型

3.4.1 指标1：月均消费次数=总消费次数/月份数

3.4.2 指标2：月均消费金额=总消费金额/月份数

3.4.3 指标3：客单价=总消费金额/总消费次数

客单价（per customer transaction）：商场（超市）每位顾客平均购买商品的金额，即是平均交易金额。

3.4.3 消费趋势

End.

总结

以上是生活随笔为你收集整理的月均数据_利用Python进行数据分析（附详细案例）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。