一、pandas简介
1、Numpy特点：主要对象是同种元素的多维数组，即numpy中所有元素都是同一类型，Numpy中纬度（dimension）叫做轴（axes），轴的个数叫秩（rank）
文兄：【Python数据分析】Numpy的详细教程 zhuanlan.zhihu.com
2、Pandas特点：有两个数据结构；Series和DataFrame（记住大小写区分），为大多数应用提供了可靠的，易于使用的数据基础。其中Series类似于一维数组，和numpy的array接近，由一组数据和数据标签组成，数据标签具索引作用。DataFrame是一个表格型的数据结构，它含有不同的列，每列都是不同的数据类型，想象得更明白一点，它类似一张excel表。
二、所涉及的python知识点梳理
三、数据分析实例
基本思路：数据理解——数据预处理（导入、数据清洗）——数据分析（可视化）——结论——可行性建议
数据来源：python——第4关数据分析的基本过程——朝阳医院2018年销售数据
https://pan.baidu.com/s/1uCr9403EdXnX8fcqEqxxdg
1、数据理解
做数据分析前，先要锁定针对的问题是什么，需要帮助你达到什么样的目的。如，下面我们想了解药店的客户的消费水平。我们就需要以下几个特征。
月均消费次数：同一个人在一个月内消费了多少次，即，总消费次数/总月份；可以看出病患的消费频率，可以间接反应医院的服务质量等等。
月均消费金额：同一个人每月大概花费多少钱，即，总消费金额/总月份；可以推测病患的医疗承担费用。
客单价:一个人，每次大概花费多少钱，即，总消费金额/总次数；
2、数据预处理（导入、清洗）
1）数据导入，查看
数据来源于excel，将excel中的数据导入pandas中。查看数据全貌，找出有用信息。
import pandas as pd
import numpy as np
#导入excel文件,我的文件在E盘中，命名为hospital，在这里指明导入的数据格式为object类型；
#注意，E后面加冒号，“Sheet1”中首字母大写，并用引号。
data=pd.read_excel("E:/python/hospital.xlsx",sheet_name="Sheet1",dtype="object")
共有6578条数据，7列。
其中缺失数据为：购药时间，社保卡号，缺2条；商品编码，商品名称，销售数量，应收金额，实收金额缺 2条。
2）尝试将列名字重命名
#这里可以尝试下列名重命名,将所有中文名转化为英文
col = {"购药时间":"time",
"社保卡号":"cardno",
"商品编码":"drugid",
"商品名称":"drugid",
"销售数量":"salesvolumes",
"应收金额":"amountreceivable",
"实收金额":"amountcollected",
}
data.rename(columns = col,inplace=True)
3) 缺失数据处理
原始数据可能有数据缺失情况，缺失值的处理方式有两种：缺失值较多时，利用插法补充；缺失值较少，可直接删除。在第一步中，我们看到有缺失数据，也可以用isnull（）方式查看
从上图发现：缺失数据量很少，并且在计算月均消费次数，月均消费金额及客单价时，时间、社保卡号（代表消费者），实收金额是不可或缺的，因此我们采用删除法。
df.dropna可通过subset参数指定从哪几列判断缺失值；
how=’any’表示指定列中，任意一列有缺失值，就删除行；
how=’all’表示指定列中，所有列同时有缺失值时，才能删除行；
inplace=True直接在原表上做修改。
删除行数据后，立即查看数据框大小是否改变：由此看到删除缺失值后，还有6575行。
4) 数据类型转换
a）在导入excel时，我们默认所有的数据为object，然而salesvolumes（销售数量），amountreceivable（销售金额），amountcollected（实收金额）都是数据类型，并且时浮点类型，所以要将其转换成浮点型。
#数据类型转换
#字符串转为数值（浮点数）
data1["amountcollected"]=data1["amountcollected"].astype("float")
data1["amountreceivable"]=data1["amountreceivable"].astype("float")
data1["salesvolumes"]=data1["salesvolumes"].astype("float")
data1.dtypes
b）日期处理 ——将字符串转换为日期数据类型
“2018-02-12 星期五”，其中 星期几 我们目前不需要，可以考虑把星期几，分离出来，并将其删除。 因为要分割的是数据框中的整列数据，所以要用函数来分离日期。定义splittime为日期分离函数。 输入：timeColser销售这一列，是个Series数据类型输出；分割后的时间，也是个Series数据类型；
此刻，刚刚完成了第一步，即分割字符串。接下来要将字符串更改为日期型数据。
可使用pd.to_datetime。
format为原始日期数据的格式化形式，此处用”%Y-%m-%d”；errors=’coerce’用于控制非日期型数据转换后为空值。注意，此处m，d均为小写字母。
data1.loc[:,"time"]=pd.to_datetime(data1.loc[:,"time"],
format='%Y-%m-%d',
errors='coerce')
及时查看，数据类型是否符合预期，均符合。
转换日期过程中不符合日期格式的数值可能会被转换为空值，查看一下。
转换过程中，有空值产生，删除列（销售时间，社保卡号）中为空的行。
5) 数据排序
a)按月排序
因为在后面的计算中，有月均消费，因此我们需要按月排序，然后提取月份数。
排序：sort_values
b)索引排序
查看排序后的结果，可见，排序后的索引，还是以前的序号，在此，将索引的序号按顺序排列。
对索引用 reset_index() 重新排序
到此，数据格式转换结束。
6）异常数据处理
由上可见，salesvolumes（销售数量）不可为负数，存在异常值，所以要删除异常值。
这里可以用Series条件筛选销售数量大于0的行，间接删除了行后，立刻重置索引顺序reset_index(drop=True,inplace=True)
至此，数据处理已完成。
三、数据指标分析
1）月均消费次数=总消费次数/月分数；
月均消费次数
2）月均消费金额 月均消费金额=总消费金额/月份数
3）客单价
总结，本文中遇到的知识点分别如下：
#1、excel数据导入pandas；
data=pd.read_excel("E:/py/hosptal.xlsx","Sheet1","dtype=object")
#2、列名重命名
#先定义字典
col_dict = {"购药时间":"time","社保卡号":"cardno"}
#再重命名
data.rename(columns=col_dict,inplace=True)
#3、汇总数据是否有缺失值
data.isnull().sum()
#4、删除某几列为空的值
data1=data.dropna(subset=["time","cardno"],how="any")
#5、数据类型转换:字符串转为数值
data1["salesvolumes"]=data1["salesvolumes"].astype("float")
#6、函数定义 def
#7、字符串转换为日期值
#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
data2.loc[:,'销售时间']=pd.to_datetime(data2.loc[:,'销售时间'],
format='%Y-%m-%d',
errors='coerce')
#8、数据排序
#按销售日期升序排序
data=data.sort_values(by='销售时间',
ascending=True)
#9、索引重置
data=data.reset_index(drop=True)备注：函数的定义和应用，可参考以下文献：了解和掌握Python的函数
