数据分析的基本过程分为五个部分：提出问题、理解数据、数据清洗、构建模型、数据可视化。下面我以前四部分为基础，对一个销售数据进行分析。
1 提出问题
分析目标：根据以下三个业务指标分析医院的销售情况：月均消费次数、月均消费金额、客单价。
首先导入数据分析包和数据文件
import pandas as pd
fileNameStr='./朝阳医院2018年销售数据.xlsx'
xls=pd.ExcelFile(fileNameStr,dtype='object')
salesDf=xls.parse('Sheet1',dtype='object')2 理解数据
描述数据，基本了解数据情况。
在这里，我们要了解，需要哪些指标和如何达成分析的目标。
1.月均消费次数=一年的消费次数/月份
一年的消费次数=有消费记录数据的总和（同一个人在一天内只计一次消费）
2.月均消费金额=总实收金额/月份
3.客单价=总消费金额/总消费次数
3 数据清洗
1 列表重命名
colNameDict={'购药时间':'销售时间'}
salesDf.rename(columns=colNameDict,inplace=True)
salesDf.head()
2 缺失数据处理
3 数据类型转换
3.1 字符串转换为数值
salesDf['销售数量']=salesDf['销售数量'].astype('float')
salesDf['应收金额']=salesDf['应收金额'].astype('float')
salesDf['实收金额']=salesDf['实收金额'].astype('float')
salesDf.dtypes
3.2 字符串转换为日期类型
定义函数
def splitSaletime(timeColSer):
timeList=[]
for value in timeColSer:
dateStr=value.split(' ')[0]
timeList.append(dateStr)
timeSer=pd.Series(timeList)
return timeSer分割字符串，获取销售时间
timeSer=salesDf.loc[:,'销售时间']
dateSer=splitSaletime(timeSer)
salesDf.loc[:,'销售时间']=dateSer #修改销售时间
salesDf.head()
转换为日期格式
salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],
format='%Y-%m-%d',
errors='coerce')
删除转换日期格式中的空值
salesDf=salesDf.dropna(subset=['销售时间','社保卡号'],how='any')4 数据排序
把数据按销售时间进行升序排列
salesDf=salesDf.sort_values(by='销售时间',ascending=True)
salesDf.head(3)
更新排序后的行号
salesDf=salesDf.reset_index(drop=True)
salesDf.head()
5 异常值处理
salesDf.describe()
我们发现销售数量和实收金额为负数，这在现实中是不合理的，所以我们需要筛选出正数来分析。
querySer=salesDf.loc[:,'销售数量']>0
#应用查询条件
print('before',salesDf.shape)
salesDf=salesDf.loc[querySer,:]
print('after',salesDf.shape)
4 构建模型
在第二步理解数据中，我们了解到同一天中，只计算一次消费次数，这里要对消费次数进行去重。
#同一天去重
kpi1_Df=salesDf.drop_duplicates(subset=['销售时间','社保卡号'])
totalI=kpi1_Df.shape[0]
print('总销售次数',totalI)获得总消费次数是5342次。接着，来计算月份数。先按销售时间做升序，并对行号重命名。
kpi1_Df=kpi1_Df.sort_values(by='销售时间',ascending=True)
kpi1_Df=kpi1_Df.reset_index(drop=True)
kpi1_Df.head()
下面，获取最大和最小的时间值范围，计算出月份数为6.
startTime=kpi1_Df.loc[0,'销售时间']
endTime=kpi1_Df.loc[totalI-1,'销售时间']
daysI=(endTime-startTime).days
monthsI=daysI//30
print('月份数',monthsI)接着，计算出第一个业务指标月均消费次数为890.
kpi1_I=totalI//monthsI
print('业务指标1：月均消费次数',kpi1_I)第二个业务指标月均消费金额如下。
第三个业务指标客单价。
到这里，我们通过python一步步的获取到了我们想要的业务指标。根据三个数据，我们来做进一步的思考。这家医院如何才能提高销售额呢？可以从三方面执行：
- 提高每月消费次数：可以设置一些促销活动优化购物体验，从而提升顾客再次购买的欲望。
- 提高每月消费金额：可以根据病人的经济情况，设定不同的药品。如条件好的，就推荐用一些效果很好的药品。如条件一般，在不降低疗效的情况下，选用一些性价比更高的药品。
- 提高客单价：丰富药品的品种，给客户更多的选择。
销售数据的业务指标有相似之处，我们也可以举一反三，拓展到其他销售数据，比如从复购率和单价开始。有了数据分析的指标，还需要通过可视化展示出来。下一讲，我们讨论数据可视化。
相关文章：
