一、前期準備

分析要用到兩個包：NumPy和Pandas，首先確保jupyter中成功安裝了這兩個包。

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

二、基礎知識

2.1 一維數據分析：NumPy

2.2 一維數據結構：Pandas

2.3 二維數據分析：numpy對應array

2.4 二維數據分析：pandas對應數據框DateFrame

此處遇到一個問題：讀取Excel文件報錯。

解決方法：

1 查看Excel文件存放路徑

具體操作：點擊文件名，鼠標右鍵，選擇“屬性”，找到下面標紅的兩個地方。

2 將上面標紅的兩處合成文件的路徑，

格式為文件夾文件名，比如F:annUntitled1.ipynb

3 最后把路徑中全部的斜杠（/）或者反斜杠（）替換為雙反斜杠（）

最后的路徑為F:annUntitled1.ipynb

三、Python具體案例分析：藥店銷售數據

3.1 提出問題

分析指標：

• 月均消費次數
• 月均消費金額
• 客單件
• 消費趨勢

3.2 理解數據

3.3 清洗數據

3.3.1 選擇子集

3.3.2 列名重命名

3.3.3 缺失數據處理（dropna(）函數）

Python缺失值有3種：None，NA，NaN。（分析數據時，如果遇到什么錯誤，比如float錯誤，就要考慮是否為缺失值，若是，則需要處理掉）。

Python內置的None值；

pandas中，將缺失值表示 為NA，表示不可用not available；

對應數值數據，pandas使用浮點值NaN（Not a Number）表示缺失數據；

None和NaN的區別：None是Python的一種數據類型（NoneType），NaN是浮點類型(float)，兩個都用作空值。

3.3.4 數據類型轉換

3.3.5 數據排序

3.3.6 異常值處理

3.4 構建模型

3.4.1 指標1：月均消費次數=總消費次數/月份數

3.4.2 指標2：月均消費金額=總消費金額/月份數

3.4.3 指標3：客單價=總消費金額/總消費次數

客單價（per customer transaction）：商場（超市）每位顧客平均購買商品的金額，即是平均交易金額。

3.4.3 消費趨勢

End.

總結

以上是生活随笔為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。