一、前言
这篇文章找来了有关药品销售数据进行案例分析练习，利用适当的统计方法对相关数据进行月均消费次数、月均消费金额、客单价和消费趋势等几个业务指标进行分析。
分析过程为：数据获取、数据清洗、建模分析、可视化
二、数据获取
（文末有数据获取方式）
这是我们的原始数据，xlsx格式
导入相关的包并读取数据，读取的时候用object读取，防止有些数据读取不了。
接着可以查看数据的相关信息
从上图中我们可以看到该数据集一共有6578行数据，其中第一行是标题，有7列。“购药时间”和“社保卡号”有6576条数据，而其余的有6577条，说明数据中存在这缺失值。“购药时间”和“社保卡号”各缺失一行数据，在这里我们要对数据进行缺失值等进一步处理。
三、数据清洗
数据清洗的过程包括：选择子集、列名重命名、缺失值处理、数据类型转换、异常值处理以及数据排序。
3.1选择子集。
在数据分析的过程中，有可能数据量会非常大，但并不是每一列都有分析的价值，这时候就要从这些数据中选择有用的子集进行分析，这样才能提高分析的价值和效率。但是本例子中暂不需要选择子集，可以忽略这一步。
3.2列名重命名。
在数据分析的过程中，有些列名和数据容易混淆或者让人产生歧义。比如说本数据集的第一列是“购药时间”，然而我们做数据分析的时候应该是站在商家的角度来看，因此将列名改为“销售时间”就会更清晰明了。在这里可以采用rename函数来实现：
3.3缺失值处理。
获取的数据中很可能存在这缺失值，这会对分析的结果造成影响。我们经过查看数据集基本的信息，发现“购药时间”和“社保卡号”各缺失一行数据。在这里可以使用dropna函数进行删除缺失值：
3.4数据类型的转换。
在导入数据的时候为了防止导入不进来，python会强制转换为object类型，然是这样的数据类型在分析的过程中不利于运算和分析。比如“销售数量”、“实收金额”等应该是浮点型。
在“销售时间”这一列数据中存在星期这样的数据，但在数据分析过程中不需要用到，因此要把销售时间列中日期和星期使用split函数进行分割，分割后的时间，返回的是Series数据类型：
接着把切割后的日期转为时间格式，方便后面的数据统计，并且可以用astype()函数对其它数据进行类型转换：
3.5异常值处理。
到这一步，我们可以利用describe()函数查看数据是否还存在异常:
我们可以看出最小值min出现了负数，这些都是异常值，这里要去掉异常值，排除异常值造成影响。
我们可以创建一个掩模，来筛选出正常的数据，也就是大于0的值，排除“销售数量”这一列中的负值：
接下来可以利用drop_duplicates()函数删除重复的数据：
3.6数据排序。
此时的数据还是比较混乱，没有按照一定的顺序进行排序。按照习惯，我们可以根据时间的顺序对数据进行排序：
这一步也要重新设置索引index了
到这里，我们的数据清洗工作顺利完成。
四、建模分析
对数据进行处理之后，需要利用数据构建模型，计算相关的业务指标并用可视化的方式呈现结果。
4.1月均消费次数
月均消费次数 = 总消费次数 / 月份数
4.2月均消费金额
月均消费金额 = 总消费金额 / 月份数
4.3客单价
客单价 = 总消费金额 / 总消费次数
五、可视化
5.1消费趋势
消费趋势图呈现出每天销售药品的情况。
首先导入相关的包：
接着画图：
从结果可以看出，每天消费总额差异较大，除了个别天出现比较大笔的消费，大部分人消费情况维持在500元以内。
5.2每月消费金额
结果显示，7月消费金额最少，这是因为7月份的数据不完整，所以不具参考价值。
1月、4月、5月和6月的月消费金额差异不大，2月和3月的消费金额迅速降低，这可能是2月和3月处于春节期间，大部分人都回家过年的原因。
5.3药品销售情况
对“商品名称”和“销售数量”这两列数据进行聚合为Series形式，方便后面统计，并按降序排序：
截取销售数量最多的前十种药品，并用条形图展示结果：
最后画图展示：
得到销售数量最多的前十种药品信息，这些信息将会有助于加强医院对药房的管理。
获取数据集：扫码关注微信公众号“价值智生”，回复“药品销售数据”即可获得。
数据来源于网络，仅供学习使用，请勿用于其它用途。
