python商品销售情况数据分析_药店商品销量分析(python)

一、数据分析的步骤

二、提出问题

分析药店商品销售情况

1)月均消费次数

2)月均消费金额

3)客单价

4)消费趋势

5)热销商品、滞销商品

三、理解数据

销售数据源为excel文件

字段的含义：

共有6579条销售数据

共有7个字段分别为：购买时间、社保卡号、商品编码、商品名称、销售数量、应收金额、实收金额

四、清洗数据

本次分析采用Jupyter Notebook分析，数据集为本地excel文件

(1)选择子集

本次分析的excel工作簿里面只有一个工作表

#导入数据分析包

importpandas as pd

salesDf= pd.read_excel('./朝阳医院2018年销售数据.xlsx')#head()打印前5行

#df = pd.read_excel(path,sheet_name=4,header=6)# 指定序号为4的工作簿，用第6行做为行索引

"""sheet_name,工作簿的序号从0开始 """

#header从0开始计数

print(salesDf.head())

(2)列表重命名

#字典：旧列名和新列名对应关系

colNameDict = {'购药时间':'销售时间'}'''inplace=False，数据框本身不会变，而会创建一个改动后新的数据框，

默认的inplace是False

inplace=True，数据框本身会改动'''salesDf.rename(columns= colNameDict,inplace=True)

salesDf.head()

(3)删除重复值

print('删除重复值前大小',salesDf.shape)#删除重复销售记录

salesDf =salesDf.drop_duplicates()print('删除重复值后大小',salesDf.shape)

删除前后数据进行对比，发现本数据集没有重复值

(4)缺失值处理  info也可以查看字段的数据类型

"""整体观察"""df.info()"""如果缺失的数据很少，可以直接进行删除"""

"""如果缺失的数据量较大，超过了10%，要根据业务情况，进行删除或填充"""

"""填充数据时，可以采用均值，中位数进行填充"""

"""如果数据记录之间有明显的顺序关系，可以采用附近相邻的数据进行填充"""

总共有6578行数据只有2个缺失值，可以直接删除

"""删除缺失值"""df.dropna()#删除出现缺失值得行#df.dropna(axis=1)

df.dropna(how='all') #当整行数据都为nan 时才删除

df.dropna(how='any') #只要出现缺失值就删除

df.dropna(subset=['房价'])#指定列出现缺失值才删除

print('删除缺失后大小',salesDf.shape)#查询是否有空值

print(salesDf.isnull().any())

处理后，结果显示没有缺失值

(5)一致化处理

#查看每一列的数据类型

salesDf.dtypes

只需要将销售时间改为：字符串转换为日期数据类型

#获取“销售时间”这一列

timeSer=salesDf.loc[:,'销售时间']#对字符串进行分割，获取销售日期

timeList=[]for value intimeSer:#例如2018-01-01 星期五，分割后为：2018-01-01

dateStr=value.split(' ')[0]

timeList.append(dateStr)#将列表转行为一维数据Series类型

timeSer=pd.Series(timeList)print(timeSer.head())

#修改销售时间这一列的值

salesDf.loc[:,'销售时间']=dateSer

salesDf.head()

'''数据类型转换:字符串转换为日期'''

#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

salesDf.loc[:,'销售时间']=pd.to_datetime(salesDf.loc[:,'销售时间'],

format='%Y-%m-%d',

errors='coerce')

# 查询是否有空值

print(salesDf.isnull().any())

'''转换日期过程中不符合日期格式的数值会被转换为空值，

这里删除列(销售时间)中为空的行'''salesDf=salesDf.dropna(subset=['销售时间'],how='any')#查询是否有空值

print(salesDf.isnull().any())

(6)数据排序

按照销售时间进行排序

'''by：按哪几列排序

ascending=True 表示升序排列，

ascending=True表示降序排列

na_position=first表示排序的时候，把空值放到前列，这样可以比较清晰的看到哪些地方有空值

官网文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort_values.html'''

#按销售日期进行升序排列

salesDf=salesDf.sort_values(by='销售时间',

ascending=True,

na_position='first')

print('排序后的数据集')

salesDf.head(3)

#重命名行名(index)：排序后的列索引值是之前的行号，需要修改成从0到N按顺序的索引值

salesDf=salesDf.reset_index(drop=True)

salesDf.head()

(7)异常值处理

#描述指标：查看出“销售数量”值不能小于0

salesDf.describe()

#删除异常值：通过条件判断筛选出数据#查询条件

querySer=salesDf.loc[:,'销售数量']>0#应用查询条件

print('删除异常值前：',salesDf.shape)#筛选数据

salesDf=salesDf.loc[querySer,:]print('删除异常值后：',salesDf.shape)print(salesDf.head())

五、构建模型

(1)业务指标1:月均消费次数=总消费次数 / 月份数

'''总消费次数：同一天内，同一个人发生的所有消费算作一次消费

#根据列名(销售时间，社区卡号)，如果这两个列值同时相同，只保留1条，将重复的数据删除'''kpi1_Df=salesDf.drop_duplicates(

subset=['销售时间', '社保卡号']

)#总消费次数：有多少行#shape几行几列

totalI=kpi1_Df.shape[0]print('总消费次数=',totalI)

'''计算月份数：时间范围'''

#第1步：按销售时间升序排序

kpi1_Df=kpi1_Df.sort_values(by='销售时间',

ascending=True)#重命名行名(index)

kpi1_Df=kpi1_Df.reset_index(drop=True)

#第2步：获取时间范围#最小时间值

startTime=kpi1_Df.loc[0,'销售时间']#最大时间值 totallI总行数

endTime=kpi1_Df.loc[totalI-1,'销售时间']#第3步：计算月份数#天数

daysI=(endTime-startTime).days#月份数: 运算符“//”表示取整除#返回商的整数部分，例如9//2 输出结果是4

monthsI=daysI//30

print('月份数：',monthsI)

#业务指标1：月均消费次数=总消费次数 / 月份数

kpi1_I=totalI //monthsIprint('业务指标1：月均消费次数=',kpi1_I)

业务指标1：月均消费次数= 890

(2)指标2：月均消费金额 = 总消费金额 / 月份数

#总消费金额

totalMoneyF=salesDf.loc[:,'实收金额'].sum()#月均消费金额

monthMoneyF=totalMoneyF /monthsIprint('业务指标2：月均消费金额=',monthMoneyF)

业务指标2：月均消费金额= 50668.35166666666

(3)指标3：客单价=总消费金额 / 总消费次数

'''totalMoneyF：总消费金额

totalI：总消费次数'''pct=totalMoneyF /totalIprint('客单价：',pct)

客单价：56.909417821040805

(4)指标4：消费趋势，画图：折线图

#在进行操作之前，先把数据复制到另一个数据框中，防止对之前清洗后的数据框造成影响

groupDf=salesDf#第1步：重命名行名(index)为销售时间所在列的值

groupDf.index=groupDf['销售时间']

groupDf.head()

#第2步：分组

print(groupDf.index.month)

gb=groupDf.groupby(groupDf.index.month)

#Pandas 无法显示中文问题 解决方案##

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

import matplotlib.pyplot as plt

ax =data_mounth.plot(

secondary_y=['销售数量'],

x_compat=True,

grid=True,figsize=(10,4))

ax.right_ax.set_ylabel('销售数量')

ax.set_ylabel(['应收金额','实收金额'])#ax.set_ylabel()

plt.show()

(5)热销商品、滞销商品

product = salesDf.groupby('商品名称').count()#print(product)#print(type(product))

sum_product = product.loc[:,'销售数量']#print(sum_product)

#可以看出商品整体的销量情况

print(sum_product.sort_values(ascending=True))

六、总结和建议

总结：

(1)总消费次数= 5342，6个月，月均消费次数= 890，平均每天消费30人次。

(2)月均消费金额：月均消费金额= 50668元

(3)客单价：57元

(4)消费趋势：2-4月销量上升，4月销售数量出现峰值，4-7月销量下降

(5)定义销量过百的属于热销商品：共16种商品，滞销商品(非热销)78-16=62种

建议：

1.月均消费次数890，平均每天消费次数30次，月均50668元，客单价57元，数据可观。

2.重点分析4月销量高的原因，以及4月后销量下降的影响因素

3.研究热销商品的属性，可以考虑重点营销，对滞销商品进行下架退货处理