基于pandas对药品销售情况进行简单统计分析

一、实验步骤

1)导入需要用到的库

importpandasaspd
importmatplotlib.pyplotasplt

2）从电脑读取文件

dataDF=pd.ExcelFile("C:\\Users\\dell、\\Desktop\\药品销售情况.xlsx")
dataDF=dataDF.parse("Sheet1")

3)”购药时间“改为”销售时间“

changeName={"购药时间":"销售时间"}
dataDF.rename(columns=changeName,inplace=True)

4)删除空白行

dataDF=dataDF.dropna(axis=0,subset=["销售时间","商品名称"])

5）销售时间分割

defsplitTimeOperate(timeseries):
time_list=[]
forvalueintimeseries:
data=value.split('')[0]
time_list.append(data)
TimeSer=pd.Series(time_list)
returnTimeSer

6）提取有效数据并按销售时间升序排列

query=dataDF.loc[:,"销售数量"]>=0
dataDF=dataDF.loc[query,:]
dataDF=dataDF.sort_values(by='销售时间',ascending=True,na_position="first")
print(dataDF)

salesData=dataDF["销售时间"]
dataDF["销售时间"]=splitTimeOperate(salesData)
dataDF=dataDF.dropna(axis=0,subset=["销售时间","商品名称"])

7）描述信息

Desc=dataDF.describe(include='all')
print(Desc)

8）获取月份，月平均销售次数
defsplitMonthOperate(timeseries):
time_list=[]
forvalueintimeseries:
data=value.split('-')[1]
time_list.append(data)
MonthSer=pd.Series(time_list)
returnMonthSer


MonthsData=dataDF["销售时间"]
dataDF["销售时间"]=splitMonthOperate(MonthsData)
Num=dataDF["销售时间"]
print(Num)
Avg_num=dataDF['销售数量'].mean()
print(Avg_num)
Avg_money=dataDF['应收金额'].mean()
print(Avg_money)

9）绘制散点图

温度=dataDF['温度']
销售量=dataDF['销售数量']
#设置x，y轴的取值范围
plt.scatter(温度,销售量)
#标签
plt.title('温度与销售量的关系')
plt.xlabel("温度")
plt.ylabel("销量")
plt.show()

二、运行截图

三、实验心得

        pandas是一个基于numpy的功能非常强大的数据分析工具，主要提供了dataframe和series两种数据类型。通过本次实验，我开始上手并且熟悉pandas，更加认识到了pandas和python的强大,本次实验只是使用了pandas功能中的很小的一部分，要想运用好pandas来做数据分析还有一段路要走。