利用Python对咖啡馆营业作一个简单的数据分析

准备数据

一、导入python数据分析模块三剑客：pandas\matplotlib\numpy 二、用read_excel()方法导入数据源 .输出结果截图以下（部分）： 能够看到有这些数据：订单日期、市场类别、区域、产品类别、产品名称、预计销售成本、预计毛利、预计利润、预计销售额、销售成本、存货、毛利、利润额、销售额等等。

数据清洗

一、缺失值的处理 能够看到，这份数据很干净，没有空值。缺失值查询也能够用info()方法。

若是数据中有缺失值，咱们能够用dropna()方法进行删除，或者用fillna()进行填充。

二、重复值处理

不少数据都是有重复值的，这个在数据分析前必须删除掉，否则影响结果的准确度,清洗方法为drop_duplicates()。 结果显示，无重复。完了，我找的这个数据多是别人已经清洗过的了，可能不须要我清洗了，打扰了。

数据分析

一、数据总体状况把握，用shape方法查看维度。 结果显示，这个数据有4248行，14列。

二、用describe()方法进行描述性分析 从这个步骤，想必你已经看出Python的强大之处了，一个小方法，瞬间能够查看各列数据的计数、平均数、极值、方差、4分位数等等。固然，若是你这样写：describe(include='all')，数据会更加详细。

三、排序分析

好比我想看每一个产品利润额从高到低的分析。 sort_values(by='利润额')表示按利润额排序，ascending=False表示降序排序，head()数据太大了，因此我用这个函数默认取前5个数据。

四、数据分组（跟SQL中的分组同样）

好比，我想看不一样产品类别的利润额大小。 我用groupby()查看了利润额和销售额，根据肉眼，你一下估计看不出利润额哪一个大对不对？那能够根据上面我介绍的排序知识来排序。 超快吧，要比excel方便对不对。

五、根据条件查询数据

好比，我要看看哪些产品有负利润。 发现普洱茶的部分产品不少是亏本的。也许你想，若是我只想查询清凉茶的负利润产品呢？也能够的，在条件查询中多加个条件就行了。如图： 看到这里，你应该能够根据本身的分析需求运用条件格式畅所欲为了吧。是否是比excel嵌套会好用一点呢，关键excel若是碰到大数据嵌套会，人会很崩溃。好比我有次看到同事为了匹配数据一跑数据就是一两个小时。这在Python里是分分钟的事。

六、条件复杂一点分析(透视表)

好比，我要看看不一样区域清凉茶的利润额和销售额的求和、平均值、极值呢？ 这就须要用到上图展现中的pivot_table()，这就是透视表功能。这个功能可让你实现各类复杂分析。但须要熟练。

七、增长一列，算利润率

好比我要算利润率，那么我就得用利润额除以销售额，再换成百分比对不对？如图：

数据可视化

一、各产品种类利润额的图 二、查看各类产品的利润额分布在哪些区间 这是一个简单箱式图能看出极值、特殊值、4分位值，中位数等等。

三、雷达图

若是你们熟练了，就能够在这个基础上玩出各类花样了。我将在接下来的时间里，继续作一些分析案例，但愿能分享一些比较容易上手，又能符合数据分析行业实际工做的东西出来。