理论基础知识可以看我之前的博客：

1、python之Numpy知识点详细总结

2、python最最最重要的数据分析工具之pandas

3、pandas之表连接与高级查询

也可以进入我的专栏：欢迎订阅哦，持续更新

python数据分析

数据处理分析的两大重要工具Numpy和pandas 常见用法基本上整理的差不多了，以后遇到更好用的方法函数等会继续总结更新。现在我们就用一个简单🌰小栗子来检验一下成果。

现有两张表格：销售表和广告费表销售表字段：日期、商品名称、成交件数、销售额广告费表字段：日期、广告费需求：  1、分别按天和月分析销售额的变化情况 以及月环比情况 2、分析销售额与广告费的散点图关

0、前期准备

import pandas as pd import numpy as npimport matplotlib.pyplot as plt  # 画图专用库  或者使用seaborn画图风格也好看plt.style.use('ggplot')  # 画图风格使用ggplot风格,美化图用的  ggplot是R语言中的一个包plt.rcParams['font.sans-serif'] =['Microsoft YaHei']  # 解决画图不显示文字的问题plt.rcParams['axes.unicode_minus'] = False     # 解决画图不显示负号的问题df1 = pd.read_csv('销售表.csv',encoding='gbk')  # 按照gbk解码格式读取,utf-8会出错df2 = pd.read_csv('广告费.csv',encoding='gbk')df1.info()# df1结果如下： non-null没有缺失值<class 'pandas.core.frame.DataFrame'>RangeIndex: 11815 entries, 0 to 11814Data columns (total 4 columns): #   Column  Non-Null Count  Dtype  ---  ------  --------------  -----   0   日期      11815 non-null  object   # 字符串类型 1   商品名称    11815 non-null  object  # 字符串类型 2   成交件数    11815 non-null  int64   # 整数类型 3   销售额     11815 non-null  float64  # 浮点数类型dtypes: float64(1), int64(1), object(2)memory usage: 369.3+ KB   # 数据大小369.3Kbdf2.info()# df2结果如下：non-null没有缺失值<class 'pandas.core.frame.DataFrame'>RangeIndex: 11815 entries, 0 to 11814Data columns (total 2 columns): #   Column  Non-Null Count  Dtype ---  ------  --------------  -----  0   投放日期    11815 non-null  object # 字符串类型 1   广告费     11815 non-null  int64   # 整数类型dtypes: int64(1), object(1)memory usage: 184.7+ KB # 数据大小# 将两张表的日期列由字符串类型转为日期类型 df1['日期'] = pd.to_datetime(df1['日期'])    df2['投放日期'] = pd.to_datetime(df2['投放日期'])# 对销售表：求每天的总成交件数与总销售额df3 = df1.groupby(by='日期')[['成交件数','销售额']].sum()# 对广告费表：求每天的投放广告费用支出df4 = pd.DataFrame(df2.groupby(by='投放日期')['广告费'].sum())# df3,df4 结果如下：自动将分组字段作为了索引且是日期类型,方便后面计算。# 将df3和df4横向连接,连接键为索引 所以用left_index和right_index方便df = df3.merge(df4,left_index=True,right_index=True)df

1、按月，按天分析销售额的变化形式 及月环比

"""按月汇总 ：这里的resample()重新采样和频率转换函数,参数'M'是month的首字母,因此表示将原日期以天数为单位转换为以月为最小单位的日期(但输出格式为xxxx-xx-31日为每月的最后一天)；.sum()就相当于按照月分组后对列进行求和；to_period('M') 是将xxxx-xx-31中的日彻底去掉,变成xxxx-xx """month_sum = df.resample('M').sum().to_period('M')# 求月环比：pct_change()是特别重要环比函数：相对于该行照比上一行的值增加或减少了多少(0,1)间,这里*100转为以百分号为单位 month_sum['月环比'] = round(month_sum['销售额'].pct_change()*100,2)month_sum# 第一行月环比为NaN 因为它是第一行,前面没有可比的数字  你也可以通过fillna(0) 填充为0

# 创建长宽(16,5)的画布 fig = plt.figure(figsize=(16,5))# 将画布分为两部分 1行2列 这里是第一个子图 ax1 = fig.add_subplot(121)ax1.plot(df.index,df['销售额'],c='r')  # 折线图plot(x轴数值,y轴数值,c线条颜色) plt.title('日销售额变化情况')     # 子图1标题# 第二个子图ax2 = fig.add_subplot(122)ax2.bar(range(12),month_sum['销售额'],color='pink') # 柱状图bar(x轴,y轴,color颜色) color不可缩写为c x轴只能传入数字plt.title('月销售额及月环比变化情况')    # 子图2标题plt.xticks(range(12),month_sum.index,rotation=60)  # 设置x轴刻度格式，将数字变为日期 rotationx轴文字旋转角度 ax3 = ax2.twinx()  # 还是第二个子图,只是两张图画共用x轴ax3.plot(range(12),month_sum['月环比'],c='b')  for i,j in enumerate(month_sum['月环比']):  # enumerate()函数输出的是索引及其值 如enumerate([1,2,3])  1的索引为0 所以会输出i=0,j=1    plt.text(i-0.5,j+0.5,str(j)+'%')      # text(x,y,text)，在(x,y)上显示text  plt.show()  # 显示图画

2、销售额与广告费的散点图关系

from sklearn.linear_model import LinearRegression  # sklearn机器学习库 导入线性回归模型from sklearn.metrics import r2_score  # sklearn.metrics是检查模型的各种分数,r2_score是拟合优度lr = LinearRegression()  # 创建线性回归实例lr.fit(np.array(df['广告费']).reshape(-1,1),df['销售额'])  # fit(x,y)拟合 x必须是二维的,reshape(-1,1)转化y_pre = lr.coef_ * np.array(df['广告费']) + lr.intercept_  # 对原数据进行预测print('线性回归系数:{%.4f}' % lr.coef_)    print('截距:{%.4f}' % lr.intercept_)print(r2_score(df['销售额'],y_pre)) # r2_score(原y值,预测的y值) R^2plt.figure(figsize=(8,4))plt.scatter(df['广告费'],df['销售额'],c='b')  # 广告费和销售额散点图 plt.plot(df['广告费'],y)  # 折线图 预测后的销售额 与 广告费 的直线关系plt.xlabel('广告费(元)')  # x轴标签plt.ylabel('销售额(元)')  # y轴标签plt.show()

处理数据时遇到了新函数resample()之前没有总结的，因此下篇文章我会单独讲解该函数及其他重要日期函数(索引为日期函数时处理方便)

pandas日期处理函数之date_range()、resample()与to_period()