本文總結了猴子Live課程：怎樣用Python進行資料分析，主講内容包括Numpy和Pandas。
一、一維資料分析
一維資料分析，可以使用Numpy中Array，也可以使用Pandas中的Series，Series的功能會更多些。
Numpy一維數組與Python清單的差別？--Numpy具有統計功能、向量化計算，Numpy數組中的資料類型必須是一緻的，Python清單可以存儲不同的資料類型。
Pandas一維數組的使用：Pandas的Series可以建立索引，可以使用describe擷取描述性統計資訊
Pandas的Series擷取資料有兩種方式，iloc根據元素位置擷取值，loc根據索引擷取值
Pandas - Series支援向量相加，可以使用+号和add，add支援缺失值填充
二、二維資料分析
Numpy中通過Array建立二維數組，Pandas中通過DataFrame建立二維數組，資料框DataFrame更加廣泛。
Numpy二維數組：如何定義二維數組、3種擷取元素的情況
Numpy數軸參數，指定按照某一行或者某一列進行計算
DataFrame相對于Numpy二維數組的優勢：
- DataFrame每一列可以是不同的資料類型
- DataFrame每一行每一列都有一個索引值，很容易存儲常見的表格資料
DataFrame 的建立和使用，學會使用iloc按照位置查詢資料，loc按照索引查詢資料，通過清單查詢某幾列資料，通過切片查詢資料，以及通過條件判斷篩選資料。
DataFrame：資料集描述性統計資訊
三、通過案例學習資料分析步驟
資料分析步驟：提出問題、了解資料、資料清洗、構模組化型、資料可視化提出問題：一切的資料分析都是為了解決我們工作或生活中的問題，明确的問題為我們後面的資料分析提供了一個大的目标。
了解資料：根據我們的問題采集資料，将資料導入到資料框中，檢視資料集的資訊，從整體上了解資料。
資料清洗：對資料進行清洗，很多資料并不符合我們的标準。
構模組化型：簡單的分析是得到某些業務的名額，複雜的分析需要用到機器學習的算法。
資料可視化：與他人交流自己的資料結果，最好的方式就是使用圖表。
案例過程：
1. 提出問題：某醫院銷售資料，需要擷取月均消費次數、月均消費金額、客單價、消費趨勢
了解每個業務名額的含義，實際項目中，前期我們需要和業務人員一起讨論明确他們的需求，各個名額的計算公式
2. 了解資料
#1.讀取Excel資料（統一按str讀入，之後轉換）
fileNameStr='./醫院銷售資料.xlsx'
xls=pd.ExcelFile(fileNameStr, dtype='object')
salesDf=xls.parse('Sheet1',dtype='object')
#2.列印前幾行
salesDf.head()
#3.檢視有多少行多少列
salesDf.shape()
#4.檢視列的資料類型
salesDf.dtypes
3. 資料清洗
資料清洗步驟：
- 選擇子集
- 列名重命名
- 缺失資料處理
- 資料類型轉換
- 資料排序
- 異常值處理
#1.選擇子集
subSalesDf=salesDf.loc[0:4,'購藥時間':'銷售資料']
#2.列名重命名
colNameDict=['購藥時間':'銷售時間']
subSalesDf.rename(columns=colNameDict,inplace=True）
#3.缺失資料處理,删除指定列中為空的行，
#how='any'在給定的任何一列中有缺失值就删除
subSalesDf.dropna(subset=['銷售時間','社保卡号'],how='any']
#4.資料類型轉換，字元串轉化為數值
subSalesDf['銷售數量']=subSalesDf['銷售數量'].astype('float')
subSalesDf['應收金額']=subSalesDf['應收金額'].astype('float')
subSalesDf['實收金額']=subSalesDf['實收金額'].astype('float')
#處理日期，字元串分割split，定義一個分割日期的函數
'''
定義函數：分割銷售時間，擷取銷售日期
輸入：timeSereis銷售時間這一列，是個Series資料類型
輸出：分割後的時間，傳回也是個Sereis資料類型
'''
def splitSaletime（timeSeries):
timeList=[]
for value in timeSeries:
#分割字元串，擷取銷售日期
dateStr=value.split('')[0]
timeList.append(dateStr)
#将清單轉行為一維資料Series類型
timeSeries=pd.Sereis(timeList)
return timeSeries
#擷取銷售時間這一列，對字元串進行分割擷取銷售日期
timeSeries=subSalesDf.loc[:,'銷售時間']
dateSeries=splitSaletime（timeSeries）
#修改銷售時間這一列的值
subSalesDf.loc[:,'銷售時間']=dateSeries
#字元串轉日期
subSalesDf.loc[:,'銷售時間']=pd.to_datetime(subSalesDf.loc[:,'銷售時間'],format='%Y-%m-%d',errors='coerce')
#轉化日期過程中不符合日期格式的數值會被轉化為控制None，删除為空的行
subSalesDf.dropna(subset=['銷售時間'],how='any']
#5.資料排序，按銷售日期進行升序排序
subSalesDf=subSalesDf.sortvalues(by='銷售時間',ascending=True）
#重命名行名（index）
subSalesDf=subSalesDf.reset_index(drop=True)
#6.異常值處理
#每一列的描述性統計資訊
subSalesDf.describe()
#删除異常值：通過條件判斷篩選出資料
#查詢條件
querySeries=subSalesDf.loc[:,'銷售資料']>0
#應用查詢條件
subSalesDf=subSalesDf.loc[querySeries,:]
4. 構模組化型