python 데이터 분석 매트릭스 - 약국 판매 데이터 분석

import pandas as pd

fileNameStr='./    2018     .xlsx'
xls = pd.ExcelFile(fileNameStr, dtype='object')
salesDf = xls.parse('Sheet1',dtype='object')

print(salesDf.head())
print(salesDf.shape)

#  ：           
colNameDict = {'    ':'    '}

'''
inplace=False，        ，              ，
   inplace False
inplace=True，        
'''
salesDf.rename(columns = colNameDict,inplace=True)
print(salesDf.head())

print('
        ',salesDf.shape)

#   （    ，    ）     
#how='any'                 
salesDf=salesDf.dropna(subset=['    ','    '],how='any')
print('
       ',salesDf.shape)

#        （   ）
salesDf['    '] = salesDf['    '].astype('float')
salesDf['    '] = salesDf['    '].astype('float')
salesDf['    '] = salesDf['    '].astype('float')
print('
        ：
',salesDf.dtypes)

'''
    ：      ，      
  ：timeColSer        ，  Series    
  ：      ，     Series    
'''
def splitSaletime(timeColSer):
    timeList=[]
    for value in timeColSer:
        #  2018-01-01    ，    ：2018-01-01
        dateStr=value.split(' ')[0]
        timeList.append(dateStr)
    
    #          Series  
    timeSer=pd.Series(timeList)
    return timeSer

#  “    ”   
timeSer=salesDf['    ']
#        ，      
dateSer=splitSaletime(timeSer)

salesDf['    '] = dateSer
 
salesDf['    '] = pd.to_datetime(salesDf['    '],format='%Y-%m-%d', 
                                    errors='coerce')

print('
        ：
',salesDf.dtypes)

print('
        ',salesDf.shape)


#   （    ，    ）     
#how='any'                 
salesDf=salesDf.dropna(subset=['    ','    '],how='any')
print('
       ',salesDf.shape)

'''
by：      
ascending=True       ，
ascending=True      
na_position=True       ，       ，                  
'''
#           
salesDf=salesDf.sort_values(by='    ',
                    ascending=True,
                    na_position='first')

#     （index）：              ，      0 N       
salesDf=salesDf.reset_index(drop=True)

#     ：           
#    
querySer=salesDf.loc[:,'    ']>0
#      
print('      ：',salesDf.shape)
salesDf=salesDf.loc[querySer,:]
print('      ：',salesDf.shape)

'''
     ：    ，                 
#    （    ，    ），           ，   1 ，        
'''

kpi1_Df=salesDf.drop_duplicates(
    subset=['    ', '    ']
)

#     ：    
totalI=kpi1_Df.shape[0]

print('     =',totalI)

kpi1_Df=kpi1_Df.reset_index(drop=True)
# 2 ：      
#     
startTime=kpi1_Df.loc[0,'    ']
#     
endTime=kpi1_Df.loc[totalI-1,'    ']

# 3 ：     
#  
daysI=(endTime-startTime).days
#   :    “//”      
#        ，  9//2      4
monthsI=daysI//30
print('   ：',monthsI)

kpi1_I=totalI // monthsI
print('    1：      =',kpi1_I)

#     
totalMoneyF=salesDf.loc[:,'    '].sum()
#      
monthMoneyF=totalMoneyF / monthsI
print('    2：      =',monthMoneyF)

'''
totalMoneyF：     
totalI：     
'''
pct=totalMoneyF / totalI
print('   ：',pct)

import matplotlib.pyplot as plt
#plt.plot([,kpi1_Df['    '])

#       ，              ，                
groupDf=salesDf
# 1 ：     （index）          
groupDf.index=groupDf['    ']
groupDf.head()

# 2 ：  
gb=groupDf.groupby(groupDf.index.month)

# 3 ：    ，          
mounthDf=gb.sum()

print(mounthDf)

plt.plot(mounthDf.index,mounthDf['    '])
plt.plot(mounthDf.index,mounthDf['    '])

                                                         
0  2018-01-01          001616528  236701    VC       6  82.8     69
1  2018-01-02          001616528  236701             1    28  24.64
2  2018-01-06         0012602828  236701             2  16.8     15
3  2018-01-11      0010070343428  236701             1    28     28
4  2018-01-15        00101554328  236701             8   224    208
(6578, 7)
                                                                   
0  2018-01-01          001616528  236701    VC       6  82.8     69
1  2018-01-02          001616528  236701             1    28  24.64
2  2018-01-06         0012602828  236701             2  16.8     15
3  2018-01-11      0010070343428  236701             1    28     28
4  2018-01-15        00101554328  236701             8   224    208

         (6578, 7)

        (6575, 7)

        ：
          object
         object
         object
         object
        float64
        float64
        float64
dtype: object

        ：
         datetime64[ns]
                object
                object
                object
               float64
               float64
               float64
dtype: object

         (6575, 7)

        (6549, 7)
      ： (6549, 7)
      ： (6506, 7)
     = 5342
   ： 6
    1：      = 890
    2：      = 50668.3516667
   ： 56.909417821
                               
                               
1     2527.0  53561.6  49461.19
2     1858.0  42028.8  38790.38
3     2225.0  45318.0  41597.51
4     3005.0  54296.3  48787.84
5     2225.0  51263.4  46925.27
6     2328.0  52300.8  48327.70
7     1483.0  32568.0  30120.22