前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资料以及群交流解答点击即可加入
准备数据1、导入python数据分析模块三剑客：pandas\matplotlib\numpy 2、用read_excel()方法导入数据源 
.输出结果截图如下（部分）： 
可以看到有这些数据：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。
1、缺失值的处理 
可以看到，这份数据很干净，没有空值。缺失值查询也可以用info()方法。
如果数据中有缺失值，我们可以用dropna()方法进行删除，或者用fillna()进行填充。
2、重复值处理
很多数据都是有重复值的，这个在数据分析前必须删除掉，不然影响结果的准确度,清洗方法为drop_duplicates()。 
结果显示，无重复。完了，我找的这个数据可能是别人已经清洗过的了，可能不需要我清洗了，打扰了。
1、数据整体情况把握，用shape方法查看维度。 
结果显示，这个数据有4248行，14列。
2、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，瞬间可以查看各列数据的计数、平均数、极值、方差、4分位数等等。当然，如果你这样写：describe(include=‘all’)，数据会更加详细。
3、排序分析
比如我想看每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，所以我用这个函数默认取前5个数据。
4、数据分组（跟SQL中的分组一样）
比如，我想看不同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个大对不对？那可以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。
5、根据条件查询数据
比如，我要看看哪些产品有负利润。 
发现普洱茶的部分产品很多是亏本的。也许你想，如果我只想查询清凉茶的负利润产品呢？也可以的，在条件查询中多加个条件就好了。如图： 
看到这里，你应该可以根据自己的分析需求运用条件格式畅所欲为了吧。是不是比excel嵌套会好用一点呢，关键excel如果碰到大数据嵌套会，人会很崩溃。比如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。
6、条件复杂一点分析(透视表)
比如，我要看看不同区域清凉茶的利润额和销售额的求和、平均值、极值呢？ 
这就需要用到上图展示中的pivot_table()，这就是透视表功能。这个功能可以让你实现各种复杂分析。但需要熟练。
7、增加一列，算利润率
比如我要算利润率，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： 
1、各产品种类利润额的图 
2、查看各种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。
3、雷达图
如果大家熟练了，就可以在这个基础上玩出各种花样了。我将在接下来的时间里，继续做一些分析案例，希望能分享一些比较容易上手，又能符合数据分析行业实际工作的东西出来。
