大家好，我是不知所措撓頭娜。o(〃'▽'〃)o
今天開篇沒有廢話。如果你學了前面提到的python的幾個包，看了作業題目覺得很想自己動手試試，可以私下找我把作業需要用到的數據資料分享給你~
接著分享娜娜醬的第四個python學習小作業：某公司產品銷量分析
作業要求：
1、批量讀取數據，并輸出以下信息：數據量、數據字段名、每個文件分別有多少缺失值
① 創建獨立函數，從讀取數據到以上輸出要求
② 運行代碼調用創建函數，對數據進行批量處理
2、創建函數，批量讀取數據，用均值填充缺失值數據，并完成以下計算及圖表
（1）讀取數據并用均值填充缺失值；對“日期”字段進行時間序列處理，輸出三個Dataframe文件data1,data2,data3
（2）分別計算data1，data2，data3中A,B產品的月總銷量，并繪制多系列柱狀圖，存儲在對應的圖片文件夾路徑
（3）分別計算A、B產品在每個月中哪一天超過了月度80%的銷量，輸出日期
3、創建函數，讀取數據并合并，對兩種產品銷量作線性回歸擬合，預測
（1）讀取數據刪除缺失值；對“日期”字段進行時間序列處理，合并三個月數據，輸出data；
（2）針對A產品銷量和B產品銷量數據做回歸分析，制作散點圖并存儲，并預測當A銷量為1200時，B產品銷量值
AB產品銷量數據大概長這樣
娜娜醬的代碼（在jupyter notebook做的）：
第1題：加載模塊，創建函數讀取產品銷量數據
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus']=False
from sklearn.linear_model import LinearRegression
import datetime
import os
% matplotlib inline
#1、批量讀取數據，并輸出以下信息
#（1）數據量
#（2）數據字段columns
#（3）輸出每個文件分別有多少缺失值
#創建函數 ：f()
def f():
add = input('請指定工作目錄路徑：\n')
while os.path.exists(add) == False:
add = input('輸入有誤，路徑不存在，請重新指定工作目錄：\n')
else:
os.chdir(add)
for i in os.walk(add):
filename_lst = i[2]
print('數據已加載')
# 這里用了os.walk(path) ，可以返回路徑中的信息及文件，結果為一個生成器
for j in range(len(filename_lst)):
data = pd.read_excel(filename_lst[j],header = 0,index_col=0)
datasize = len(data) #數據量
colname = data.columns.values.tolist() # 數據字段
nan_num = len(data[data.isnull().values == True]) # 缺失值數量
print('第%i個數據數據量為：%i' %(j+1,datasize))
print('第%i個數據字段為：%s' %(j+1,colname))
print('第%i個數據缺失值數量為：%i' %(j+1,nan_num))
print('----------')
#調用函數
f()
print('-----The end of Q1-----')
上段運行后，可以得到：
第2題：（1）批量讀取數據，用均值填充缺失值數據對“日期”字段進行時間序列處理，轉換成period
#創建函數：Q2_read_and_fillna()
def Q2_read_and_fillna():
add = r'C:\Users\my\Desktop\python_project5'
os.chdir(add)
for i in os.walk(add):
filename_lst = i[2]
dataset = []
for j in range(len(filename_lst)):
data = pd.read_excel(filename_lst[j],header = 0,index_col=0)
#用均值填充缺失值
colname = data.columns.values.tolist()
for col in colname:
u = data[col].mean()
data[col].fillna(u,inplace = True)
#日期轉換成時間序列
dataindex = data.index
dataindex.to_period()
#將data加入dataset
dataset.append(data)
return(dataset)
#調用函數
data1 = Q2_read_and_fillna()[0]
data2 = Q2_read_and_fillna()[1]
data3 = Q2_read_and_fillna()[2]
print('數據已加載已處理！')
print('-----The end of Q2（1）-----')
此時data1~data3就已經處理好了：
第2題：（2）分別計算data1~data3中A、B產品的月總銷量，繪制多系列柱狀圖并存儲
#創建函數： Q2_monthly_sales(*dfs)
def Q2_monthly_sales(*dfs):
sales_A = []
sales_B = []
for df in dfs:
sales = df.sum()
print(sales)
sales_A.append(sales[0])
sales_B.append(sales[1])
#創建銷量dataframe
saledf = pd.DataFrame({'產品A月銷量':sales_A,'產品B月銷量':sales_B},
index = pd.period_range('201801','201803',freq = 'M'))
#return(saledf)
#繪圖
saledf.plot(kind = 'bar',grid = True,alpha = 0.5,rot = 0)
plt.title('1-3月產品A、B總銷量柱狀圖')
plt.savefig(r'C:\Users\my\Desktop\python_project5_圖片保存\銷量圖.png')
#調用函數
Q2_monthly_sales(data1,data2,data3)
print('銷量柱狀圖已繪制已保存！')
print('-----The end of Q2（2）-----')
運行上段代碼可得到每月產品總銷量：
第2題：（3）分別計算A、B產品在每個月中哪一天超過了月度80%的銷量，輸出日期
#創建函數：Q2_date_when_sales_over80(*dfs)
def Q2_date_when_sales_over80(*dfs):
date_A = []
date_B = []
for df in dfs:
df['A_cum'] = df['productA'].cumsum()
df['B_cum'] = df['productB'].cumsum()
df_Aover80 = df[df['A_cum']>(0.8*df['productA'].sum())]
df_Bover80 = df[df['B_cum']>(0.8*df['productB'].sum())]
date_A.append(str(df_Aover80.iloc[0].name))
date_B.append(str(df_Bover80.iloc[0].name))
return(date_A,date_B)
#調用函數
print('A、B產品各月超過80%的銷量日期分別為：\n')
print(Q2_date_when_sales_over80(data1,data2,data3))
print('-----The end of Q2（3）-----')
可知A產品各月銷量超過80%總銷量的日期為：
2018年01月26日、2018年02月23日、2018年03月25日
B產品各月銷量超過80%總銷量的日期為：
2018年01月26日、2018年02月24日、2018年03月26日
上面兩個日期非常相近，可以猜測A、B產品可能存在某種關聯，下面第3題可以證實我們的猜測。
第3題：（1）讀取一季度三個月的數據并合并，做散點圖觀察A,B產品銷量情況，并做回歸
#創建函數：Q3_read_and_combine()
def Q3_read_and_combine():
add = r'C:/Users/my/Desktop/python_project5'
os.chdir(add)
for i in os.walk(add):
filename_lst = i[2]
#print(filename_list)
dataset = []
for j in range(len(filename_lst)):
data = pd.read_excel(filename_lst[j],header = 0,index_col=0)
#日期轉換成時間序列
dataindex = data.index
dataindex.to_period()
#刪除缺失值
data.dropna(inplace = True)
#將data加入dataset
dataset.append(data)
#連接data
data_re = pd.concat([dataset[0],dataset[1],dataset[2]])
return(data_re)
#調用函數
data_combine = Q3_read_and_combine()
print(data_combine)
print('數據已加載已處理已合并！')
print('-----The end of Q3（1）-----')
這樣一季度的銷量就已經處理好了：
第3題：（2）針對A產品銷量和B產品銷量數據做回歸分析，制作散點圖并存儲，預測當A銷量為1200時，B產品銷量值
#創建函數：Q3_regression_analysis(df)
def Q3_regression_analysis(df):
#樣本數據
xtrain = data_combine['productA']
ytrain = data_combine['productB']
#線性回歸分析
model = LinearRegression()
model.fit(xtrain[:,np.newaxis],ytrain)
xtest = np.linspace(0,1000,1000)
ytest = model.predict(xtest[:,np.newaxis])
#繪制散點圖、線性回歸擬合直線
plt.scatter(xtrain,ytrain,marker = '.',color = 'k')
plt.plot(xtest,ytest,color = 'r')
plt.grid()
plt.title('A-B產品銷量回歸擬合')
plt.savefig(r'C:\Users\my\Desktop\python_project5_圖片保存\線性回歸擬合.png')
return(model.predict(1200))
#調用函數
Q3_regression_analysis(data_combine)
print('當A銷量為1200時，B的銷量預測值為：%i'%Q3_regression_analysis(data_combine))
print('A-B產品銷量回歸擬合圖已繪制已保存！')
print('-----The end of Q3（2）-----')
可能有人會覺得，這些操作有什么難的，Excel也能做出來，還比敲代碼快。確實Excel是一個非常強大的工具，可以做很多比較復雜的分析。不過，正因為它太“高大上”了，點幾下鼠標就可以分析，也就意味著它太不自由了。而且如果我們每個月都需要分析很多個產品的銷量，又或者數據量很大的時候，python的優勢就突顯出來了：這套代碼只需要寫好一次，以后每次使用前修改幾個參數，調整幾行代碼即可，極大地減少了重復動作。大量的機械的重復交給代碼就好了，多余出的時間可以用來做更有意思的事情哪！
我是娜娜醬，請繼續期待后續數據分析打怪升級小作業~前面這幾個作業比較初級，從下個作業起畫風要變得炫酷起來了！
這是零基礎入門數據分析系列的第五篇，其他內容在這里：
第一篇：零基礎小白自學數據分析：從入門到摔門？
第二篇：零基礎小白自學數據分析：從入門到絆倒？
第三篇：零基礎小白自學數據分析：從入門到住院？
第四篇：零基礎小白自學數據分析：從入門到出家？
也許你還想看看：數據分析，從入門到放棄
(-'?_?'-)謝謝您閱讀，請勿轉載。
