关于数据分析过程的总结，感谢社群里的郑梓鑫同学，让我学会了用百度脑图画出好看的流程图。

用一个药店销售数据的分析来说明整个过程

1.提出问题。我们从这个思路去考虑：客户的目的要求——哪些方面论证说明——哪些数据来反应。只有知道自己需要哪些数据，才能去选择合适的数据源，开始自己的工作。

评判一个药店销售的业务指标有：1.月均消费次数2.月均消费金额3.客单价

药店的销售数据都在这个EXECL里，导入jupyter notebook中即可。

2.理解数据这一步我们需要对数据有个大致了解，比如有哪些方面的数据，数据的大小等等。

3.数据清洗这是耗费时间最长最关键的一步，其中有六小步，但不一定都是按序进行的。有时需要回头重新执行，比如数据缺失值处理等。这步关系到后面数据建模用的数据准确性。

3.1选择子集：这份数据中的数据基本都是有用的，只有星期用不着，但因为现在和日期是一个字符串，暂时无法单独删除，故这一步不用考虑了。

3.2重命名：其中购药时间是对于药店这个特有的对象来说的，但对于分析人员就是销售时间，所以为了更好理解要重命名。

3.3缺失值处理。大量记录大量数据的文件中不免会出现缺失值，这会影响后面的数据建模分析，所以肯定要删除。

3.4数据类型变换。记录数字的，分析计算时要用实数型

这一步是把前面说的无用的星期去掉。并且字符串型式转换成日期型式

因为数据格式的转换，会出现不成功的，那么就又会有缺失值，可以再次删除缺失值。

3.5数据排序。经过之前的各种操作，数据的索引乱了，现在对它重新排序。

3.6接下来需要人为判断一下不符合实际情况的数据，对它进行删除。

4.数据建模，如果涉及专业性比较强的，需要专业性的知识才能解决。

最终结果，月均消费次数：890元

月均消费金额：50668元

客单价：57元

这三个指标反应了总体情况，如果需要看每个月或者每周的情况就需要数据可视化的图表了。

5.数据可视化是得出简单易懂的结果，也是把一堆复杂的数据转化为实用价值的一个步骤，不管是报告还是PPT，都需要。

这是生成的简单图表，更加复杂有用的在后面的课程再补上。这篇文章主要阐述了数据分析的基本过程，其中基础知识可以参考《利用python进行数据分析》这本书。