Python 作为一个有效数据处理工具，能大大延展我们挖掘数据价值的能力。本文以一个医院数据的案例，来展示Python医疗数据分析的过程。

数据分析的基本步骤

数据分析基本思路和步骤如下：

提出问题理解数据数据清洗构建模型数据可视化

一、提出问题

要分析的数据源如下：

朝阳医院2018年销售数据.xlsx262.1K · 百度网盘

我们要从这个样本数据里面分析出，月均消费次数，月均消费金额是多少，每次消费的客单价等关键指标。

二、理解数据

原表格中总共有六个字段，6578条记录，表格截图如下：

购药时间：药品销售时间，格式是日期格式。

社保卡号：购买药品的社保卡号，文件中数字是以文本形式存储的，所以左上角有一个绿色小图标，全部转换成数字格式之后，绿色小图标消失，数字靠右显示。

商品编码：药品编码，数字格式存储。

商品名称：药品名称，文本或者字符串的格式

销售数量、应收金额、实收金额，三个栏目都是数字格式。

三、数据清洗

1、使用pandas类对Excel进行数据处理，将Excel数据导入pandas二维数据结构dataframe中。

import pandas as pd from datetime import datetime # 读取Excel数据，导入pandas的数据框hospitalDf中 fileNameStr=E:\数据分析\朝阳医院2018年销售数据.xlsx hospitalxls=pd.ExcelFile(fileNameStr) hospitalDf=hospitalxls.parse(Sheet1)

2、为方便数据分析，我们筛选出销售数量大于0的数据子集进行分析，暂不考虑退货及销售错误的因素。

querySer=hospitalDf.loc[:,销售数量]>0 # 筛选出销量大于0的子集 subDf=hospitalDf.loc[querySer,:]

3、删除“购药时间”和“社保卡号”两列中的空值，筛选出的子集按照购药时间进行升序排列，由于重新排序，将列的序号也重置，使之能够从小到大排列。把经过上述数据清洗后的表格存在一张新的Excel表中，并重新命名。至此，数据清洗步骤完成。

# 删除购药时间和社保卡号两列中的空值 newDf=subDf.dropna(subset=[购药时间,社保卡号],how=any) newDf = newDf.sort_values(by=购药时间,ascending=True) # 按照购药时间进行升序排列 newDf = newDf.reset_index(drop=True) # 列表序号重置 newDf.to_excel(E:\数据分析\朝阳医院新数据.xlsx)

我们打印出经过上面数据清洗后，数据表的行列值，可以看到原表6578条记录变为6532条记录。

print (newDf.shape)

新的数据表如下：

朝阳医院新数据.xlsx256K · 百度网盘

四、构建模型

1、月均消费次数 = 总消费次数 /月份数

这里总消费次数为表格中的行数，每一行代表一次消费记录。月份数我们可以根据购药时间跨度先算出收尾跨度天数，如果天数在4年之内，直接除以30天取整就可以（对于年数相隔比较少的，采用这种算法就可以，相隔比较大的年数，需要精确计算）。

# 总消费次数等于总消费记录，有多少条消费记录消费就有多少次 totalcount = newDf.shape[0]#总消费次数 print (totalcount)

消费次数返回结果：

# 购药时间最后一条记录和第一条记录的时间相减，结果除以30取整，得到月份数 startdate = newDf.loc[0,购药时间] enddate = newDf.loc[totalcount-1,购药时间] startdt = startdate.split() enddt = enddate.split() startdtime = datetime.strptime(startdt[0], "%Y-%m-%d") enddtime = datetime.strptime(enddt[0], "%Y-%m-%d") monthscount = (enddtime-startdtime).days//30 #月份数 print (monthscount)

月份数返回结果：

#月均消费次数 = 总消费次数/月份数 avgcount = totalcount/monthscount print (avgcount)

月均消费次数返回结果：

得到月均消费次数约为1088.67次。

2、月均消费金额 = 消费总金额/月份数

消费总金额可以将表格中所有记录的实收金额求和，月份数可以复用上面指标计算的代码。

#月均消费金额 #总消费金额/月份数 #计算总消费金额 totalMoney = newDf.loc[:,实收金额].sum() print (totalMoney) avgMoney = totalMoney/monthscount print (avgMoney)

实收金额求和结果：

月均消费金额计算的结果：

3、客单价 = 总消费金额/总消费次数

每一次消费的平均价格为客单价，可用上面指标中求出的总消费金额除以总的消费次数计算出来。复用上面计算出的指标值，进行简单的除法计算得到结果。

#客单价 #总消费金额/总消费次数 avgprice = totalMoney/totalcount print (avgprice)

客单价计算返回结果：

总结：经过上面分析，我们根据数据表计算出了几个主要业务指标，也学会了一些简单的Python处理Excel数据表以及数据分析的基本方法。后续涉及Python的数据可视化，我们在后面讨论。