import pandas as pd
import numpy as np

#讀取資料
filename='E:\sale.xlsx'
xls=pd.ExcelFile(filename,dtype="object")
salesdf=xls.parse('Sheet1',dtype='object')
#打印出前5行資料
print(salesdf.head())

#資料大小，多少行多少列，注意shape後面不新增括號
print(salesdf.shape)

#資料型別:dtypes.後面也是不新增括號
print(salesdf.dtypes)

#資料清洗

#1）更改資料列頭名字
 

"""
inplace=True是資料框本身會改動
inplace=False資料框本身不會變，而會建立一個改動後的新的資料框，預設的是flase

"""
dictnamecol={"購藥時間":"銷售時間"}
salesdf.rename(columns=dictnamecol,inplace=True)
print(salesdf.head())

#2) 缺失值處理
print("缺失前的資料大小：",salesdf.shape)
salesdf=salesdf.dropna(subset=["銷售時間",'社保卡號'],how="any")
print("刪除缺失後的大小：",salesdf.shape)

"""
資料型別的轉換：字串轉為日期
銷售數量和金額：字串轉為浮點型，有利於下面的describe進行統計，否則describe就會無法對銷售數量和金額進行統計
"""
 

salesdf.loc[:,"銷售數量"]=salesdf.loc[:,'銷售數量'].astype("float")
salesdf.loc[:,"應收金額"]=salesdf.loc[:,'應收金額'].astype("float")
salesdf.loc[:,"實收金額"]=salesdf.loc[:,'實收金額'].astype("float")

#資料型別的轉換
#定義一個函式，將列表中的字串時間資料分列開，取第一個年月日，
def splitsaletime(timecolser):
    timelist=[]
    for value in timecolser:
        datastr=value.split(" "
 
)[0]
        timelist.append(datastr)
    timeser=pd.Series(timelist)
    return timeser

#將excel中的第一行銷售時間提取出來，運用到函式裡面，再將提取出來的字串年月日賦值給銷售時間
timeser=salesdf.loc[:,'銷售時間']
dataser=splitsaletime(timeser)
salesdf.loc[:,'銷售時間']=dataser


"""
資料型別的轉換：字串轉為日期
"""
#errors='coerce' 如果原始資料不符合日期的格式，轉換後的值為空值NaT
#format 是原資料中的日期格式
salesdf.loc[:,'銷售時間']=pd.to_datetime(salesdf.loc[:,"銷售時間"],format='%Y-%m-%d',errors="coerce")
print(salesdf.dtypes)
#以上是銷售時間從重新命名，分列，獲取年月日，再將年月日賦值給銷售時間

#轉換日期過程中不符合日期格式的數值會被轉換為空值，
#這裡刪除列（銷售時間，社保卡號）中為空的行
salesdf=salesdf.dropna(subset=['銷售時間','社保卡號'],how='any')
print(salesdf.head())


#資料排序
"""
by:按哪一列排序
ascending=True，按照降序排列
ascending=False 按照升序排列
"""
#按照銷售日期進行升序排列

salesdf=salesdf.sort_values(by="銷售時間",ascending=True)
print(salesdf.head())

#經過重新排序後，index的索引列就會重新改變
#重新命名行名（index）：排序後的列索引值是之前的行號，需要修改成從0到N的按順序的索引值

salesdf=salesdf.reset_index(drop=True)
print(salesdf.head())

#異常值處理
print(salesdf.describe())
#發現存在的銷售數量<0的異常值

#刪除異常值：通過條件篩選出資料
#查詢條件
queryser=salesdf.loc[:,"銷售數量"]>0
#應用查詢條件
print("刪除異常值前：",salesdf.shape)
salesdf=salesdf.loc[queryser,:]#布林運算,因為上面的查詢條件得到的是行，所以根據布林索引行對應相應的行。
print("刪除異常值後：",salesdf.shape)



#構建模型
#指標1：月平均消費次數
"""
總消費次數：同一天，同一個人的所有消費都算作是一次消費
根據列名（銷售時間，社群卡號），如果這兩個列值同時相同，只保留第一個
將重複的資料刪除
"""
kpil_df=salesdf.drop_duplicates(subset=["銷售時間",'社保卡號'])

#總得消費次數：有多少行
total=kpil_df.shape[0]

print("總得消費次數：",total)

#月份數
starttime=kpil_df.loc[0,"銷售時間"]
endtime=kpil_df.loc[total-1,'銷售時間']
days=(endtime-starttime).days
month=days//30
print("月份數：",month)

#業務指標1：月平均消費次數=總次數/月數
kpi1=total/month
print("月平均消費次數：",kpi1)

#業務指標2：月平均消費額
#因為總得金額是包含同一時間和同一個社保卡號的，因此是不能用kpi_df,應該用去重之前的sale_df
totalmoney=salesdf.loc[:,"實收金額"].sum()
monthmoney=totalmoney/month
print("月平均消費額：",monthmoney)

#業務指標3：客單價
'''
總消費額/總次數
'''
pct=totalmoney/total
print("客單價：",pct)



答案如下：

             購藥時間           社保卡號    商品編碼     商品名稱 銷售數量  應收金額   實收金額
0  2018-01-01 星期五      001616528  236701  強力VC銀翹片    6  82.8     69
1  2018-01-02 星期六      001616528  236701  清熱解毒口服液    1    28  24.64
2  2018-01-06 星期三     0012602828  236701       感康    2  16.8     15
3  2018-01-11 星期一  0010070343428  236701    三九感冒靈    1    28     28
4  2018-01-15 星期五    00101554328  236701    三九感冒靈    8   224    208
(6578, 7)
購藥時間    object
社保卡號    object
商品編碼    object
商品名稱    object
銷售數量    object
應收金額    object
實收金額    object
dtype: object
             銷售時間           社保卡號    商品編碼     商品名稱 銷售數量  應收金額   實收金額
0  2018-01-01 星期五      001616528  236701  強力VC銀翹片    6  82.8     69
1  2018-01-02 星期六      001616528  236701  清熱解毒口服液    1    28  24.64
2  2018-01-06 星期三     0012602828  236701       感康    2  16.8     15
3  2018-01-11 星期一  0010070343428  236701    三九感冒靈    1    28     28
4  2018-01-15 星期五    00101554328  236701    三九感冒靈    8   224    208
缺失前的資料大小： (6578, 7)
刪除缺失後的大小： (6575, 7)
銷售時間    datetime64[ns]
社保卡號            object
商品編碼            object
商品名稱            object
銷售數量            object
應收金額            object
實收金額            object
dtype: object
        銷售時間           社保卡號    商品編碼     商品名稱 銷售數量  應收金額   實收金額
0 2018-01-01      001616528  236701  強力VC銀翹片    6  82.8     69
1 2018-01-02      001616528  236701  清熱解毒口服液    1    28  24.64
2 2018-01-06     0012602828  236701       感康    2  16.8     15
3 2018-01-11  0010070343428  236701    三九感冒靈    1    28     28
4 2018-01-15    00101554328  236701    三九感冒靈    8   224    208
           銷售時間           社保卡號    商品編碼          商品名稱 銷售數量   應收金額  實收金額
0    2018-01-01      001616528  236701       強力VC銀翹片    6   82.8    69
3436 2018-01-01     0010616728  865099    硝苯地平片(心痛定)    2    3.4     3
1190 2018-01-01  0010073966328  861409  非洛地平緩釋片(波依定)    5  162.5   145
3859 2018-01-01  0010073966328  866634   硝苯地平控釋片(欣然)    6    111  92.5
3888 2018-01-01  0010014289328  866851   纈沙坦分散片(易達樂)    1     26    23
        銷售時間           社保卡號    商品編碼          商品名稱 銷售數量   應收金額  實收金額
0 2018-01-01      001616528  236701       強力VC銀翹片    6   82.8    69
1 2018-01-01     0010616728  865099    硝苯地平片(心痛定)    2    3.4     3
2 2018-01-01  0010073966328  861409  非洛地平緩釋片(波依定)    5  162.5   145
3 2018-01-01  0010073966328  866634   硝苯地平控釋片(欣然)    6    111  92.5
4 2018-01-01  0010014289328  866851   纈沙坦分散片(易達樂)    1     26    23
    銷售數量         應收金額         實收金額
count  6549.000000  6549.000000  6549.000000
mean      2.384486    50.449076    46.284370
std       2.375227    87.696401    81.058426
min     -10.000000  -374.000000  -374.000000
25%       1.000000    14.000000    12.320000
50%       2.000000    28.000000    26.500000
75%       2.000000    59.600000    53.000000
max      50.000000  2950.000000  2650.000000
[6 rows x 7 columns]
刪除異常值前： (6549, 7)
刪除異常值後： (6506, 7)
總得消費次數： 5342
月份數： 5
月平均消費次數： 1068.4
月平均消費額： 60802.02199999957
客單價： 56.9094178210404