Python程序設計教程（工作手冊式） 課件 情景6、7 Python與會計、Python與電子商務

Python程序設計教程

（工作手冊式）情景六Python與會計任務mission12Python之財務報表Python之財務分析任務一Python之財務報表前言：表間數(shù)據(jù)關系根據(jù)企業(yè)會計準則要求，有些項目需根據(jù)科目余額表中多個項目計算填列、分析填列等，就需通過科目映射表的橋接作用，即把科目余額表與科目映射表進行拼接，再轉(zhuǎn)換到資產(chǎn)負債表及利潤表中一.獲取任務數(shù)據(jù)1.獲取余額表、科目映射表數(shù)據(jù)引入pandas模塊，讀取科目余額表、映射表、資產(chǎn)負債表及利潤表等相關表格，效果如下圖所示：科目余額表（部分截圖）科目映射表（部分截圖）一.獲取任務數(shù)據(jù)1.獲取余額表、科目映射表數(shù)據(jù)引入pandas模塊，讀取科目余額表、映射表、資產(chǎn)負債表及利潤表等相關表格，效果如下圖所示：資產(chǎn)負債表（部分截圖）利潤表（部分截圖）一.獲取任務數(shù)據(jù)2.將科目余額表與映射表拼接準備好數(shù)據(jù)后，通過merge函數(shù)，將科目余額表與映射表進行拼接，執(zhí)行代碼：merge_kmys_kmye=pd.merge(left=kmys,right=kmye,on=[‘科目編碼’,‘科目名稱’],how=‘left‘)，效果如下圖所示：二.編制利潤表本年形成的利潤即利潤表中的凈利潤與資產(chǎn)負債表中“本年利潤”項目有關，故先編制出利潤表，再編制資產(chǎn)負債表。期末轉(zhuǎn)入二.編制利潤表1.科目余額按報表項目匯總，計算出利潤表項目篩選出合并報表中的利潤表科目，通過merge函數(shù)找到項目編號中“I”開頭的項目，即利潤表項目，計算出利潤表項目金額。再對篩選出項目進行空值填充、數(shù)據(jù)合并、索引重置及修改為報表項目名稱等，計算出利潤表項目金額。如右圖所示：二.編制利潤表2.生成利潤表結構通過merge()函數(shù)，把剛生成的數(shù)據(jù)表與原準備的利潤表標準格式表相拼接，并通過del()函數(shù)等，刪除兩表中重復內(nèi)容的列，根據(jù)標準格式重新定義列名稱。如右圖所示：3.計算利潤項目

利潤表項目數(shù)據(jù)取得后，各利潤項目數(shù)據(jù)需計算獲得，計算公式如下：營業(yè)利潤=主營業(yè)務收入+其他業(yè)務收入-主營業(yè)務成本-其他業(yè)務成本-稅金及附加-銷售費用-管理費用-財務費用-資產(chǎn)減值損失+投資收益+公允價值變動損益利潤總額=營業(yè)利潤+營業(yè)外收入-營業(yè)外支出凈利潤=利潤總額-所得稅費用。二.編制利潤表

根據(jù)各利潤項目的計算原理，定位應計算的行項目，分別計算營業(yè)利潤、利潤總額及凈利潤金額，結果如右圖所示。本期營業(yè)利潤計算：ps_2.loc[10,'本期金額']=ps_2.loc[:9,'本期金額'].sum()本期利潤總額計算：ps_2.loc[13,'本期金額']=ps_2.loc[10:12,'本期金額'].sum()本期凈利潤計算：ps_2.loc[15,'本期金額']=ps_2.loc[13:14,'本期金額'].sum()3.計算利潤項目二.編制利潤表

利潤表各項目數(shù)據(jù)計算出來后，可利用前面所學知識，對其項目順序、小數(shù)位數(shù)等格式進行美化調(diào)整，并輸出利潤表，結果如右圖所示。4.編輯利潤表格式及輸出利潤表二.編制利潤表三.編制資產(chǎn)負債表1.計算出資產(chǎn)負債表項目把科目余額表與科目映射表拼接表中的資產(chǎn)負債表項目及相關數(shù)據(jù)通過pivot()函數(shù)進行透視讀取出來，為后續(xù)編制資產(chǎn)負債表做準備。因篇幅關系，前10行截圖如右圖所示：三.編制資產(chǎn)負債表2.生成資產(chǎn)負債表結構按照資產(chǎn)負債表格式項目，設置報表列名稱，并把資產(chǎn)負債表項目表與標準資產(chǎn)負債表格式表進行拼接，并刪除多余列及各項目順序，生成資產(chǎn)負債表標準結構表，但此時的本年利潤項目期末余額沒有金額，如右圖所示：三.編制資產(chǎn)負債表3.結轉(zhuǎn)凈利潤到資產(chǎn)負債表中本例中，前面所計算出凈利潤，并未結轉(zhuǎn)到資產(chǎn)負債表中，因此，現(xiàn)在需采用表結法將利潤表算出的凈利潤數(shù)據(jù)結轉(zhuǎn)到資產(chǎn)負債表中“本年利潤”項目中，如右圖所示：三.編制資產(chǎn)負債表4.計算資產(chǎn)負債表項目根據(jù)資產(chǎn)負債表項目的性質(zhì)及邏輯結構，計算相關項目的合計金額，計算公式如下：流動資產(chǎn)合計=所有流動資產(chǎn)余額之和非流動資產(chǎn)合計=所有非流動資產(chǎn)余額之和非流負債產(chǎn)合計=所有非流動負債余額之和所有者權益合計=所有所有者權益之和資產(chǎn)合計=流動資產(chǎn)+非流動資產(chǎn)負債合計=流動負債+非流動負債負債及所有者權益合計=負債合計+所有者權益合計，計算結果如右圖所示：三.編制資產(chǎn)負債表5.校驗資產(chǎn)負債表平衡根據(jù)資產(chǎn)負債表編制基礎（資產(chǎn)=負債+所有者權益）的平衡原理，檢驗所生成報表是否平衡，試算不平衡，則報表計算或編制有誤，需進一步檢查。用if…else…條件判斷語句完成相關檢驗工作，用abs（）函數(shù)將負債和權益類的報表項轉(zhuǎn)為正數(shù)顯示，自行計算報表匯總項，結果如下圖所示：三.編制資產(chǎn)負債表6.資產(chǎn)負債表格式優(yōu)化及輸出資產(chǎn)表各項目數(shù)據(jù)計算出來并對其平衡校驗后，就是對其項目順序、小數(shù)位數(shù)等格式進行美化調(diào)整，并輸出報表，結果如右圖所示：四.任務一小結在財務報表的編制過程，讓我們熟悉了excel表的讀取和輸出，能夠熟練地掌握merge函數(shù)、pivot函數(shù)、列表數(shù)據(jù)的讀取、引用、索引等方法的綜合實踐操作，也讓我們對財務報表結構和數(shù)據(jù)邏輯關系有了進一步的認識。同學們，我們每個人的生活都是一張資產(chǎn)負債表，資產(chǎn)負債表英文叫BalanceSheet。Balance即平衡，人生也是一樣，一項資產(chǎn)的獲得總是通過另一項資產(chǎn)的減少或者權益（負債和所有者權益）的增加來實現(xiàn)。你現(xiàn)在過著輕松、簡單的生活，是因有父母等其他人在為你負重前行，你需要努力學習、專研技能，掌握好自己生活、工作的本領，努力使自己的利潤表變得更漂亮，增強自己承擔負債的能力，積累更多的人生凈資產(chǎn)，才能讓幸福延續(xù)。任務二Python之財務數(shù)據(jù)分析一.財務報表分析數(shù)據(jù)準備1.讀取分析數(shù)據(jù)本任務利用上一節(jié)生成的資產(chǎn)負債表和利潤表進行財務報表分析，分別讀取利潤表和資產(chǎn)負債表數(shù)據(jù)。一.財務報表分析數(shù)據(jù)準備2.分析數(shù)據(jù)預處理因后續(xù)指標計算中，對資產(chǎn)負債表項目多處需用到平均值，因此，先將資產(chǎn)負債表增加一列平均值，以備后用。二.財務分析指標計算1.償債能力分析償債能力是指企業(yè)償還到期債務(包含本金及利息)的能力。能否及時償還到期債務,是反映企業(yè)財務狀況好壞的重要標志。通過對償債能力的分析,可以考察企業(yè)持續(xù)經(jīng)營的能力和風險,有助于對企業(yè)未來收益進行預測。主要分析指標計算公式如下：指標計算公式指標說明流動比率=流動資產(chǎn)÷流動負債

速動比率=速動資產(chǎn)÷流動負債速動資產(chǎn)=貨幣資金+交易性金融資產(chǎn)+應收賬款+應收票據(jù)+其他應收款現(xiàn)金比率=（貨幣資金+交易性金融資產(chǎn)）÷流動負債×100%

資產(chǎn)負債率=負債總額/資產(chǎn)總額×100%

產(chǎn)權比率=負債總額/所有者權益總額×100%

二.財務分析指標計算1.償債能力分析根據(jù)償債能力指標計算數(shù)據(jù)要求，從資產(chǎn)負債表中對應列讀取相關數(shù)據(jù)，進行計算，并對計算結果進行輸出。過程及結果如右圖所示。二.財務分析指標計算2.營運能力分析營運能力分析是衡量公司資產(chǎn)管理效率的財務比率,營運能力指標也可以用周轉(zhuǎn)天數(shù)來衡量。存貨周轉(zhuǎn)天數(shù)加應收賬款的周轉(zhuǎn)天數(shù)等于營運周期。營運周期越短,意味著企業(yè)的資金周轉(zhuǎn)速度越快,運營能力越強。主要分析指標計算公式如下：指標計算公式指標說明應收賬款周轉(zhuǎn)率（周轉(zhuǎn)次數(shù)）（RTR）=營業(yè)收入/平均應收賬款余額平均應收賬款余額=應收賬款平均余額+應收票據(jù)平均余額總資產(chǎn)周轉(zhuǎn)率（周轉(zhuǎn)次數(shù)）（TA）=營業(yè)收入/平均總資產(chǎn)平均總資產(chǎn)=（年初總資產(chǎn)+年末總資產(chǎn)）/2流動資產(chǎn)周轉(zhuǎn)率（周轉(zhuǎn)次數(shù)）（CAT）=營業(yè)收入/平均流動資產(chǎn)平均流動資產(chǎn)=（年初流動資產(chǎn)+年末流動資產(chǎn)）/2營運資本周轉(zhuǎn)率（周轉(zhuǎn)次數(shù)）（WCT）=營業(yè)收入/平均營運資本營運資本=流動資產(chǎn)-流動負債二.財務分析指標計算2.營運能力分析根據(jù)營運能力指標計算數(shù)據(jù)要求，分別從資產(chǎn)負債表和利潤表中對應列讀取相關數(shù)據(jù)，進行計算，并對計算結果進行輸出。過程及結果如右圖所示。二.財務分析指標計算3.盈利能力分析盈利能力是指企業(yè)獲取利潤、實現(xiàn)資金增值的能力，是企業(yè)持續(xù)經(jīng)營和發(fā)展的保證。企業(yè)經(jīng)營業(yè)績的好壞最終可通過企業(yè)的盈利能力來反映。對于信用相同或相近的幾個企業(yè)，人們總是將資金投向盈利能力強的企業(yè)。主要分析指標計算公式如下：指標計算公式指標說明銷售毛利率（GPM）=銷售毛利÷營業(yè)收入×100%銷售毛利（GM）=營業(yè)收入-營業(yè)成本銷售利潤率（ROS）=營業(yè)利潤÷營業(yè)收入×100%

銷售凈利潤率（TTM）=凈利潤÷營業(yè)收入×100%

總資產(chǎn)凈利率（ROA）=凈利潤÷平均總資產(chǎn)×100%平均總資產(chǎn)=（總資產(chǎn)期初數(shù)+總資產(chǎn)期本數(shù)）÷2二.財務分析指標計算3.盈利能力分析根據(jù)盈利能力指標計算數(shù)據(jù)要求，分別從資產(chǎn)負債表和利潤表中對應列讀取相關數(shù)據(jù)，進行計算，并對計算結果進行輸出。過程及結果如右圖所示。二.財務分析指標計算4.發(fā)展能力分析發(fā)展能力是指企業(yè)未來生產(chǎn)經(jīng)營活動的發(fā)展趨勢和發(fā)展?jié)摿?，也即增長能力，它是企業(yè)通過自身的生產(chǎn)經(jīng)營活動，不斷擴大積累而形成的發(fā)展?jié)撃?。主要分析指標計算公式如下：指標計算公式營業(yè)收入增長率(OIGR)=（（本年營業(yè)收入-上年營業(yè)收入）/上年營業(yè)收入）×100%凈利潤增長率(NGR)=（（本年凈利潤-上年凈利潤）/上年凈利潤）×100%資產(chǎn)增長率(TAGR)=（（年末資產(chǎn)總額-年初資產(chǎn)總額）/年初資產(chǎn)總額）×100%資本積累率(CAR)=（（年末股東權益總額-年初股東權益總額）/年初股東權益總額）二.財務分析指標計算4.發(fā)展能力分析根據(jù)發(fā)展能力指標計算數(shù)據(jù)要求，分別從資產(chǎn)負債表和利潤表中對應列讀取相關數(shù)據(jù)，進行計算，并對計算結果進行輸出。過程及結果如下圖所示。三.任務二小結通過本次任務的學習和實踐，使我們熟悉了Python在財務數(shù)據(jù)分析中的程序，了解了常用的償債能力、營運能力、盈利能力及發(fā)展能力分析指標的計算及呈現(xiàn)形式，并且能夠熟練地對分析結果輸出的常用操作方法的實踐操作。財務數(shù)據(jù)分析，猶如醫(yī)生把脈問診，分析人員主要是以會計核算和財務報表資料及其他相關資料為依據(jù)，是對企業(yè)過去和現(xiàn)在狀況進行行分析與評價的經(jīng)濟管理活動。隨著技術的發(fā)展，更加需要大數(shù)據(jù)技術與財務會計融合的能力，才能為企業(yè)的管理策略調(diào)整提供更科學及時的依據(jù)。Python程序設計教程

（工作手冊式）情景七Python與電子商務任務mission12電子商務爬蟲電子商務數(shù)據(jù)分析任務一Python之電子商務爬蟲一.爬蟲基礎什么是爬蟲？爬蟲可以幫助我們把網(wǎng)站上的信息快速提取并保存下來。能爬取哪些數(shù)據(jù)？在網(wǎng)頁中我們能看到各種各樣的信息，最常見的便是常規(guī)網(wǎng)頁，它們對應著HTML代碼，而最常抓取的便是HTML源代碼。一.爬蟲基礎1.爬蟲流程1）獲取網(wǎng)頁爬蟲首先要做的工作就是獲取網(wǎng)頁，這里就是獲取網(wǎng)頁的源代碼2）提取信息獲取網(wǎng)頁的源代碼后，接下來就是分析網(wǎng)頁的源代碼，從中提取我們想要的數(shù)據(jù)。3）保存數(shù)據(jù)提取信息后，我們一般會將提取到的數(shù)據(jù)保存到某處以便后續(xù)使用。4）自動化程序爬蟲可以代替人來完成這些操作。一.爬蟲基礎2.urllib模塊

打開和讀取URL

解析URL

解析robots.txt文件

包含urllib.request拋出異常一.爬蟲基礎讀取重慶城市職業(yè)學院主頁html源碼fromurllib.requestimporturlopenmyURL=urlopen("/")print(myURL.read().decode('utf-8'))一.爬蟲基礎使用request讀取重慶城市職業(yè)學院主頁html代碼importurllib.requestrequest=urllib.request.Request('/')response=urllib.request.urlopen(request)print(response.read().decode('utf-8'))一.爬蟲基礎3.異常處理urllib的error模塊定義了由request模塊產(chǎn)生的異常。如果出現(xiàn)了問題，request模塊便會拋出error模塊中定義的異常?！緦嵗坑脺y試網(wǎng)站捕獲異常importsocketimporturllib.requestimporturllib.error

try:response=urllib.request.urlopen('/get',timeout=0.1)excepturllib.error.URLErrorase:ifisinstance(e.reason,socket.timeout):print('TIMEOUT')一.爬蟲基礎4.分析robots協(xié)議利用urllib的robotparser模塊，可以實現(xiàn)網(wǎng)站Robots協(xié)議的分析。Robots協(xié)議也稱作爬蟲協(xié)議、機器人協(xié)議，它的全名叫作網(wǎng)絡爬蟲排除標準（RobotsExclusionProtocol），用來告訴爬蟲和搜索引擎哪些頁面可以抓取，哪些不可以抓取。一個robots.txt的樣例：User-agent:*Disallow:/Allow:/public/二.爬取電子商務數(shù)據(jù)項目要求：爬取京東商城中“筆記本電腦”的數(shù)據(jù)，并把內(nèi)容存儲到excel表格之中。1.安裝第三方庫1）安裝爬蟲庫PipinstallrequestsPipinstallselectorsPipinstalllxml2）安裝excel文件庫Pipinstallopenpyxl二.爬取電子商務數(shù)據(jù)二.爬取電子商務數(shù)據(jù)2.分析網(wǎng)頁結構1）查看網(wǎng)頁在googlechrome瀏覽器中輸入：。注意：1.建議使用google瀏覽器。2.復制網(wǎng)頁時建議分2次取再拼接。如下2個連接都是相同的：/search?keyword=%E7%AC%94%E8%AE%B0%E6%9C%AC&suggest=1.his.0.0&wq=%E7%AC%94%E8%AE%B0%E6%9C%AC&ev=exbrand_%E8%81%94%E6%83%B3%EF%BC%88lenovo%EF%BC%89%5E/search?keyword=筆記本&suggest=1.his.0.0&wq=筆記本&ev=exbrand_聯(lián)想（lenovo）%5E二.爬取電子商務數(shù)據(jù)2.分析網(wǎng)頁標簽在瀏覽器中，按F12功能鍵點擊商品標簽，看右邊代碼的變化?？梢钥吹皆赾lass標簽id=J_goodsList里ul標簽下的li標簽,對應著所有商品列表二.爬取電子商務數(shù)據(jù)3.爬取數(shù)據(jù)url=/search?keyword=筆記本&wq=筆記本&ev=exbrand_聯(lián)想%5E&page=9&s=241&click=1headers={'User-Agent':'Mozilla/5.0(WindowsNT6.1;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/86.0.4240.198Safari/537.36'}res=requests.get(url,headers=headers)res.encoding='utf-8'text=res.textselector=etree.HTML(text)list=selector.xpath('//*[@id="J_goodsList"]/ul/li')foriinlist:title=i.xpath('.//div[@class="p-namep-name-type-2"]/a/em/text()')[0]……print("product_id="+str(product_id))print("")二.爬取電子商務數(shù)據(jù)4.獲取評論數(shù)據(jù)在F12對應的界面中，轉(zhuǎn)到network頁，找到以“productCommentSummaries.action”開頭的項目，把對應的URL地址取出并放到瀏覽器中執(zhí)行，得到的頁面就是所有商品ID以及對應的評論數(shù)據(jù)。二.爬取電子商務數(shù)據(jù)4.獲取評論數(shù)據(jù)在F12對應的界面中，轉(zhuǎn)到network頁，找到以“productCommentSummaries.action”開頭的項目，把對應的URL地址取出并放到瀏覽器中執(zhí)行，得到的頁面就是所有商品ID以及對應的評論數(shù)據(jù)。二.爬取電子商務數(shù)據(jù)4.獲取評論數(shù)據(jù)創(chuàng)建函數(shù)讀取數(shù)據(jù)defcommentcount(product_id):url1=“/comment/productCommentSummaries.action?referenceIds=”+str(rpoduct_id)+”&callback=jQuery5358031&_=1667631915528”res1=requests.get(url1,headers=headers)……returncomment_countforiinlist:title=i.xpath('.//div[@class="p-namep-name-type-2"]/a/em/text()')[0]……print("price="+str(price))print("comment_count="+str(comment_count))二.爬取電子商務數(shù)據(jù)5.保存數(shù)據(jù)到excl文件中importopenpyxloutwb=openpyxl.Workbook()outws=outwb.create_sheet(index=0)outws.cell(row=1,column=1,value="index")outws.cell(row=count,column=1,value=str(count-1))outws.cell(row=count,column=2,value=str(title))outws.cell(row=count,column=3,value=str(price))outws.cell(row=count,column=4,value=str(comment_count))count+=1outwb.save("jdgood.xls")三.任務一小結通過本次任務的學習和實踐，使我們熟悉了Python網(wǎng)絡爬蟲的基本模塊，能夠使用urllib與request配合抓取網(wǎng)頁內(nèi)容。在任務實施中，增加了xpath與openpyxl的內(nèi)容,以便于更好的分析與爬取數(shù)據(jù)，并把數(shù)據(jù)保存到本地文件之中。要爬取網(wǎng)頁的數(shù)據(jù)，就要對網(wǎng)頁的基本結構有所了解，同時要會使用googlechrome的F12功能，把我們需要的內(nèi)容映射到不同的div之中。同學們要強化個人信息自我保護意識，在生活、學習中養(yǎng)成保護個人信息的習慣。要遵守網(wǎng)站的robots協(xié)議，不爬取敏感信息，在網(wǎng)站中獲取的數(shù)據(jù)，只用于學習不做他途。當要做數(shù)據(jù)交換時，要及時的對數(shù)據(jù)進行脫敏操作，嚴禁不脫敏就向網(wǎng)絡發(fā)送傳播原始信息任務二電子商務數(shù)據(jù)分析一.電子商務數(shù)據(jù)分析基礎

商務數(shù)據(jù)分析的目的是要洞察數(shù)據(jù)后面的規(guī)律。通過這些規(guī)律，企業(yè)可以制定相應的措施與決策，從而過到預想的結果，這也是商務數(shù)據(jù)分析的最大價值。

在商務數(shù)據(jù)分析過程中，要先對數(shù)據(jù)進行相應的處理加工，才可以使用描述性統(tǒng)計分析方法、探索性數(shù)據(jù)分析方法等技術手段對數(shù)據(jù)進行深加工，得到我們的預期一.電子商務數(shù)據(jù)分析基礎1.數(shù)據(jù)預處理1）數(shù)據(jù)清洗缺失值處理異常值處理重復值處理一.電子商務數(shù)據(jù)分析基礎實例：缺失值處理--用固定值填充一.電子商務數(shù)據(jù)分析基礎實例異常值處理箱線圖一.電子商務數(shù)據(jù)分析基礎實例重復值處理一般使用drop_duplicates()方法一.電子商務數(shù)據(jù)分析基礎2）數(shù)據(jù)標準化離差標準化離差標準化也叫Min-Max規(guī)范化標準差標準化標準差標準化也叫Z-score規(guī)范化一.電子商務數(shù)據(jù)分析基礎2.統(tǒng)計術語數(shù)據(jù)類型截面數(shù)據(jù)：對多個個體在相同或近似相同的同一時間節(jié)點上搜集的數(shù)據(jù)時間序列數(shù)據(jù)：某個個體在一段時間內(nèi)搜集到的數(shù)據(jù)集面板數(shù)據(jù)：既有截面維度又有時間維度的混合數(shù)據(jù)集，可分為平衡面板數(shù)據(jù)、非平衡面板數(shù)據(jù)數(shù)據(jù)的位置度量平均數(shù)，中位數(shù)，眾數(shù)。一.電子商務數(shù)據(jù)分析基礎3.探索性數(shù)據(jù)分析統(tǒng)計檢驗卡方檢驗一.電子商務數(shù)據(jù)分析基礎3.探索性數(shù)據(jù)分析獨立分布t檢驗方差檢驗一.電子商務數(shù)據(jù)分析基礎3.探索性數(shù)據(jù)分析Q-Q圖一.電子商務數(shù)據(jù)分析基礎3.探索性數(shù)據(jù)分析相關系數(shù)二.數(shù)據(jù)分析案例：根據(jù)已有數(shù)據(jù)對店鋪整體運營情況進行分析，了解運營狀況，對未來進行預測，已經(jīng)成為電商運營必不可少的技能。任務對一家全球超市4年（2011～2014年）的零售數(shù)據(jù)進行數(shù)據(jù)分析，實現(xiàn)①分析每年銷售額增長率；②各個地區(qū)分店的銷售額；③銷售淡旺季；④新老客戶數(shù)；⑤RFM模型標記用戶價值。二.數(shù)據(jù)分析1.數(shù)據(jù)準備數(shù)據(jù)來源于數(shù)據(jù)科學競賽平臺Kaggle，網(wǎng)址為/jr2ngb/superstore-data，總共51290條數(shù)據(jù)，24個字段。二.數(shù)據(jù)分析2.數(shù)據(jù)清洗與整理1）查看是否含有缺失值通過info函數(shù)了解到在數(shù)據(jù)集中的只有PostalCode字段含有缺失值（只有9994個）。判斷每個字段(any()方法)中的數(shù)據(jù)是否含有缺失值(isna()方法)，如圖7-37所示。data.isna().any()2）查看是否有異常值在查看數(shù)據(jù)的缺失值之后還需要檢查一下數(shù)據(jù)中是否含有異常值，Pandas的describe()可以用來統(tǒng)計數(shù)據(jù)集的集中趨勢，如圖7-38所示，分析各行列的分布情況，因此在查看異常值時會經(jīng)常用到。data.describe()3）數(shù)據(jù)整理由于很多分析的維度都是建立在時間基礎上的，通過數(shù)據(jù)類型的結果發(fā)現(xiàn)數(shù)據(jù)中的時間是字符串類型的，所以需要處理時間的類型，將其修改成datetime類型。二.數(shù)據(jù)分析3.商務數(shù)據(jù)分析目標1）每年銷售額的增長率銷售增長率是企業(yè)本年銷售收入增長額同上年銷售收入總額之比。2）分店銷售額及對比對比不同分店的銷售額，用于對不同地區(qū)分配下一年度的銷售額指標，或者采取不同的營銷策略。3）用戶價值度RFM模型RFM模型，R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發(fā)生的日期越久，反之則表示客戶交易發(fā)生的日期越近。F（Frequency）：值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。M（Monetary）：客戶在最近一段時間內(nèi)交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。RFM模型是衡量客戶價值和用戶創(chuàng)利能力的經(jīng)典工具，依托于客戶最近一次購買時間、消費頻次及消費金額。應用RFM模型時，要有客戶基礎的交易數(shù)據(jù)，至少包含客戶號、交易金額和交易時間3個字段。二.數(shù)據(jù)分析4.RFM模型分析過程步驟1：統(tǒng)計全年的數(shù)據(jù)。data_2014=data[data[‘Order-year’]==2014]data_2014=data[[‘CustomerID’,’OrderDate’,’Sales’]]二.數(shù)據(jù)分析4.RFM模型分析過程步驟2：對數(shù)據(jù)分組deforder_sort(group):returngroup.sort_values(by=’OrderDate’)[-1:]data_2014_group=data_2014.groupby(by=’CustomerID’,as_index=False)data_max_time=data_2014_group.apply(order_sort)二.數(shù)據(jù)分析4.RFM模型分析過程步驟3：計算F，M值data_max_time[‘F’]=data_2014_group.size().valuesdata_max_time[‘M’]=data_2014_group.sum()[‘Sales’].values二.數(shù)據(jù)分析4.RFM模型分析過程計算R值

根據(jù)需要假定時間計算2014年12月31日，最近一次交易時間的間隔。注意，由于是歷史數(shù)據(jù)，計算的時候時間跨度不要太大。stat_date=pd.to_datetime(‘2014-12-31)r_data=stat_date–data_max_time[‘OrderDate’]data_max_time[‘R’]=r_data.values二.數(shù)據(jù)分析4.RFM模型分析過程步驟5：設定評分區(qū)間給定F的區(qū)間為[0，5，10，15，20，50]