最近学习了Python数据分析的一些基础知识，就找了一个药品数据分析的小项目来练一下手。...数据分析的目的： 本篇文章中，假设以朝阳医院2018年销售数据为例，目的是了解朝阳医院在2018年里的销售情况，通过对朝阳区医院的药品销售数据的分析，了解朝阳医院的患者的月均消费次数，月均消费金额、客单价以及消费趋势...数据分析基本过程包括：获取数据、数据清洗、构建模型、数据可视化以及消费趋势分析。...，并不是每一列都有价值都需要分析，这时候就需要从整个数据中选取合适的子集进行分析，这样能从数据中获取最大价值。...”这一列数据中存在星期这样的数据，但在数据分析过程中不需要用到，因此要把销售时间列中日期和星期使用split函数进行分割，分割后的时间，返回的是Series数据类型： ''' 定义函数：分割销售日期，提取销售日期
全网又销售了多少呢？我们一起来看看《618全网销售数据分析报告》吧。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?...主要分享和研究机器学习、深度学习、NLP 、Python，大数据等前沿知识、干货笔记和优质资源。回复就无套路送你一份机器学习大礼包。
数据的时间是从1月1日到10月30日。 原始数据的内容包括：销售日期、发票号码、销售人、地区、商品代码、商品类型、商品大小分类、销售数量、商品单价。...在数据步里我又根据原始数据生成了另外两项数据：销售月份、销售金额。其中销售月份从销售日期中取得而来，销售金额=销售数量*商品单价。 先对数据进行简单统计： ?...可以看到日销售金额线还是比较满足平稳时间序列的情况的，所以可以对此做时间序列分析，预测后面两个月的销售额。 ? 通过饼图筛选出销售额比较突出的地区。 ?...下面按日期对销售额做时间序列分析： ? 可以看出自相关系数是拖尾的。 ? 可以看出偏相关系数是截尾的，因此可以选择自回归模型作为选定模型。...因此下面对4步截尾和13步截尾都进行分析。 ? （13步截尾） ?
从电商大数据来看，销量Top9的家电品牌，低端价位产品在以价格取胜的品牌中依然占比较高，可以发现，500-1000元价位的定价产品已经崛起。 ?...同时，大数据告诉我们，家电中个性化、休闲娱乐、生活品质、消费电子类、家庭型等元素都被更多的网民所亲睐。 ?
小米手机销售数据分析和爬虫 2021年毕业设计 项目截图 项目结构 在自定义的Flask项目通用结构(类似于Django)的基础上添加爬虫和数据分析文件夹 /app/: 类似于Django...声明这个文件夹是一个 python package views.py: 提供渲染网页模板的蓝图 api.py: 提供后端API的蓝图, 使用 Ajax POST 方式访问 models.py: 提供可操作的数据库...ORM对象和定义数据模型 decorators.py: 提供装饰器, 例如: 要求用户必须登录的视图装饰器 utils.py: 提供一些自定义函数 /conf/: 项目的配置文件夹 __init__.py...存放css文件 /js/: 存放js文件 /images/: 存放图片 /templates/: 存放 Jinja2 网页模板 /spider/: 存放爬虫程序 /data_analysis/: 存放数据分析程序...manage.py: 用于启动服务端, 进行数据库的初始化、迁移、升级等 push.sh: 一步推送至远端仓库的shell脚本 requirements.txt: pipreqs生成的引入的第三方库清单
数据来源：https://pan.baidu.com/s/1a5kcBy0O0LGO8vo5SXI2Hw 第一步：导入库 import re import numpy from sklearn import...linear_model from matplotlib import pyplot as plt 第二步：导入数据 fn = open("C:/Users/***/Desktop/Python数据分析与数据化运营...y.append(float(temp_data[1])) x=numpy.array(x).reshape([100,1]) y=numpy.array(y).reshape([100,1]) 第四步：数据分析...plt.scatter(x,y) plt.show() 第五步：数据建模 model = linear_model.LinearRegression() model.fit(x,y) 第六步：模型评估...model.intercept_ #获取模型的截距并赋值给model_intercept r2 = model.score(x,y) #回归方程 y = model_coef*x + model_intercept 第七步：销售预测
image.png 【面试题】 有一张“课程销售订单表”，包含4个字段：用户id、下单日期、下单id、学科。...汇总分析 查询“每个用户第一个订单”，涉及到“每个”，要想到《猴子 从零学会SQL》里讲过的要用“分组汇总”解决该类问题。...这就要获取到表里的其它数据。可以把上面查询结果作为表a1，和“课程销售订单表”（记为表a2）进行多表联结。 使用多表联结，查询每个用户第一个订单的记录： image.png 查询结果： 3.
电子商务为何需要做数据分析?电子商务又该如何做数据分析?电子商务发展的速度越来越快，这个行业的趋势变化也越来越快。对于电子商务公司的老板而言，想要自己永远跟着趋势走，数据分析是必然的。...一般来说，电商网站的数据分析包括：流量来源分析、流量效率分析、站内数据流分析和用户特征分析四个部分。 1 流量分析 电子商务就是贩卖流量的生意，低成本的流量来源是保证企业盈利的重要条件。...3 站内数据分析 站内数据流分析，主要用来分析购物流程是否顺畅和产品分布是否合理，一般如下： 页面流量排名：主要查看产品详情页的流量，特别是首页陈列的产品详情页。...参照最终的销售比例，优胜劣汰，用以调整销售结构。 场景转化分析：从首页-列表页-详情页-购物车-订单提交页-订单成功页，的数据流分析。...站内搜索分析：这个反应的是用户关心的产品有哪些，产品调整的最直接数据。 用户离开页面分析：用户在那些也页面离开最多？是首页还是频道页？是购物车还是订单提交页。
业务分析流程 1、 场景（诊断现状） 对象：用户；销售 关注点：找到影响销售的增长因素 目标：发现问题&提出解决方案 2、需求拆解 分析销售趋势，找到影响企业营收增长的商品或区域 按月份销售趋势图（整体...） 商品销售额对比（一级、二级，找出最低、最高） 区域销售额对比（下钻：区、省，找出最低、最高） 探索不同商品的销售状况，为企业的商品销售，提出策略建议 不同月份的各个产品的销售额占比情况 产品相关分析...分析用户特征、购买频率、留存率等 购买频率分布 复购率（重复购买用户数量(两天都有购买过算重复)/用户数量） 同期群分析（按月） 3、代码实现 获取数据（excel） 为某化妆品企业 2019 年...1 月-2019 年 9 月每日订单详情数据和企业的商品信息数据，包括两个数据表，销售订单表和商品信息表。...其中销售订单表为每个订单的情况明细，一个订单对应一次销售、一个订单可包含多个商品。
在人力资源数据分析中，人效的数据分析一般是做的频率比较少的，一般我们是一年做一次的人效分析，而且相对来说一般的HR 也很少做这个分析，一般都是HRD或者VP来做一年的人力资源的人效分析，所谓的人效的分析是指人力资源在公司的运营财务数据中的效率...在进行这些的人效指标的之前，我们要先了解公司的财务信息，因为人效的指标分析很多都是建立在公司的财务数据上，所以你要了解一年公司的营业收入，成本，净利润，人力成本，工资成本等这些数据，所以我们开头说人效成本一般是人力高层进行分析的...，因为这次财务数据都是公司的机密信息，没在获得财务数据以后，我们就可以从3个维度进行数据分分析。...1、首先我们要了解总的人效数据，我要知道一年人力成本多少钱，公司成本多少钱钱，我工资花了多少钱，这些是做下面人效分析的基础 2、第二个维度我我们要去分析各项人力成本的占比，我们要了解人力成本在公司总的成本的占比...，我们要去计算人数和人力成本，人数和公司运营成本之间的关系，因为人力成本和公司的人数应该是一个正向的数据关系，我们通过是这个分析，能判断出公司今年的人力成本和人数是否正常，并且可以预测明年的人力成本数据
01.引言 这篇文章是我最近刚做的一个项目，会带领大家使用多种技术实现一个非常有趣的项目，该项目是关于苹果机（iphoneX）的销售数据分析，是网络爬虫和数据分析的综合应用项目。...03.抓取天猫iphoneX的销售数据 因为本项目抓取指定商品销售数据需要使用 JSON 模块中相应的 API 进行分析，因为返回的销售数据是 JSON 格式的，而从搜索页面抓取的商品列表需要分析...本文就不具体描述了，下面具体对我们抓取的天猫商城iphoneX的销售数据进行分析。 ...用 SQL 语句分析IphoneX（按颜色）销售比例 既然销售数据都保存在Mysql数据库中，那么我们不妨先用 SQL 语句做一下统计分析，本节将对iphoneX的销售量做一个销售比例统计分析。...某一个颜色的iphoneX销售数量 iphoneX销售总数量 第1类数据和第2类数据的差值（百分比） 用 Pandas 和 Matplotlib 分析对胸罩销售比例进行可视化分析 接下来将使用
回归分析是统计学里的一个数据分析的方法，可能很多小伙伴不清楚什么是回归分析，我们先来介绍下 ? ?...回归分析在薪酬数据分析中的应用，就是我们可以通过这种数据分析的方法来分析职级和对应的薪酬是否是合理的，我们通过案例来做讲解。...，这个表的各个职级和职级对应的薪酬的拟合度是否是合理的，我们先在EXCEL表上找到数据分析的工具。...数据--数据分析工具 ? 然后打开数据分析工具，找到回归分析 ? 点击确认，选择Y值和X值的数据，并且勾选下面的显示图表，X值是指职级，Y值是指薪资。 ?...点击确认，会生产这样几张图表，黄色的表示的是一个标准的线性的函数，蓝色的是我们实际的数据的函数。
自从我改行做数据分析，发现要学习的东西很多，转行并不是一件容易的事情。空缺的知识特别多。所以自己记录自己的一些学习和工作心得。...1、总得来说数据分析流程就3个基本步骤： 输入-->计算-->输出 所以在数据分析中不管是做架构设计还是算法设计这三个基本步骤是不可缺少的；仿佛我们的计算机也是这个最基本的运行流程。...一、输入： 那么在数据分析领域我们输入的是什么呢 当然是数据，文本数据，结构化数据，非结构化数据（音频、视频），具体对象是我们在数据分析中的表数据，或者数据流。...第二步，找出唯一属性，能唯一定义每一条数据的，这个字段往往能和其他表的字段关联； 二、计算： 计算大多数时候是交，并、差、过滤等操作。可具体描述数据碰撞流程。...三、输出： 计算完需要用一个结果表将数据接收。
具体在分析过程中还存在着以下的应用场景： 1、用户典型路径识别与用户特征分析 用户特征分析中常常使用的都是一些如性别、地域等人口统计数据或订单价、订单数等运营数据，用户访问路径数据为我们了解用户特征打开了另一扇大门...二、路径分析数据获取 ---- 互联网行业对数据的获取有着得天独厚的优势，路径分析所依赖的数据主要就是服务器中的日志数据。...四、路径分析常见思路与方法 ---- 1、朴素的遍历统计与可视化分析探索 通过解析布点获得的用户行为路径数据，我们可以用最简单与直接的方式将每个用户的事件路径点击流数据进行统计，并用数据可视化方法将其直观地呈现出来...于是超市决定将啤酒与尿布摆放在一起，结果明显提升了销售额。...今后有机会可能会以案例方式分享如何做用户路径分析，展示分析过程中的步骤与思路，希望能和大家多多交流。
作为一家零售公司，我们每天跟踪销售进度，会将销售额与销售目标进行比对。现实的情况是，历史销售数据储存在进销存系统中，销售目标可能储存在另外的系统或者一张Excel表格中。...例如如下情景： 我们在一个工作簿中有每天更新的销售数据 数据为虚拟，且经过简化处理 在另一个工作簿中有当初给每家店铺设立了销售目标 数据为虚拟，且经过简化处理 我们想每天销售数据更新，自动查看销售进度完成了百分之多少...实现这个需要两步： 1.将当月每天的销售数据汇总 2.将汇总的销售数据与总的销售目标进行比对 这种极简化数据当然Excel中用一个公式Sumif直接就完成了。...此处我们介绍下Power BI desktop中的实现方式（Excel中使用Power Query实现与以下操作一致） 1.将销售数据和销售目标工作簿加载到Power BI中 2.选中“销售数据”查询...，点击“分组依据”，按照以下设置进行分组 我们即可得到汇总的月度销售数据 3.以“店铺名称”为基准，将“销售数据”和“销售目标”进行合并查询 4.给新查询起个新名字"销售进度"，将销售目标展开
数据分析的基本概念 在进行数据分析之前，我们需要了解一些基本概念。以下是一些常见的数据分析术语： 数据仓库：数据仓库是一个存储大量数据的地方，通常用于支持数据分析和决策制定。...示例1：销售数据分析 假设我们有一个在线商店，我们想要分析销售数据，以了解最畅销的产品和最受欢迎的地区。...我们可以使用以下步骤进行数据分析： 收集数据：我们可以从订单数据库中收集数据，包括订单号、产品ID、订单日期、客户ID、地区和销售额。 数据清理：我们需要对数据进行清理，删除重复的数据和缺失的数据。...数据分析：我们可以使用以下查询来分析销售数据： -- 按产品ID分组，并计算每个产品的销售额SELECT product_id, SUM(sales) AS total_salesFROM ordersGROUP...在进行数据分析之前，我们需要清理数据、建立数据模型，并使用查询和数据可视化工具来分析数据。
每家公司PM和销售如何合作都有自己的规则和潜规则，but anyway销售总会给项目团队一个重要的文档：合同。 合同具备法律效力，是项目的最高指导，在开始项目之前PM和团队一定要仔细阅读。...或者附件 注：在项目团队介入之前，销售，售前，市场或者老板肯定已经和客户交流了一段时间，那么这段的内容对PM来说是缺失的。...如何你觉得合同内容里任何不对，立即联系销售和领导，并发邮件报备 2. 合同里没有定义的，原则都是不需要提供的！考虑客户关系的话，双方商量处理（譬如是否收费，是否在这个时间内提供)
先来看看本期的案例数据： [1240] 可以看得出来，这是一份日期不断档的数据，案例数据很简单。 （示例文件会放到知识星球中，小伙伴们可以搜索“PowerBI丨需求圈”，文章结尾处会有二维码。）...要进行周分析，就必须要有周维度这个概念！说到这，相信小伙伴们已经反应过来了，添加日期表！...将数据导入到PowerBI中如下： [1240] 编写如下代码，生成日期表： 日期表 = GENERATE ( CALENDAR ( MIN ( '示例'[日期] ), //注意：这里需要替换成你自己的数据...开始编写代码： 聚合 = SUM ( '示例'[销售金额] ) 周分析其实主要就是三点：上周同期、周累计、周环比的问题。 上周同期没啥好说的，白茶这里就不赘述了。...然后呢，利用CALCULATE+FILTER的经典模式，聚合年周相同的销售数据，同时利用MAX进行判定，让数据的计算维持在事实表范围内，以免出现很多没有销售数据，但是出现累计的情况。
1、 业务背景 业务背景1如下： 某公司供应日用品给某大型连锁超市，平时按照正常节奏发货给超市，但此发货并非结算依据，每月底超市根据当月流水中销售给消费者的数量，与该公司进行结算，剩余未销售部分仍然为该公司的库存...寄售的定义 客户寄售是将产成品首先发送到客户处，这个过程不是销售的过程，而是库存转移的过程，等客户消耗掉这些产品后，才算销售过程。 整个过程分为二个步骤，首先是库存转移，而后是实际消耗完做结算。...（订单类型KB Fill-UP），仓库发货给客户（50箱），针对寄售补货订单创建发货单并发货过账； 2)、 当月月底客户确认使用（30箱），则创建寄售消耗的销售订单（销售订单类型KE Issue）、发货单并发货过账...4)、原材料上涨，我公司不得不涨价，而超市不允许涨价，我公司综合考虑后决定撤离该超市，所有未销售的21箱需要退回，创建寄售退回的销售订单（订单类型KA Pick-up），数量21箱，针对该订单创建发货单...查看寄售库存归属在售达方的编号下 注意：寄售库存归属在特定客户下的售达方下的影响之一 如果贵公司有大量客户属于寄售形式，其中有一个客户为大型连锁超市，在全国有三个分部财务中心（开票中心），每个分部有10家门店，在系统中建立客户主数据时有三个选择
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
