24. 药品销售数据分析

# 注：朝阳医院2018年销售数据.xlsx数据文件本地没有，但平台已经内置
# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
import pandas as pd  # 导入Pandas数据分析库
import numpy as np  # 导入NumPy数值计算库
import seaborn as sns  # 导入Seaborn可视化库
import matplotlib.pyplot as plt  # 导入Matplotlib绑图库
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置Matplotlib全局参数

#数据读取
df = pd.read_excel("朝阳医院2018年销售数据.xlsx")

#数据预览与预处理
## 查看数据维度
print(df.shape)
print(df.head())  # 输出前几行数据

## 查看数据信息  
print(df.info())

df['社保卡号']=df['社保卡号'].astype(str)  # 转换数据类型
df['商品编码']=df['商品编码'].astype(str)  # 转换数据类型
df['购药日期']=df['购药时间'].str.split(pat=' ',expand=True)[0]  # 对字符串列进行处理
df['购药星期']=df['购药时间'].str.split(pat=' ',expand=True)[1]  # 对字符串列进行处理

## 查看各列的缺失值
df.isnull().sum()

## 缺失值处理
## 直接删除
df.dropna(axis=0,inplace=True)

## 查看重复值数量
df.duplicated().sum()

#探索性数据分析
##任务1：销售情况最好的药品是？最差的药品是？
##提示：通过对药品进行分组聚合统计，在此处我们评定销售情况好的标准是销售数量总和。之后取出前n个药品进行可视化展示

df_sum=df.groupby('商品名称')['实收金额'].sum().reset_index()  # 按指定列分组聚合
print(df_sum.nlargest(2,'实收金额')) #用于获取实收金额列中最大的两个值所对应的行。
print(df_sum.nsmallest(2,'实收金额')) #用于获取实收金额列中最小的两个值所对应的行。

df_sum_n10=df_sum.nlargest(10,'实收金额')  # 筛选出排名前10的记录
plt.figure(figsize=(15,10))  # 创建图形画布
plt.grid()  # 显示网格线
plt.bar(df_sum_n10['商品名称'],df_sum_n10['实收金额'])  # 绑制柱状图
plt.savefig("1.png")  # 保存图形至文件
plt.close()  # 关闭文件或连接

#任务2：整体销售额的时间变化趋势
##数据集中存在时间数据，但是不够简洁，所以需要先对时间数据进行处理：

df["购药时间_月"] = df["购药时间"].map(lambda x:x.split(" ")[0].split("-")[1]) ##购药日期所属月份   
df["购药时间_星期"] = df["购药时间"].map(lambda x:x.split(" ")[1]) ##购药当天是星期几？ 

#对时间数据处理完成之后，就可以进行时间维度上的销售情况分析，与任务1一致，评定指标也选择为销售数量之和。

# 在下方开始你的分析
df['购药日期_月']=df['购药日期'].str.split(pat='-',expand=True)[1]
plt.figure(figsize=(15,10))  # 创建图形画布
plt.grid()  # 显示网格线
sns.lineplot(x='购药日期_月',y='实收金额',data=df,estimator='sum')  # 绑制折线图
plt.savefig("2.png")  # 保存图形至文件
plt.close()  # 关闭文件或连接

plt.figure(figsize=(15,10))  # 创建图形画布
plt.grid()  # 显示网格线
sns.lineplot(x='购药星期',y='实收金额',data=df,estimator='sum')  # 绑制折线图
plt.savefig("3.png")  # 保存图形至文件
plt.close()  # 关闭文件或连接

#任务3：各月份卖的最好的药品是那些？
values1=df['购药日期_月'].unique()
values1=pd.Series(values1)  # 创建Series序列values1
for value in values1:  # 遍历values1中的每个value
    df_value=df[df['购药日期_月']==value]  # 提取购药日期_月列作为df_value变量
  df_print=df_value.groupby(['购药日期_月','商品名称'])['实收金额'].sum().nlargest(1).reset_index()  # 按指定列分组聚合
    print(df_print)  # 输出数据框数据

#任务4：人们是否会更愿意购买可使用社保减免的药品？
df['差额']=df['应收金额']-df['实收金额']
df['是否社保减免药品']=df['差额'].apply(lambda x : '是' if x!=0 else '否')  # 定义匿名函数df['是否社保减免药品']
df['是否社保减免药品'].value_counts(normalize=True)  # 统计是否社保减免药品列各取值的频率分布

#####总结
# 卖的最好的是 开博通
# 卖的最差的是 TG厄贝沙坦片
# 药品的销售数量与时间有关
# 药品的销售数量与是否使用社保有关

# 按商品名称分组，计算每种药品的销售总额
df_sum = df.groupby('商品名称')['实收金额'].sum().reset_index()

# 提取销售金额最高的2种药品
print('销售最好的2种药品:')
print(df_sum.nlargest(2, '实收金额'))

# 提取销售金额最低的2种药品
print('\n销售最差的2种药品:')
print(df_sum.nsmallest(2, '实收金额'))

# 提取销售金额TOP10的药品
df_sum_n10 = df_sum.nlargest(10, '实收金额')

plt.figure(figsize=(15, 10))
plt.bar(df_sum_n10['商品名称'], df_sum_n10['实收金额'], color='steelblue')
plt.title('销售金额TOP10药品', fontsize=16)
plt.xlabel('药品名称', fontsize=12)
plt.ylabel('销售金额(元)', fontsize=12)
plt.xticks(rotation=45, ha='right')  # 旋转标签防止重叠
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

# 从购药日期提取月份
df['购药日期_月'] = df['购药日期'].str.split(pat='-', expand=True)[1]

# 绑制月度销售趋势
plt.figure(figsize=(15, 10))
sns.lineplot(x='购药日期_月', y='实收金额', data=df,
             estimator='sum', errorbar=None)
plt.title('各月销售额变化趋势', fontsize=16)
plt.xlabel('月份', fontsize=12)
plt.ylabel('销售金额(元)', fontsize=12)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 绑制星期销售趋势
plt.figure(figsize=(15, 10))
sns.lineplot(x='购药星期', y='实收金额', data=df,
             estimator='sum', errorbar=None)
plt.title('各星期销售额变化趋势', fontsize=16)
plt.xlabel('星期', fontsize=12)
plt.ylabel('销售金额(元)', fontsize=12)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 获取所有月份的唯一值
months = df['购药日期_月'].unique()

for month in sorted(months):
    # 筛选该月份的销售记录
    df_month = df[df['购药日期_月'] == month]

    # 按月份和药品分组，找出销售第一名
    df_best = (df_month.groupby(['购药日期_月', '商品名称'])
               ['实收金额'].sum()
               .nlargest(1).reset_index())

    print(f'{month}月最佳药品:')
    print(df_best)
    print()

# 计算应收与实收的差额
df['差额'] = df['应收金额'] - df['实收金额']

# 根据差额判断是否使用社保
df['是否社保减免药品'] = df['差额'].apply(
    lambda x: '是' if x != 0 else '否'
)

# 统计社保减免药品的占比
insurance_ratio = df['是否社保减免药品'].value_counts(normalize=True)
print('社保减免药品占比:')
print(insurance_ratio)