读取数据(超市营业额.xlsx)与预处理： a. 读取数据并对数据进行深度复制 b. 数据清洗/预处理：重复值、异常值、缺失值 9） 对数据做分组聚合分析 a. 按姓名分组，观察张三的记录，计算每名营业员的平均营业额 b. 按时段分组，计算每个时间段的总营业额，平均营业额，标准差 10）构建透视表进行分析 a. 构建每个人每天的营业额透视表：姓名，时段，营业额 b. 构建每个人在不同柜台的营业额透视表： 姓名，柜台，营业额 c. 构建每个人在不同时段的营业额透视表：姓名，日期，营业额 d. 用以上透视表绘制折线图/柱状图

a. 读取数据并对数据进行深度复制：

import pandas as pd

# 读取Excel文件
df = pd.read_excel('超市营业额.xlsx')

# 对数据进行深度复制
df_copy = df.copy(deep=True)

b. 数据清洗/预处理：重复值、异常值、缺失值：

# 检查重复值
print(df_copy.duplicated().sum())

# 删除重复值
df_copy.drop_duplicates(inplace=True)

# 检查异常值
df_copy.describe()

# 检查缺失值
print(df_copy.isnull().sum())

# 填充缺失值
df_copy.fillna(0, inplace=True)

9）对数据做分组聚合分析：

a. 按姓名分组，观察张三的记录，计算每名营业员的平均营业额：

# 按姓名分组
grouped_name = df_copy.groupby('姓名')

# 计算每名营业员的平均营业额
result_a = grouped_name['营业额'].mean()

# 观察张三的记录
print(grouped_name.get_group('张三'))

# 打印结果
print(result_a)

b. 按时段分组，计算每个时间段的总营业额，平均营业额，标准差：

# 将时间转换为时段
df_copy['时段'] = df_copy['时间'].dt.hour

# 按时段分组
grouped_hour = df_copy.groupby('时段')

# 计算每个时间段的总营业额、平均营业额、标准差
result_b = grouped_hour['营业额'].agg(['sum', 'mean', 'std'])

# 打印结果
print(result_b)

10）构建透视表进行分析：

a. 构建每个人每天的营业额透视表：姓名，时段，营业额

# 构建每个人每天的营业额透视表
pivot_a = pd.pivot_table(df_copy, values='营业额', index=['姓名', '日期'], columns='时段')

# 打印结果
print(pivot_a)

b. 构建每个人在不同柜台的营业额透视表：姓名，柜台，营业额

# 构建每个人在不同柜台的营业额透视表
pivot_b = pd.pivot_table(df_copy, values='营业额', index=['姓名'], columns='柜台')

# 打印结果
print(pivot_b)

c. 构建每个人在不同时段的营业额透视表：姓名，日期，营业额

# 构建每个人在不同时段的营业额透视表
pivot_c = pd.pivot_table(df_copy, values='营业额', index=['姓名', '日期'], columns='时段')

# 打印结果
print(pivot_c)

d. 用以上透视表绘制折线图/柱状图：

import matplotlib.pyplot as plt

# 绘制每个人每天的营业额折线图
pivot_a.plot(kind='line', figsize=(10,6))
plt.title('每个人每天的营业额')
plt.xlabel('时段')
plt.ylabel('营业额')
plt.show()

# 绘制每个人在不同柜台的营业额柱状图
pivot_b.plot(kind='bar', stacked=True, figsize=(10,6))
plt.title('每个人在不同柜台的营业额')
plt.xlabel('姓名')
plt.ylabel('营业额')
plt.show()

# 绘制每个人在不同时段的营业额折线图
pivot_c.plot(kind='line', figsize=(10,6))
plt.title('每个人在不同时段的营业额')
plt.xlabel('日期')
plt.ylabel('营业额')
plt.show()