棒棒的！

非常感谢！！

维度是说明数据，例如商品层次的维度和时间维度

指标是衡量数据的，例如销量、利润、销售额。

举例：

维度这里有时间维度和商品层次的维度“品类”和“商品”，而指标就是销售情况中的销售额、销量、利润。

首先你要确定要查看的对象是谁，其次确认你所需要做的报告的用途，在这些基础上从所需要的找到维度和指标（例如1维度：商品层次的维度额时间上的维度；指标：销量，利润，销售额等），然后分层级去做，从大类到小类（就是区分维度的，而且所选择的维度所能对应的和所需要的指标也不同）例如对于商品层次维度来讲，首先是不区分维度分析总的销售额和总利润，其次对于品类来讲可以对比销售总额、利润，最后区分商品的每月销量、销售额和商品在品类中的占比。

楼上大神回答的很好

小白回复：可以设想你自己是这个数据的提供方，你开了个店给别人看数据，你希望能看到些什么，得出什么结果。

再不行只能重新下载其他版本

1. 了解业务，对于业务深入的了解，有助于更好的发现分析的维度，快速锁定问题和原因。

2. 明确分析目的，切忌照搬其他的项目的分析内容，或者随意相信组合手上的分析模型算法。

3. 多角度观察，多个视角观察数据，这样不仅可以对数据整体有个全面的了解，也有助于发现潜在的信息。

   
   

数据分析的动机无非来源于问题、欲求。每一个问题都是一种思路，每一种想要的结果都可以倒推分析的过程。找到业务的问题和欲求，分析也就有了目标。

建议你可以多看一些相关的分析案例及分析报告，多了解一些数据分析的方法论，利用数据分析的方法论来拆解需求

常用的数据分析方法论有

PEST：结合Politic（政治）分析，结合Econconnomic（经济）分析，结合Social（社会）分析，结合Technological（技术）分析
5W2H：Why（何因），What（何事），Who（何人），When（何时），Where（何地），How Much（何价），How（如何做）
逻辑树：问题，问题1，问题1第一方面，问题2第二方面；问题2，问题2第一方面，问题2第二方面。。。
4P：Product（产品），Price（价格），Place（渠道），Promotion（促销）
用户使用行为：用户认知产品，用户熟悉产品，用户试用产品，用户使用产品，用户忠实产品

了解了方法论之后，还需要学习具体的分析方法，如对比分析，结构分析，回归分析等

方法论是宏观指导，分析方法是具体的实施过程

全球零售业巨头沃尔玛在对消费者购物行为分析时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。没想到这个举措居然使尿布和啤酒的销量都大幅增加了。如今，“啤酒＋尿布”的数据分析成果早已成了大数据技术应用的经典案例，被人津津乐道。

import pandas as pd
data1 = pd.read_excel(r"D:\1600757400_452096.xlsx")

result1=pd.DataFrame()

for i in range(1,12,2):
    coli=data1.iloc[:,[0,i,i+1]]    
    coli.columns=["序号","日期","数字"]    
    result1=pd.concat([result1,coli],axis=0)
    
result1.sort_values(by=["序号","日期"],inplace=True)

result2=pd.DataFrame()

for i in range(1,10):

    temp1=pd.DataFrame(result1[result1["序号"]==i]["日期"]).T    
    temp2=pd.DataFrame(result1[result1["序号"]==i]["数字"]).T   
    temp1.index=[i]    
    temp2.index=[i]    
    temp3=pd.concat([temp1,temp2],axis=1)    
    temp3.index=[i]    
    result2=pd.concat([result2,temp3],axis=0)

上面代码的问题在于，你进行两个数据框纵向合并的时候，需要要让两个数据框的列名字，一一对应

你看下现在你的result2和temp3数据框如下

如果想正确合并，你需要修改下列名字

File "C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\internals\managers.py", line 350, in _verify_integrity

"tot_items: {1}".format(len(self.items), tot_items)

AssertionError: Number of manager items must equal union of block items

# manager items: 24, # tot_items: 156

报错提示：

你把报错的提示贴一下下

我把代码稍微改了下，为什么最后result2 concat报错呢

data1 = pd.read_excel(r"C:\Users\wxstt\Desktop\1600757400_452096.xlsx")

result1=pd.DataFrame()

for i in range(1,12,2):

coli=data1.iloc[:,[0,i,i+1]]

coli.columns=["序号","日期","数字"]

result1=pd.concat([result1,coli],axis=0)

result1.sort_values(by=["序号","日期"],inplace=True)

result2=pd.DataFrame()

for i in range(1,10):

temp1=pd.DataFrame(result1[result1["序号"]==i]["日期"]).T

temp2=pd.DataFrame(result1[result1["序号"]==i]["数字"]).T

temp1.index=[i]

temp2.index=[i]

temp3=pd.concat([temp1,temp2],axis=1)

temp3.index=[i]

result2=pd.concat([result2,temp3],axis=0)

使用sklearn中的OneHotEncoder进行编码是不会自动获取列名的，需要转换之后自定义列名，如：

也可以使用pandas中的get_dummies(）方法，可以自动获取列名，更加方便快捷，如：

数据透视表，编号和单号放在一起，要计算的放在值里。

排序的话应该就可以吧？