1、缺失值處理：刪除、插補、不處理

2、離群點分析：簡單統計量分析、3σ原則（資料服從正態分佈）、箱型圖（最好用）

離群點（異常值）定義為小於QL-1.5IQR或大於Qu+1.5IQR

import pandas as pd

catering_sale = '../data/catering_sale.xls' #餐飲資料
data = pd.read_excel(catering_sale, index_col = u'日期') #讀取資料，指定“日期”列為索引列

import matplotlib.pyplot as plt #匯入影象庫
#plt.rcParams['font.sans-serif'] = ['SimHei'] #用來正常顯示中文標籤
 

#plt.rcParams['axes.unicode_minus'] = False #用來正常顯示負號

plt.figure() #建立影象
p = data.boxplot(return_type='dict') #畫箱線圖，直接使用DataFrame的方法
x = p['fliers'][0].get_xdata() # 'fliers'即為異常值的標籤
y = p['fliers'][0].get_ydata()
y.sort() #從小到大排序，該方法直接改變原物件

#用annotate添加註釋
#其中有些相近的點，註解會出現重疊，難以看清，需要一些技巧來控制。
#以下引數都是經過除錯的，需要具體問題具體除錯。
 

for i in range(len(x)): 
  if i>0:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.05 -0.8/(y[i]-y[i-1]),y[i]))
  else:
    plt.annotate(y[i], xy = (x[i],y[i]), xytext=(x[i]+0.08,y[i]))

plt.show() #展示箱線圖

3、貢獻度分析（帕累託分析，20/80定律）

import pandas as pd
import matplotlib.pyplot as plt #匯入影象庫

dish_profit = 'data/catering_dish_profit.xls' #餐飲菜品盈利資料
data = pd.read_excel(dish_profit, index_col = u'菜品名')
data = data[u'盈利'].copy()
data.sort_values(ascending = False)

plt.figure()
data.plot(kind='bar')
plt.ylabel(u'盈利（元）')
p = 1.0*data.cumsum()/data.sum()
p.plot(color = 'r', secondary_y = True, style = '-o',linewidth = 2)
plt.annotate(format(p[6], '.4%'), xy = (6, p[6]), xytext=(6*0.9, p[6]*0.9), arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) #添加註釋，即85%處的標記。這裡包括了指定箭頭樣式。
plt.ylabel(u'盈利（比例）')
plt.show()

4、相關性分析（以餐飲資料為例）

匯入資料

求相關係數的三種方式

5、統計作圖函式