存数据返回他的序列号id_数据清洗-实战篇

一、数据清洗前的工作：

清洗数据之前，为了让数据显示完整，然后选中信息显示不全的列，鼠标右键，列宽设置调大。

二、提出问题：

1.哪一种商品销量最高？

2.哪个月份销量最好？

3.男婴用品与女婴用品哪种销量好？

4.哪个年龄的婴儿用品销量最好？

三、数据清洗步骤：

对“购买商品”“婴儿信息”表格进行数据清洗

步骤：

1， 选择子集。无用的信息可隐藏。原则：多隐藏少删除

根据以上问题，将列表中购买行为编号，商品序列号商品属性隐藏。

2，列表重命名。

为便于数据分析，将表头的英文全部以中文进行重命名：

user_id-用户名；auction_id-购买行为编号；cat_id-商品种类序列号；cat-商品序列号；property-商品属性；buy_mount- 购买数量；day-购买时间。birthday-出生日期，gender-性别（0-男性，1-女性）。

3，删除重复值。删除重复值避免重复。数据-删除重复项。

4，缺失值处理。

选中某列---定位条件（空值）--填写值，ctrl+enter填充全部缺失值。

经检查，每一列的数据都相同，所以没有缺失值。

5，一致化处理

在表格中，购买日期不是熟悉的日期格式，需要进行处理。

日期常规格式一般为：“2019/8/27”， 数据-分列-第三步格式选择日期-YMD，分列位置选择H列。

同理将婴儿信息表格中的birthday也进行转换，变成标准的日期格式。同时使用 DATEDIF 函数计算孩子的年龄

DATEDIF（Start_Date,End_Date,Unit）

Start_Date：为一个日期，它代表时间段内的第一个日期或起始日期；

End_Date：为一个日期，它代表时间段内的最后一个日期或结束日期；

Unit：为所需信息的返回类型。年：“Y”，月：“M”，日：“D”

在单元格内输入公式 =DATEDIF(B2,TODAY(),"Y")

四、数据描述性分析

1.哪一种商品销量最高？

通过排序功能，找出销量最好的商品种类为50018831

2.哪个月份销量最好？

插入数据透视表后，创建组，根据“月”进行统计购买数量，发现11月销量最高。

3.男婴用品与女婴用品哪种销量好？

用vlookup根据用户身份信息将2个表格进行数据匹配。

VLOOKUP（查找值,查找与返回数据所在范围,要返回数据的列序数,[匹配条件]

=VLOOKUP(A2,Sheet2!$A$2:$D$954,4,FALSE)

发现有些数据无法显示，因为购买数量表格与婴儿用品表格的用户并不完全相同。

此时将性别一列进行升序排列。插入数据透视表，选中性别与购买数量，0为男婴，1为女婴，表格中有2，则为错误数据不做考虑。男婴用品销量更高，几乎为女婴的2倍。

4.哪个年龄的婴儿用品销量最好？

插入数据透视表，选中年龄与购买数量。发现7岁婴儿用品销量最高。5-9岁婴儿用品是购买量最大的年龄段。

五、结论：

1.商品种类50018831的产品销量最高。另外，应时刻关注库存，防止断货。

2.11月为销售高峰期，可在9-10月开始大力进行宣传营销，并准备好库存。

3.男婴用品销量更高，几乎为女婴的2倍。可根据2:1的比例进行男女婴儿用品数量进行进货。

4. 5-9岁婴儿用品是购买量最大的年龄段。如果刚涉足婴儿用品领域，资金不充足，不妨从这个阶段的用品着手。