電商數(shù)據(jù)分析(數(shù)據(jù)處理篇)

時(shí)間：2023-03-15 20:36:01 | 來源：電子商務(wù)

時(shí)間：2023-03-15 20:36:01 來源：電子商務(wù)

在kaggle上找到一份美國2020年的電商數(shù)據(jù)，數(shù)據(jù)信息比較豐富，拿來用excel做一下分析。

用excel進(jìn)行數(shù)據(jù)分析有很多手動操作的步驟，需要用一些配圖才能講清楚，于是我將數(shù)據(jù)處理和數(shù)據(jù)分析分成了兩篇來講述。后面我將發(fā)一篇用python來進(jìn)行數(shù)據(jù)分析的文章，對比會發(fā)現(xiàn)，用python來分析數(shù)據(jù)更多地是用代碼來解決問題，操作更簡潔，功能也更為強(qiáng)大。

查看數(shù)據(jù)

這份數(shù)據(jù)一共有3313行，包含19列的信息，英文列名和相應(yīng)的含義如下所示。

選擇子集和列名重命名

部分列(Row ID、country、Postal code)在分析時(shí)用不上，先將它們隱藏。

為了方便后面用數(shù)據(jù)透視表進(jìn)行分析，插入一行添加英文列名的中文翻譯，并將第一行的英文列名隱藏。為了避免用數(shù)據(jù)透視表分析時(shí)報(bào)錯，前面隱藏的三列的列名也添加了中文翻譯。

處理完后結(jié)果如下圖所示。

刪除重復(fù)值

依次選擇：數(shù)據(jù)→刪除重復(fù)項(xiàng)→選擇所有列，沒有發(fā)現(xiàn)重復(fù)值。

缺失值處理

依次選擇：查找和選擇→定位條件→空值，沒有發(fā)現(xiàn)空值，說明數(shù)據(jù)集的整體情況比較理想。

處理日期數(shù)據(jù)

仔細(xì)觀察訂單日期這一列，發(fā)現(xiàn)有點(diǎn)問題。原本應(yīng)該是日/月/年(15/4/20、16/7/20等)的日期形式顯示成了年/月/日(2015/4/20、2016/7/20)的形式，需要處理一下。

在訂單日期后面插入一新的一列。注意新插入的列要在這里的隱藏列(Row ID)的前面，可先取消隱藏再插入空白列。

選中訂單日期這一列，再依次選擇數(shù)據(jù)→分列，在彈出的對話框中選擇固定寬度。

然后在兩格之后建立分列線，這樣數(shù)據(jù)就分成了兩列，給第一列選擇文本的數(shù)據(jù)格式，給第二列選擇日期(D/MY)的數(shù)據(jù)格式。

點(diǎn)選完成后，就得到了處理好的日期數(shù)據(jù)。

將部分英文字段轉(zhuǎn)換為中文字段

為了便于后續(xù)分析，我打算將表格中的部分英文字段轉(zhuǎn)換為中文字段。

先新建一張參照的表格，將要轉(zhuǎn)換的英文字段翻譯成中文。為了避免混淆和便于理解，產(chǎn)品子類別的翻譯加上了該子類別所屬的大類。

在要翻譯的列后新建一列，使用VLOOKUP函數(shù)將英文轉(zhuǎn)換為中文(具體參數(shù)如下圖所示)。

之后再將該公式應(yīng)用到整列。

運(yùn)用相同的方法，將運(yùn)輸模式、客戶類型、區(qū)域、產(chǎn)品類別和產(chǎn)品子類別都轉(zhuǎn)換成了中文，并將原英文列隱藏，完成后的結(jié)果如下圖所示。

在城市名后面加上相應(yīng)的州名

觀察城市數(shù)據(jù)發(fā)現(xiàn)，存在不同城市使用同一個(gè)名字的現(xiàn)象。如下圖所示，Georgia、Ohio、Indiana三個(gè)州都有名叫Columbus的城市。后面我想統(tǒng)計(jì)銷售金額前十的城市，所以必須要把這些同名的城市區(qū)分開來。

excel有個(gè)好用的函數(shù)叫CONCATENATE，可以將不同的單元格和字符連接起來。這里我們在城市列后新建一列，使用CONCATENATE函數(shù)把城市對應(yīng)的州連接在一起，具體參數(shù)如下圖所示。

之后再把這個(gè)公式運(yùn)用到同列，隱藏原有的城市列，就完成了同名城市的區(qū)分。

根據(jù)購買金額將客戶分檔

后面我想根據(jù)累計(jì)購買金額將客戶分為不同的檔次，統(tǒng)計(jì)每個(gè)金額檔次客戶的數(shù)量。

現(xiàn)在數(shù)據(jù)集中，一個(gè)訂單的一種商品對應(yīng)一條數(shù)據(jù)記錄，這樣一個(gè)客戶會有多條數(shù)據(jù)記錄。我們需要先計(jì)算出每位客戶的累計(jì)購買金額。插入數(shù)據(jù)透視表，將客戶ID作為數(shù)據(jù)透視表的行，勾選銷售額(求和項(xiàng))作為統(tǒng)計(jì)值進(jìn)行分析，這樣我們就計(jì)算出了每位客戶的累計(jì)購買金額。

然后將生成的數(shù)據(jù)透視表復(fù)制到旁邊，使用VLOOKUP函數(shù)用近似匹配的方式，按照不同購買金額檔次給客戶分檔(具體購買金額檔次的劃分看下圖)。

之后再將該公式運(yùn)用到整列，這樣不同客戶的購買金額檔次成功劃分完成。

到目前為止，這份數(shù)據(jù)集的數(shù)據(jù)處理就告一段落了。雖然這些處理步驟很瑣碎，但是到分析階段大家就會發(fā)現(xiàn)前期充分的數(shù)據(jù)處理工作是多么值得。下一篇我們將在此基礎(chǔ)上，對數(shù)據(jù)進(jìn)行分析并進(jìn)行可視化呈現(xiàn)。

數(shù)據(jù)分析篇指路→：