表1购买商品.xls10.6M · 百度网盘表2婴儿信息.xls71.7K · 百度网盘

根据上表的信息，再结合数据分析的基本思路，我将进行操作：

第一部分：数据清洗

一：明确问题

1、一级分类中婴儿商品的销售情况？哪一类最畅销？各一级分类商品的销售百分比？

2、最畅销一级分类婴儿商品中，二级分类商品的销售情况？

3、近几年婴儿商品的销售情况？

4、根据性别分类，男婴用户和女婴用户所占的百分比？

5、婴儿产品主要面向的婴儿年龄段？

二、理解数据

数据表中的字段含义都很明确，但表二中“性别”：0-女性；1-男性，其它方面不必补充。

三、数据清洗

1、选择子集

表1购买商品中的商品属性，暂时没有用处，所以先隐藏起来。

【注意事项：一般选择隐藏，不要直接删除】

二、列表重命名

两个表中的字段通俗易懂，不需要重命名。

【注意事项：如果字段中夹杂着英文或者其它符号，可以重命名，便于理解】

三、删除重复值

我们的问题都是围绕着用户展开，而用户ID具有唯一性，所以我们根据用户ID进行重复值删除。

四、缺失值处理

每列总数均相对，两个表格中均为发现空值。

【注意事项：如果发现空值，可以根据上述操作：选中有空值的某列-开始-查找与选择-空值-数值输入；若缺失值一样，可按ctrl+enter一次性补充】

五、一致化处理

经过查看，表1和表2中的购买时间和出生日期均为数值型，因此需要转化为日期型，

【注意事项：如果日期格式有不统一的地方可以按下图操作】

六、数据排序

七、异常值处理

对表格进行排序后，在表2中发现有一1984年出生的婴儿，数据明显异常，做删除处理。

第二部分数据分析

1、一级分类中婴儿商品的销售情况？哪一类最畅销？各一级分类商品的销售百分比？

结论：1、可以发现商品一级分类中共有6大类产品在售。2、其中编号“28”最畅销，销量为28537，占总销量的37.44%。3、其它5类产品的销量占比从高到低依次是25.93%、24.63%、4.8%、4.26%和2.94%。

2、最畅销一级分类婴儿商品中，二级分类商品的销售情况？

结论：类别为“28”的一级分类商品最畅销，查询其二级类别商品的购买数量可发现：如上图红框标记所示，销量前五的商品数量依次是3609、2969、2142、1843和1290；其销量百分比依次是12.65%、10.4%、7.51%、6.46%和4.52%。

3、近几年婴儿商品的销售情况？

结论：可以看出2012年到2014年销量是逐年攀升。其中2015年销量低于2012年，查询原表数据发现2015年的数据只统计到2015年2月5日，所以2015年销售先不做年度分析。

销量季度分析销量月度分析

结论：发现2012年和2015年部分月份数据缺失，所以可以进行季度分析和月度分析。具体情况如上图所示。

4、根据性别分类，男婴用户和女婴用户所占的百分比？

结论：男性用户和女性用户百分比分别为48.69%和51.31%，差别不大。

5、婴儿产品主要面向的婴儿年龄段？

结论：从婴儿年龄这个维度来看，约80%的销量来自于0-6岁的婴儿客户，其中0-2岁婴儿段的商品更为畅销。