一、数据分析步骤
- 明确问题：知道你要研究什么问题，从而有目地的查找数据
- 理解数据：寻找与问题相关的数据；从数据中你能得出的信息；理解字段信息
- 数据清洗（数据预处理）：选择子集；列名重命名；删除重复值；缺失值处理；一致化处理；数据排序；异常值处理
- 数据分析或构建模型：数据透视表；在Excel安装数据分析功能（安装步骤：文件～选项～加载项～Excel加载项 转到～分析工具库，注意！这是Microsoft Excel，不是WPS）
- 数据可视化：图表
二、案例实操
本文是对上一篇文章《描述性统计（案例练习）》提出的问题进行分析，在上一篇文章已完成明确问题和理解数据两个步骤，本章将进行数据清洗、数据分析、数据可视化
（一）上一篇文章问题回顾
表1 购买商品
- 哪种产品购买量最多（auction_id；buy_mount）
- 在一级分类中哪一类购买量最多（cat1_id；buy_mount、）
- 在二级分类中哪一类购买量最多（cat_id；buy_mount）
- 哪一天产品购买量最多（day；buy_mount）
- 运用标准差判断每天卖出商品量的稳定性（day；buy_mount）
表2 婴儿信息
- 分析婴儿的平均年龄（birthday）
- 男女婴儿的比例分布（gender）
（二）数据清洗
1.选择子集
对问题中不涉及的数据进行隐藏处理，注意不是删除，隐藏可以保证数据的完整性，在本次电商数据中，属性数据没有涉及，所以将其隐藏。
2.列名重命名
可将列名改为自己熟悉的形式，如user_id可以改为其中文形式“用户”。
3.删除重复值
虽然用户id和物品编号都是唯一的，但是存在同一用户购买不同物品，不同用户购买同一物品的现象，所以在删除重复值时，应将两个条件都选中，结果如下（仅截取部分数据）。
由上图知，并未发现重复值。
4.缺失值处理：
通过定位条件查找和筛选功能得出仅有“属性”存在数据缺失，但因所研究问题并不涉及“属性”，所以占不考虑。
5.一致化处理
因研究问题中有对婴儿年龄进行分析，需要将生日转换为年龄，所以需要对日期进行处理，方便之后的函数计算，同时需注意此处的年龄是用户购买商品时婴儿的年龄，而非你此刻分析数据时婴儿的年龄，所以需用vlookup函数导入表1的日期，而非用today函数，处理结果如下（仅截取了部分数据）。
原数据中的日期
处理后的日期
vlookup函数
6.数据排序
可以根据需求对数据进行升序或降序处理，方便问题研究。
7.异常值处理
通过对婴儿出生日期进行筛选，可发现出生日期基本在2000以后，但有一婴儿的出生日期缺在1984年，可判断为异常值，见下图。
为保证原始数据的完整性，需复制粘贴除异常值的数据到新表格，可取名为“数据清洗”。
（三）数据分析及数据可视化
1.数据透视表
哪种产品购买量最多、在一级分类中哪一类购买量最多、在二级分类中哪一类购买量最多、哪一天产品购买量最多，这4个问题处理方法基本一致，以“哪种产品购买量最多”这一问题为例。
因为不同的用户会购买相同产品，所以会出现这种现象，如下图（仅截取了部分数据）
因为数据量较多，所以单纯的把相同物品编号加起来非常麻烦，但用数据透视表就方便很多，它会自动对相同物品编号求和，如下图（仅截取了部分数据）
操作步骤：插入～数据透视表（最好新建一个表）～将“auction_id物品编号”放入行标签；“buy_mount购买数量”放入数值。
还可对购买数量进行排序。
操作步骤：行标签～其他排序选项～升序/降序，下拉选择“求和项：buy_mount购买数量”～确定
2.Excel里的数据分析
“运用标准差判断每天卖出商品量的稳定性”这一问题需用到Excel里的数据分析，本身Excel里是没有的，需要自己添加，具体步骤已写在文章开头，操作结果如下
分析：由上图可知，每天卖出商品的数量波动挺大的。标准差360.533265（注意！标准差越小越好），而最大值10061，最小值仅为1。
3.函数
“分析婴儿的平均年龄”这一问题需要用到DATEDIF函数、AVERAGE函数，同时有些用户是在婴儿出生前购买的，所以计算结果会出现#NUM！，可将其改为0，具体如下（仅截取了部分数据）
这里的年龄单位选择的是天
666.6785714取整为667，667天大约为1岁10个月
“男女婴儿的比例分布”这一问题需用到IF函数、COUNTIF函数（仅截取了部分数据）
男女婴儿比例分布如下图所示
四、总结
表1 购买商品
- 哪种产品购买量最多（分析方法：数据透视表）
- 在一级分类中哪一类购买量最多（分析方法：数据透视表）
- 在二级分类中哪一类购买量最多（分析方法：数据透视表）
- 哪一天产品购买量最多（分析方法：数据透视表）
- 运用标准差判断每天卖出商品量的稳定性（分析方法：Excel里的数据分析）
表2 婴儿信息
- 分析婴儿的平均年龄（分析方法：DATEDIF函数、VLOOKUP函数、AVERAGE函数）
- 男女婴儿的比例分布（分析方法：IF函数、COUNTIF函数；数据可视化）
