数据分析5步骤

提出问题

理解数据

数据清洗

构建模型

数据可视化

一、提出问题

不同年龄的商品购买量；

商品品类在男婴、女婴的消费分布；

二、理解数据

在阿里云天池上获取了儿童电商相关的数据

Tianchi:Data setshttp://

在任意单元格上，单击鼠标右键，点击设置单元格格式；

对照如下表格，确定数据类型；(注：字符串类型左对齐、数字类型右对齐)

3.为了方便后面分析，我需要把表2中的出生日期、性别合并到表1中，这里需要用到Vlookup函数，利用用户ID去获取表2中的出生日期、性别

4.根据出生日期、购买日期算出儿童购买年龄＝（购买日期－出生日期）／365

三、数据清洗

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

1.选择子集

选择数据分析需要用到的列，不需要的列通过点击鼠标右键>点击隐藏，如果需要把隐藏的列展示出来，可以先全选表格，点击鼠标右键>点击取消隐藏。

2.列名重命名

商品表格字段：

user_id:用户ID

auction_id:用户行为

cat_id:商品种类编号

cat:商品序列号

property:商品属性

buy_mount:购买数量

day:购买日期

商品表格字段 婴儿信息字段：

user_id:用户ID

birthday:出生日期

gender:性别

婴儿信息字段 3.删除重复值

因为用户ID是唯一标识，所以通过这一列的值去确定有没有重复值。在选项卡点击数据>点击删除重复项。

4.缺失值处理

因为用户ID是信息的唯一标识，所以通过用户ID去确定其他列有没有缺失的数值，如果有缺失值，该如何对缺失值进行处理，有4种方法：

人工补全缺失值

删除缺失值

平均值代替缺失值

统计模型代替缺失值

这里针对人工补全缺失值详细说明一下，选择整列>点击编辑>点击查找>点击定位>点击定位条件>选择空值>点击确定，定位到缺失值后，先输入值，输入完成后点击ctrl+enter，其他空白单元格都变成了刚刚输入的值。

5.一致化处理

有些单元格的多个值，这会影响到后面数据分析的结果，所以需要做一致化的处理。可以使用Excel的分列功能，将某一列按照特定的规则拆分，需要注意的是分列功能会覆盖到右列单元格，所以在分列之前先把要分列的列复制到最后一列，复制后可以把原来的列隐藏掉。

然后通过下面步骤，完成分列，选择数据选项卡>选择分割符号>点击下一步>勾选连续分隔符号视为单个处理、勾选其他（在输入框中输入要进行分割的符号）>点击下一步>点击完成

有些列虽然有数字，但是是文本格式，不方便后面计算，计算的时候可能会用到Excel函数。可以按照下面步骤，计算值，选中要插入函数的单元格>点击公式选项卡下面的插入函数功能>选择函数要输入的数据>点击确定

常用函数如下：

Find查找一个字符串在另一个字符串中出现的起始位置

Find（要查找的字符串，字符串所在单元格位置）

截取字符串中的内容：left，Right，Mid

left／Right（字符串所在单元格位置，从左／右开始到XX位置进行截取）

Mid（字符串所在单元格位置，开始位置，截取长度）

find函数与left、Right、Mid函数配合使用，可以截取字符串中的任何内容。

通过筛选功能，可以查看哪些数值有错误，点击数据选项卡下的筛选，在弹出的弹框中拉倒最下面

6数据排序

把年龄项按照降序排列，点击功能区的排序和筛选，在出现的弹框中注意勾选扩展选定区域。

7.异常值处理

筛选出异常值，隐藏有异常值的行，再把完整数值行／列复制到新的表格里，因为如果在原表格，后面用到数据透视表分析的时候，也会取异常值，所以需要把需要分析的值复制到新建的表格。

四、构建模型

现在针对刚开始提出的问题构建模型：

不同年龄的商品购买量

插入数据透视表，把年龄项拖入行，把购买数量拖入计数项

各商品品类男童、女童的购买量对比 插入数据透视表，把性别拖入行，购买数量拖入计数项，商品序列号拖入列

通过数据分析 >描述统计可以分析出消费者的年龄分布情况

五、数据可视化