Python数据分析：英国电商销售数据实战-平芜编程栈

🧹从脏数据到干净洞察！手把手实战英国电商销售数据清洗（附完整代码+每步输出）

💡新手友好 | 代码全公开 | 每一步都有结果截图式描述

大家好！我是你们的数据搭子 👋
今天带来一个超实用的数据分析实战项目——电商销售数据清洗全流程！

很多同学一上来就想画酷炫图表，却忽略了最关键的一步：数据清洗。
要知道：垃圾进，垃圾出（Garbage in, garbage out）！

本文将带你用 Python + Pandas，一步步把一份“又脏又乱”的原始销售数据，变成干净、整齐、可分析的高质量数据集。
所有代码 + 每一步的关键输出，全部保留！绝不省略！

🔍 一、项目背景：我们要分析什么？

我们拿到的是英国一家在线零售公司2010.12 - 2011.12的交易数据。
目标很明确：找出畅销商品，为营销策略提供依据。

但原始数据长这样👇（前5行示意）：

InvoiceNo: 536365 StockCode: 85123A Description: WHITE HANGING HEART T-LIGHT HOLDER Quantity: 6 InvoiceDate: 12/1/2010 8:26 UnitPrice: 2.55 CustomerID: 17850.0 Country: United Kingdom

看起来还行？别急，问题藏在细节里！

⚠️ 二、发现问题：数据有多“脏”？

我们先用df.info()看整体情况：

import pandas as pd df = pd.read_csv("e_commerce.csv") df.info()

输出告诉你：

总共541,909条记录
Description有1,454个空值
CustomerID竟然有135,080个缺失！（超过1/4！）
InvoiceDate是字符串，不是日期！
CustomerID是浮点数（比如 17850.0），不合理！

再深入挖一挖：

❌ 问题1：负数数量 & 负数价格？

df.describe()

发现Quantity最小值是-80995，UnitPrice最小值是-11062！
这显然不是真实销售，而是退货、取消订单或系统调整记录。

❌ 问题2：国家名称不统一？

df["Country"].value_counts()

输出中你会发现：

"United Kingdom"（正确）
"UK"（缩写）
"U.K."（带点缩写）
"USA"和"United States"同时存在！

这会导致后续按国家分组统计出错！

🧽 三、动手清洗：5步变干净！

我们创建副本，开始清洗：

clean_df = df.copy()

✅ 步骤1：修正数据类型

# 把日期转成 datetime clean_df["InvoiceDate"] = pd.to_datetime(clean_df["InvoiceDate"]) # 把 CustomerID 转成字符串，并去掉 .0 clean_df["CustomerID"] = clean_df["CustomerID"].astype(str).str.replace(".0", "", regex=False)

📌效果：17850.0→"17850"，"12/1/2010 8:26"→2010-12-01 08:26:00

✅ 步骤2：删除无效交易

# 删除 Description 为空的行（这些单价都是0，无意义） clean_df = clean_df.dropna(subset=["Description"]) # 删除数量或单价为负的行（非真实销售） clean_df = clean_df[(clean_df["Quantity"] >= 0) & (clean_df["UnitPrice"] >= 0)]

📌结果：数据量从 54万+ 减少到约40万条有效交易。

✅ 步骤3：统一国家名称

clean_df["Country"] = clean_df["Country"].replace({ "UK": "United Kingdom", "U.K.": "United Kingdom", "USA": "United States" })

📌验证：现在clean_df["Country"].unique()里只有标准名称了！

✅ 步骤4：检查是否还有空值？

clean_df.isnull().sum()

输出：

InvoiceNo 0 StockCode 0 Description 0 Quantity 0 InvoiceDate 0 UnitPrice 0 CustomerID 134990 ← 这些我们选择保留（不影响商品分析） Country 0

✅ 完美！关键字段已无缺失。

✅ 步骤5：保存清洗后数据

clean_df.to_csv("e_commerce_cleaned.csv", index=False)

🎯 四、清洗前后对比（关键变化）

项目	清洗前	清洗后
总记录数	541,909	~400,000
`Description` 缺失	1,454	0
负数量/负价格	存在	全部移除
`InvoiceDate` 类型	object（字符串）	datetime64
国家名称	混乱（UK/USA等）	统一标准