电商数据分析(数据处理篇)

时间：2023-03-15 20:36:01 | 来源：电子商务

时间：2023-03-15 20:36:01 来源：电子商务

在kaggle上找到一份美国2020年的电商数据，数据信息比较丰富，拿来用excel做一下分析。

用excel进行数据分析有很多手动操作的步骤，需要用一些配图才能讲清楚，于是我将数据处理和数据分析分成了两篇来讲述。后面我将发一篇用python来进行数据分析的文章，对比会发现，用python来分析数据更多地是用代码来解决问题，操作更简洁，功能也更为强大。

查看数据

这份数据一共有3313行，包含19列的信息，英文列名和相应的含义如下所示。

选择子集和列名重命名

部分列(Row ID、country、Postal code)在分析时用不上，先将它们隐藏。

为了方便后面用数据透视表进行分析，插入一行添加英文列名的中文翻译，并将第一行的英文列名隐藏。为了避免用数据透视表分析时报错，前面隐藏的三列的列名也添加了中文翻译。

处理完后结果如下图所示。

删除重复值

依次选择：数据→删除重复项→选择所有列，没有发现重复值。

缺失值处理

依次选择：查找和选择→定位条件→空值，没有发现空值，说明数据集的整体情况比较理想。

处理日期数据

仔细观察订单日期这一列，发现有点问题。原本应该是日/月/年(15/4/20、16/7/20等)的日期形式显示成了年/月/日(2015/4/20、2016/7/20)的形式，需要处理一下。

在订单日期后面插入一新的一列。注意新插入的列要在这里的隐藏列(Row ID)的前面，可先取消隐藏再插入空白列。

选中订单日期这一列，再依次选择数据→分列，在弹出的对话框中选择固定宽度。

然后在两格之后建立分列线，这样数据就分成了两列，给第一列选择文本的数据格式，给第二列选择日期(D/MY)的数据格式。

点选完成后，就得到了处理好的日期数据。

将部分英文字段转换为中文字段

为了便于后续分析，我打算将表格中的部分英文字段转换为中文字段。

先新建一张参照的表格，将要转换的英文字段翻译成中文。为了避免混淆和便于理解，产品子类别的翻译加上了该子类别所属的大类。

在要翻译的列后新建一列，使用VLOOKUP函数将英文转换为中文(具体参数如下图所示)。

之后再将该公式应用到整列。

运用相同的方法，将运输模式、客户类型、区域、产品类别和产品子类别都转换成了中文，并将原英文列隐藏，完成后的结果如下图所示。

在城市名后面加上相应的州名

观察城市数据发现，存在不同城市使用同一个名字的现象。如下图所示，Georgia、Ohio、Indiana三个州都有名叫Columbus的城市。后面我想统计销售金额前十的城市，所以必须要把这些同名的城市区分开来。

excel有个好用的函数叫CONCATENATE，可以将不同的单元格和字符连接起来。这里我们在城市列后新建一列，使用CONCATENATE函数把城市对应的州连接在一起，具体参数如下图所示。

之后再把这个公式运用到同列，隐藏原有的城市列，就完成了同名城市的区分。

根据购买金额将客户分档

后面我想根据累计购买金额将客户分为不同的档次，统计每个金额档次客户的数量。

现在数据集中，一个订单的一种商品对应一条数据记录，这样一个客户会有多条数据记录。我们需要先计算出每位客户的累计购买金额。插入数据透视表，将客户ID作为数据透视表的行，勾选销售额(求和项)作为统计值进行分析，这样我们就计算出了每位客户的累计购买金额。

然后将生成的数据透视表复制到旁边，使用VLOOKUP函数用近似匹配的方式，按照不同购买金额档次给客户分档(具体购买金额档次的划分看下图)。

之后再将该公式运用到整列，这样不同客户的购买金额档次成功划分完成。

到目前为止，这份数据集的数据处理就告一段落了。虽然这些处理步骤很琐碎，但是到分析阶段大家就会发现前期充分的数据处理工作是多么值得。下一篇我们将在此基础上，对数据进行分析并进行可视化呈现。

数据分析篇指路→：