销售数据预处理与分析学习总结

一、数据预处理核心步骤

本次分析围绕 “双十一淘宝美妆数据” 展开，数据预处理是后续分析的基础，主要包含以下关键操作：

• 去重处理：使用drop_duplicates()方法删除重复数据，确保分析样本的唯一性。
• 索引重置：通过reset_index()重置数据索引，避免去重后索引混乱影响后续操作。
• 缺失值填补：采用fillna(0)将缺失值填充为 0，保证数据完整性（适用于销量、价格等数值型字段）。
• 衍生指标计算：通过price * sale_count生成 “销售额” 字段，为后续分析提供核心指标。

二、核心分析维度与实现方法

1. 基础指标分析（店铺维度）

通过子图布局（subplot）实现多指标对比，从不同角度展现各店铺表现：

• 商品数量：用value_counts()统计各店铺商品数，通过条形图直观呈现品牌商品丰富度。
• 总销量与总销售额：通过groupby('店名')分组后对sale_count和销售额求和，对比不同店铺的市场渗透力与营收能力。
• 平均单价：通过 “总销售额 / 总销量” 计算，反映店铺的定价策略与客单价水平。

2. 价格区间分析

将品牌按平均单价划分为 4 个区间（0-100 元、100-200 元、200-300 元、300 元以上），结合饼图和条形图分析：

• 不同价格区间品牌的销售额占比（饼图）。
• 各区间的平均单店销售额（条形图），揭示价格定位与销售效能的关联。

3. 商品分类分析

基于标题关键词构建分类规则（大类：护肤品 / 化妆品；小类：乳液类 / 面膜类等），通过jieba分词实现自动分类：

• 对比各大类、小类的销售量与销售额占比（饼图），明确核心品类。
• 筛选有效店铺（排除总销量为 0 的店铺），聚焦有实际销售行为的样本，提高分析准确性。

4. 交叉维度分析

通过seaborn.barplot实现多维度交叉对比：

• 各店铺中不同大类 / 小类的销量与销售额（按店铺分组，凸显店铺的品类优势）。
• 各小类中不同店铺的表现（按品类分组，分析品类内的竞争格局）。

5. 性别细分分析

基于标题关键词识别 “男士专用” 商品，对比：

• 男士 / 非男士专用商品的小类销量占比。
• 男士专用商品在总销量、总销售额中的占比，挖掘性别细分市场特征。

三、可视化技巧与工具

• 中文显示设置：通过plt.rcParams配置SimHei字体，解决图表中文乱码问题。
• 子图布局：使用subplot和plt.subplots实现多图联动，便于指标对比。
• 图表类型选择：
  • 饼图：适合展示占比关系（如品类占比、价格区间占比）。
  • 条形图：适合比较不同主体的数值差异（如店铺销量、区间销售额）。
  • 分组条形图（hue参数）：通过颜色区分次级维度（如按大类 / 小类分组），呈现复杂交叉关系。

四、学习心得

通过本次实践，掌握了从数据清洗到可视化分析的完整流程，理解了如何通过 Python 工具（pandas/matplotlib/seaborn）将原始数据转化为有价值的商业洞察。