🧹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: 536365StockCode: 85123ADescription: WHITE HANGING HEART T-LIGHT HOLDERQuantity: 6InvoiceDate: 12/1/2010 8:26UnitPrice: 2.55CustomerID: 17850.0Country: 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 pddf = 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 datetimeclean_df["InvoiceDate"] = pd.to_datetime(clean_df["InvoiceDate"])# 把 CustomerID 转成字符串，并去掉 .0clean_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      0StockCode      0Description    0Quantity       0InvoiceDate    0UnitPrice      0CustomerID     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）

🚀 下一步：用干净数据做分析！

现在，你已经拥有一份高质量的数据集！接下来可以：

• 计算每个商品的总销量
• 找出 Top 10 畅销品
• 分析不同国家的消费偏好
• 甚至做 RFM 用户分层！

🔗 数据集获取：关注本号，后台回复【电商数据】获取原始数据 + 完整清洗代码！

💬 写在最后

数据清洗看似枯燥，却是决定分析成败的关键。希望这篇“保姆级”教程，能帮你建立起系统的清洗思维。

记得：不要跳过清洗，不要相信原始数据！

如果你觉得有用，欢迎点赞、在看、转发给同样在学数据分析的朋友！有任何问题，也欢迎在评论区留言交流～

我们下期见！👋