🧹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 |
🚀 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！👋
 Qt消息框（QMessageBox）的全面使用指南)
