現在直播帶貨太火了，宋宋最近也在小紅書上敗家了好幾單，身為程序員的宋宋有點不甘心。拿到了一份小紅書直播帶貨榜數據分析下，看一看小紅書的賣貨實力和用戶分析？本案例主要針對DataFrame的數據統(tǒng)計和排序知識點的講解。

　　### 數據展示與清洗

　　首先了解下我們即將使用的數據book.csv(獲取數據文末可以網盤下載):

　　```python

　　import pandas as pd

　　import numpy as np

　　import random

　　from matplotlib import pyplot as plt

　　from pyecharts.charts import Boxplot

　　df= pd.read_csv("book.csv")

　　df.info()

　　```

　　結果：　　

　　數據內容如下：　　

　　其中每列表示如下：

　　> 數據說明 這是一個關于用戶在小紅書購買金額的數據集， 共有29452條數據， 7個變量。

　　>

　　> (1) revenue 用戶下單的購買金額

　　>

　　> (2) 3rd_party_stores 用戶過往在app中從第三方購買的數量，為0則代表只在自營商品中購買

　　>

　　> (3) Gender 性別 1：男 ，0：女 ，未知則空缺

　　>

　　> (4) Engaged_last_30 最近30天在app上有參與重點活動(0:討論，1:賣家秀的活動)

　　>

　　> (5) Lifecycle 生命周期分為A,B,C (分別對應注冊A：6個月內，B：1年內，C：2年內)

　　>

　　> (6) days_since_last_order 最近一次下單距今的天數 (小于1則代表當天有下單)

　　>

　　> (7)previous_order_amount 以往累積的用戶購買金額

　　大家都知道我們在分析數據前都會判斷下，是否存在空缺值，重復值、異常值等，即進行數據的清洗。

　　```python

　　df.isnull().any()

　　```　　

　　```

　　df.duplicated().any()

　　```

　　結果是：

　　> True

　　說明存在空缺值和重復值，于是我們要對這些數據進行處理

　　```python

　　# 去除重復數值和缺失數值

　　df.drop_duplicates(inplace=True)

　　df.reset_index(drop=True,inplace=True)

　　df.replace('nan',np.nan,inplace=True)

　　#把性別、年齡、用戶過往中為nan的數值分別用隨機、平均值、隨機替代

　　df.fillna(value={"gender":random.choice([1.0,0.0]),"age":round(df["age"].mean(),0),"engaged_last_30":random.choice([1.0,0.0])},inplace=True)

　　df.head()

　　```

　　結果：　　

　　我們可以發(fā)現個別數據的列名比較長，所以我們需要簡化部分columns的命名使用rename方法，這樣方便我們后續(xù)的使用

　　```python

　　df=df.rename(columns={

　　"engaged_last_30": "engage",

　　df.keys()[5]: "last_order",

　　"previous_order_amount":"accumulation",

　　"3rd_party_stores":"3rd"})

　　```

　　結果：　　

　　更多關于“Python 培訓”的問題，歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學，課程大綱緊跟企業(yè)需求，更科學更嚴謹，每年培養(yǎng)泛IT人才近2萬人。不論你是零基礎還是想提升，都可以找到適合的班型，千鋒教育隨時歡迎你來試聽。

　　注：本文部分文字和圖片來源于網絡，如有侵權，請聯系刪除。版權歸原作者所有!