开通网站必须做域名空间百度指数大数据分享平台

数据可视化与分析
项目介绍

电商双11美妆数据分析，分析品牌销售量、性价比。
强调数据可视化的目的是为了数据分析，需从图表中得出结论。

数据处理

使用Pandas和Numpy库进行数据预处理。
读取CSV文件及查看数据的前五行和后五行。

数据清洗
重复值处理

重复值的处理方式包括忽略和删除，需有充分理由。
示例代码展示了如何删除完全重复的数据行。

缺失值处理

缺失值处理方式包括填充和删除。
示例中使用了零填充法处理销售量和评论数量的缺失值。

新特征挖掘
类别细分

通过对标题进行中文分词，将数据分为大类和小类。
数据处理思路

强调在数据分析过程中，可以根据需求新增特征列，以便更精准地分析数据。

总结
数据可视化与数据分析密不可分，需从图表中得出有价值的结论。
数据清洗是数据分析的重要步骤，包括处理重复值和缺失值。
新特征的挖掘可以通过中文分词等方法实现，提升数据分析的精准度。

中文分词与特征提取：

讨论了使用中文分词工具对文本数据进行分词，并提取新的特征。
介绍了第三方库和标准库的区别，强调了第三方库需要下载使用。
通过实例展示了如何使用结巴分词工具进行精确模式、全模式和搜索引擎模式的分词。

数据处理与分类：

通过代码实现数据的分词和处理，并将分词结果用于分类。
主类别和子类别的设定方法，强调了分类是基于数据集的实际情况进行的。
处理数据集中的缺失值，并将未分类的项目归为“其他”类别。

数据可视化：

使用Matplotlib等工具进行数据可视化，包括柱形图、饼图等。
通过实例展示了各店铺的商品数量、销量、总销售额和平均单价的可视化效果。
讨论了如何根据商品的平均单价将其分为ABCD四类，并绘制各类商品的销售额占比图。

数据分析：

分析了护肤品、化妆品和其他类别的销售量和销售额占比。
通过饼图展示了各大类别的销售情况，指出护肤品占据了主要市场份额。
进一步分析和利用数据，提出了后续的分析方向和任务。