之前一直觉得excel只是很简单的做表格的工具，学习了之后才发现，啪啪打脸，excel的隐藏功能yyds。下面开始利用excel进行简单的数据分析。

数据分析的步骤

明确问题 →\rightarrow 理解数据→\rightarrow数据清洗→\rightarrow数据分析或构建模型→\rightarrow数据可视化

以母婴数据为例，数据来源阿里巴巴天池

https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

下面展开具体的分析：

1.明确问题

问题一：哪个季度销量最好，以及相同季度下哪一年销量最好

2.理解数据

数据集介绍

本数据集包括2个excel文件

表1购买商品（sample)sam_tianchi_mum_baby_trade_history.csv）

表2婴儿信息（(sample)sam_tianchi_mum_baby.csv）

字段含义

表1购买商品字段

用户ID：用户可重复购买商品，故购买商品中用户ID可不唯一

商品编号：每一个商品的编码都唯一，故不可重复

商品二级分类：商品种类ID，表示商品属于哪个类别

商品一级分类：商品种类ID，表示商品属于哪个类别

（商品的一级分类和二级分类，比如上衣和衣服，汽车和玩具汽车这样的关系。虽然都是数字串id，但是根据这层关系，就可以用数据透视表来展示逻辑关系。比如商品大类下面，哪个分类更畅销）

商品属性:属性值可以是大小，可以是尺码、毫升等数字，还可以指品牌等，一切可以描述商品特征的都可以称为属性值，表格中为数字字符串

购买数量：单次交易数量

购买时间:交易时间

表2婴儿信息表字段

用户ID：可用于外键与购买商品表连接

出生日期：婴儿的出生日期

性别：0女性；1男性；2未知的性别

3.数据清洗

数据清洗的步骤

选择子集 →\rightarrow 列名重命名→\rightarrow删除重复值→\rightarrow缺失值处理→\rightarrow一致化处理 →\rightarrow 数据排序→\rightarrow异常值处理

两张表中，只有表1的商品属性列存在144个缺失值，由于该列与所要分析的问题无关，因此直接全部填充为0。

并且将两张表的时间字段进行一致化处理，转化为时间类型，利用分列功能变为

4.问题分析

问题一利用数据透视表可实现

从数据中可看出第四季度销售量普遍偏高。

从中可以看出第一，二，三，四季度均为14年销量最好，所以14年是销量最好的一年。