数据清洗：把数据改变成我们喜欢的样子，以便后续的数据分析

1、选择子集

以问题为导向，将可能用到的列进行展示，其他则利用EXCEL的“隐藏”功能进行隐藏。

2、列名重命名

重命名的目的是方便后续做数据分析，将复杂的列名改成通俗易懂的名称。这里检查表1表2，列名都很浅显易懂，所以不做更改。

3、删除重复值

表1购买商品表属于行为数据，每一条数据代表一种行为且唯一，因此无需删除；表2婴儿信息表的用户ID是用户下单的身份信息，有唯一特性，因此通过EXCEL的“删除重复值”功能进行处理，操作过后未发现有重复值。

4、缺失值处理

原始数据会经常由于缺失记录或者是技术原因没有爬取到一些数据，然而这些缺失会影响到数据分析，因此需对其缺失数据进行处理。处理步骤如下；

第一步：统计缺失值

对比每列包含数据的单元格数，发现商品属性一栏存在缺失值。

第二步：缺失值处理

因数据体量较大，缺失的值占比很小，为方便起见，对其缺失数据直接舍弃。

EXCEL路径：开始—查找和选择—定位条件—空值—确定。

5、一致化处理

一致化指的是数据是否有统一的标准或者命名，比如将表1和表2的日期都通过“分列”功能更改为“yyyy/mm/dd”的格式，如图：

6、数据排序

数据经过排序后可以帮助我们看到更多信息,这里咱们在后面的数据分析中体现。

7、异常值处理

根据要研究的问题来看，表1表2无异常值。