- 博客(4)
- 收藏
- 关注
RSS订阅原创 基础分析（数据清洗与描述统计）- 一致性
针对数据质量问题，提出了分级处理策略：缺失值填充、异常值修正、映射规则建立等。特别强调对不完整时间数据的处理方案（如聚焦完整年份或按月聚合），为电商数据分析的可靠性提供保障。
2025-07-02 20:09:23
852
原创 基础分析（数据清洗与描述统计）- 准确性
2. 再探索别的汉字的时候，基于一个字一种写法的原则（比如 汉字的汉 就是这么写的），找到别的没有汉字的纯英文单词，去对比。类似 A汉test，别的评论里出现Abtest，推出：汉=b。A:A,Sheet2!1. 先借助customer_dataset里已经分析出来的结果（链接待放置），将已知的汉字替换掉review里的内容。可能存在用户未完成全部分期的情况（但数据难以捕捉，可暂忽略）。确定中文字符的英文代表，将已知的中文替换掉。这是用户实际支付的金额，反映真实支付意愿。有好的方法请评论区留言，感激不尽！
2025-07-01 13:59:44
519
原创 基础分析（数据清洗与描述统计）- 缺失值
电商数据分析中数据质量评估至关重要，Olist数据集评估显示：订单表存在关键字段缺失（如发货/送达时间），需逻辑判断填充；产品表出现零重量异常值，建议按品类均值修正；评论表含中英混杂内容暂保留。评估涵盖完整性（缺失值检查）、准确性（异常值识别）等6大维度，通过统计函数计算缺失率，确保分析结果可靠性。典型处理包括：用时间中间值填充缺失物流数据，条件均值替换产品重量零值，保持数据分布一致性。
2025-06-30 22:35:23
918
原创 数据集介绍
字段名类型含义外键关系string客户唯一ID**主键**，关联 `orders.customer_id`string客户自然ID（同一人可能有多个customer_id）无string客户地址邮编前缀关联 `geolocation.zip_code_prefix`string客户所在城市无string客户所在州（巴西2字母缩写，如SP）无。
2025-06-30 16:17:31
613
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人