1. 数据读取与基础查看
- 库导入：使用 import numpy as np 和 import pandas as pd 导入常用数据分析库。
- 数据读取： df = pd.read_csv('双十一_淘宝美妆数据.csv') 读取数据文件。
- 数据查看：通过 df.head() 查看数据前几行； df.info() 了解数据特征（列名、数据类型、非空值数量等） ； df.shape 查看数据行列数； df.describe() 获取数值型列的统计摘要。
2. 数据清洗
- 重复值处理： data = df.drop_duplicates(inplace = False).reset_index(inplace = True,drop = True) 用于删除重复数据，并重置索引。
- 缺失值处理：识别 sale_count 和 comment_count 列的缺失值， data.loc[data['sale_count'].isnull()] 查看缺失行，然后用 data = data.fillna(0) 以0填充缺失值。
3. 特征工程
- 商品子类别提取：利用 jieba 库分词，通过循环从 title 列提取子类别信息，添加到新列 subtitle 。
- 商品类别划分：基于关键词字典，为商品划分 main_type （主类别）和 sub_type （子类别）。
- 是否男士专用判断：通过循环判断 subtitle 中是否含男士专用关键词，添加 是否男士专用 列。
- 销售额计算：新增 销售额 列， data['销售额'] = data.price * data.sale_count ，通过单价和销量计算得出。