数据集为某电商平台2016年一整年的交易数据， 数据包含104557条数据，10个字段。

1、各个月的订单数是否均衡？

2、在不同价格段之间的商品销售情况？

3、在不同时间段下单情况如何？

发现 deviceName 有87个缺失值，而 deviceType 没有缺失值，看一下 deviceType 的取值分布：

发现这一列有类别为6的值，数量刚好为87，而设备信息文件并没有6这个类别，怀疑是信息填错了，将其重新归类为5，同时将 deviceName 的缺失值用"other"进行填充：

还有一列有8个缺失值，数据占比较少，我们直接将其删除：

删除缺失值之后，再来看一下数据集的大小：

可以通过数据概况初步探索异常值：

根据上面的结果可以看出 productId 最小值是0，payMoney 有负值，这明显是不合理的，我们需要对其进行处理。

首先看看 productId 值为0的数量，数量较少的话直接删除：

对于 payMoney 存在负值的记录，直接将其删除：

再看一下这两列值的情况：

先来看一下2016年一年的总体情况：

价格分析

对于价格，可以看下所有商品价格的分布，这样可以知道什么价格的商品卖的最好：

下单时间分析

按小时分析：

从上图可以看出， 中午12-14点下单比较多，应该是午休的时候，然后是晚上20点左右，晚上20点左右几乎是所有互联网产品的一个高峰，下单高峰要注意网站的稳定性、可用性。下单高峰时间段也可以考虑进行推广，效果会更佳。

按星期分析：

 从上面可以看出，上班时间订单量不断上升，在周六达到顶峰，休息时间人们有更强的购买欲望，这也是比较符合现实的。

支付时间分析

可以看一下客户在下单之后多久时间会进行支付：

从上面可以看出，大部分人下单50秒以内就会进行支付，说明用户基本很少犹豫，购买的目的性很强。

用饼图看一下比例：