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：