上篇我们爬到了粽子的商品信息，存储到了csv文件：粽子.csv
这一篇我们就分析这个文件，利用jupter notbook来分析清洗数据，
然后在用pyechats可视化我们分析的结果，信息量可能有点大，看注释慢慢消化吧。
安装jupyter的步骤就省略了，自行查资料安装。
1.整理数据
导入需要的包：
pandas
numpy
re 正则表达式
读取上篇爬取到的数据
pd.read.csv("粽子.csv") 也可以，先不加其他参数的，有问题在加
读取进来再加上列名，显示１０ 行先看看到底是什么玩意儿。
整体查看下情况：
df.shape, 4357行，5列
df.describe() ,行数、价格的最大最小 平均值 中值等
数据 一般有重复行，去除重复数据在看看：
df.drop_duplicates( ）去除重复项，参数inplace = True 是直接替换原数据，默认是不替换
去掉重复项在看看只要1939行了，看来淘宝重复展示的商品也不少呀，一半多都是重复的，都是套路啊！买买买 原来都是你家的！
我们需要从付款人数中提取到商品的销售数量，所以付款人数这里不能有空的行，
对查找是空的行要进行填充成：0人付款
从付款人数中提取数字 单独生成一列作为销售数量num,
发现有的付款人数是用万单位计数的，我们还需要*10000来计算
先把数字取出来，利用正则取数字，发现取出来的是个列表不是个数字，并且像1.0万这样的取出来还是[1,0]这样两个元素的列表，怎么办？我们只需要取列表第一个元素
我们发现像1.0万这样的，取数量是1，是不对的，应该是10000的，怎么办？
我们再加一列unit 把付款人数中带‘万’字的取出来放进去
发现取万字还是个列表，同样的方法在取第一元素行不行呢？试一试？发现报错的
为什么出错了？因为不是每个都带万字，有的列表是空的，取不出来第一个元素的。怎么办？
我们就是想要一个字符串的列，这里有个小技巧，我们用一个空字符''与万字列表join合并，合并的结果就是个字符串类型了。
我们的目的是想把unit是万的行 对应的 num上的数字*10000
只有重新赋值num = num * unit 来实现但是unit是字符，想办法变成数字？
重新改造unit列变成数字列
这样我们就可以用num * unit 来重新赋值生成一个新的列：销量
这样两列相乘，发现不对，因为num从付款人数中取出来后是字符类型的，需要转换成浮点型
df['num']=df['num'].astype('float')
在相乘，销量就没问题了
有了销量这列，我们目的就达到了，num 和 unit 就没有用了，直接干掉吧
axis 是轴的意思，就是列，axis=1 就是按列，默认是axis=0 是按行，inplace 是否改变原表
发货地址里面是：省份+市 组成的，如果我们要分析来自哪个省份的订单，还要把这列分割出来省份。
既然要分割发货地址，那么分货地址这里就不是有空值，怎么办？把发货地址是空的行删除掉。
先来验证一下发货地址是不是有空值的行呢？
df [ df ['发货地址'].isna( ）]
看下有没有地址是空的记录：
还真有？怎么办 干掉
去掉后还有1908行了，说明有31行地址是空的
好了，地址干净了，就开始分割吧
用字符串分割函数split() ,按空格分割，省份与市之间有个空格
顺便在加一列：市 以防有用
x[-1] 是从后面开始取
分割后，发货地址与付款人数这两列都没有用了，直接干掉吧
至此清洗数据告一段落，然后重置一下索引，把成功保存一份到csv里面
df.to_csv(文件名) 生成文件在jupyter的安装目录
