万+”，需要转换为近似数值（如20000）；店铺名有冗余信息。他用pandas进行了清洗：
# 价格清洗
df['价格'] = df['价格'].str.replace('￥', '').astype(float)
# 评价数清洗（简化处理，将“万+”乘以10000）
def clean_commit(x):
if '万' in str(x):
return float(str(x).replace('万+','').replace('万','')) * 10000
else:
return float(str(x).replace('+',''))
df['评价数'] = df['评价数'].apply(clean_commit)
清洗后，他进行了快速的探索性分析：
1. 价格分布：用df['价格'].describe()和直方图查看。初中数学教辅价格主要集中在20-60元区间，均价约35元，但也有少数高端教辅（如竞赛专题）价格超过100元。
2. 销量（评价数）与价格关系：绘制散点图，发现评价数（粗略代表销量）与价格呈微弱负相关，但高评价的爆款往往集中在30-50元这个“黄金价格带”。
3. 店铺分析：发现销量高的店铺，除了官方自营，主要是几家大型专营教辅的图书专营店。个人小店铺销量普遍很低。
4. 竞品初步观察：筛选出评价数最高的前20本书，查看其书名、特点。发现畅销品集中在几个系列（如“五年中考三年模拟”、“教材全解”、“实验班”等），且名称中常包含“必刷题”、“压轴题”、“冲刺”等关键词，紧扣应试痛点。
第七天：整合与洞察。
他将两份数据（京东、当当）合并，去重（基于书名和价格），得到一个包含312条记录的“初中数学教辅市场样本数据”。他用新学的plotly制作了交互式仪表盘雏形，可以按价格区间、店铺类型、评价数范围
本章未完，请点击下一页继续阅读！