初探資料，我們到底該先看什麼？

前言 :
昨天我們成功用一個字典 olist_db 把 9 張 CSV 表格優雅地收納進記憶體中。
現在資料準備就緒，面對這數據，第一步到底該如何做什麼？
很多新手的直覺是立刻匯入視覺化套件，想一口氣拉出每個月的銷售趨勢圖。

但我想在真實的業界當中如果盲目出圖往往是災難的開始。
在畫圖之前，我覺得更應該先摸清資料的「底細」，否則很容易踩到隱藏的地雷：

> 型態錯誤： 如果日期被存成了單純的字串（String），連最基本的「依月份群組」都做不到，圖表直接報錯。

> 邏輯空值： 如果為了畫圖而直接粗暴地略過空值（NaN），可能會不小心刪掉一堆有價值的特殊訂單，導致分析結果失真。

因為，在EDA（Exploratory Data Analysis, 簡稱 EDA(探索性資料分析)）的起手式不是只單畫出圖表，而是先做"檢查"。
由於是 9 張表中的訂單主表 (orders) 是串聯所有邏輯的骨架，今天我們就從這來開刀！

步驟一：呼叫訂單主表，檢視資料輪廓

昨天把資料都存在 olist_db 字典裡，現在讓我們去把訂單主表單獨抓出來，賦予它一個專屬變數，並印出前五筆看看長相：

# 從字典中取出訂單主表
orders = olist_db['olist_orders_dataset']

# 檢視前五筆資料，掌握大致樣貌
orders.head()

實戰圖片 如下

從印出的結果能看到，
這張表紀錄了每筆訂單（order_id）對應的客戶（customer_id）、訂單狀態（order_status），
以及一連串關鍵的時間點（下單、付款、發貨、送達）。

步驟二：掌握資料規模與型態 (info)

知道長什麼樣子後，我們要問：這張表有多大？
每個欄位儲存了什麼格式的資料？
在 Pandas 中，最實用的初步健檢函式就是 info()：

# 檢視資料規模、欄位型態與非空值數量
orders.info()

實作區 :

仔細看執行結果的 Dtype（資料型態）欄位，我們馬上抓到第一個地雷！

這張表裡有 5 個與時間相關的欄位（例如：order_purchase_timestamp 購買時間），
但它們目前的型態全部都是 object（在 Pandas 中通常代表字串 String），而不是時間型態 datetime64。
這意味著電腦現在把它們當作純文字，如果不做轉換，我們後續完全無法計算「物流出貨究竟花了幾天」。

步驟三：帶著 -"邏輯"- 檢查空值 (Missing Values)

看完型態後，我們要來盤點「空值（NaN）」。我們用一行程式碼，快速統計每個欄位有多少個破洞：

# 統計每個欄位的空值數量
orders.isnull().sum()

實作區 :

執行後你會發現一個有趣的現象：

order_id、order_status 這幾個核心欄位都是 0 個空值。

但是，order_delivered_customer_date (送達顧客時間) 卻出現了 2965 個空值！

這時候不要急於想著下 dropna() 把這 2965 筆資料刪掉！

思考在真實的網購情境下：
只要訂單中途被「取消」，包裹沒出貨，自然就不會有「送達時間」。
那這些欄位的空著不是因為系統出錯，而是這件事「本身就沒發生」。
保留這些合理的空值，正是分析真實數據的關鍵！

今天先幫「訂單主表」做了一次全身檢查，並揪出兩個大問題：

1.假的時間： 時間欄位被當成一般字串儲存，無法計算天數，必須校正。
2.合理的留白 (空值)： 缺少物流時間的訂單，必須根據它的「訂單狀態」來決定去留。

找出問題後就簡單了！
明天我們將正式動手，運用 Pandas 來處理這兩種麻煩，從原始資料打磨成可隨時分析的乾淨數據。
那我們 Day 5 見！