单元测验 + 数据清洗挑战

流水线顺序：drop_duplicates → to_numeric(errors="coerce") → str.strip → dropna(subset=["amount"]) → groupby("city")["amount"].sum().sort_values(ascending=False)。每步之后 print(len(df)) 留下脚印。

import pandas as pd

raw = """order_id,city,product,amount
5001, 上海,键盘,299
5002,北京 ,鼠标,178
5003,上海,显示器,1599
5003,上海,显示器,1599
5004,深圳,键盘,售后处理
5005, 北京,耳机,459
5006,上海,鼠标,
5007,广州 ,键盘,897
5008,北京,显示器,1599
5008,北京,显示器,1599"""
with open("q_orders.csv", "w", encoding="utf-8") as f:
    f.write(raw)
df = pd.read_csv("q_orders.csv")

# ── 体检 ──
df.info()
print(f"原始 {len(df)} 行")

# ── 清洗流水线 ──
df = df.drop_duplicates()
print(f"去重后 {len(df)} 行")

df["amount"] = pd.to_numeric(df["amount"], errors="coerce")
df["city"] = df["city"].str.strip()

df = df.dropna(subset=["amount"])
print(f"剔除无效金额后 {len(df)} 行")

# ── 分析 ──
rank = df.groupby("city")["amount"].sum().sort_values(ascending=False)
print(rank)

# ── 结论 ──
print(f"结论：有效订单 {len(df)} 笔；{rank.index[0]} 以 {rank.iloc[0]:.0f} 元居首。")

对照检查四个专业细节：① 每步 print 行数——清洗轨迹可审计；② strip 在 groupby 之前——否则北京分裂；③ coerce 在 dropna 之前——"售后处理"先变 NaN 才能一起删；④ 结论一句话带数字——运营要的是答案不是表格。10 行 → 去重 8 行 → 有效 6 行，能对上这串数字就是满分。