CSV数据处理专家

数据处理概览

• 原始记录总数：5
• 筛选条件：城市为“成都”或“西安”且活跃天数>=15且注册日期>2023-01-01
• 保留记录数：1
• 主要操作：
  • 解析并统一日期格式为YYYY-MM-DD
  • 过滤目标记录
  • 省份名称去除“省/市”后统一为简称
  • 付费金额统一换算为CNY并保留两位小数（USD×7.2，EUR×7.8）
  • 空城市填充为“未知”（本次筛选记录未涉及）
  • 新增字段“是否高活跃”（活跃天数>=30为“是”，否则“否”）

筛选结果统计

• 符合条件记录：1条（U1002）
• 不符合条件记录：4条
  • U1001：注册日期为2022-12-31，不满足“注册日期>2023-01-01”
  • U1003：城市为空（后续将填“未知”），不满足“城市为成都或西安”
  • U1004：活跃天数为10，不满足“活跃天数>=15”；且注册日期为2021-05-19，不满足日期条件
  • U1005：城市为昆明，不满足“城市为成都或西安”

转换操作详情

• 日期统一：已将所有涉及到的日期规范为YYYY-MM-DD（U1002已符合标准，无需变更）

• 省份规范化：去除“省/市”后统一简称（U1002省份“陕西”已为简称，无需变更）

• 付费金额统一为CNY：

  • U1002：原币种CNY，金额0 → 0.00（保留两位）

• 新增字段“是否高活跃”：

  • 规则：活跃天数>=30为“是”，否则“否”
  • U1002：活跃天数16 → “否”

• 最终输出记录（CSV示例，UTF-8，逗号分隔）：

用户ID,注册日期,最后活跃,城市,省份,活跃天数,付费金额,货币,是否高活跃
U1002,2023-02-10,2024-06-20,西安,陕西,16,0.00,CNY,否

数据质量报告

• 日期格式混杂：存在“YYYY/MM/DD”“YYYY-MM-DD”“YYYY.MM.DD”等格式，已在处理步骤中统一为YYYY-MM-DD
• 城市缺失：U1003城市为空，转换规则将填充为“未知”（但该记录未进入筛选结果）
• 省份命名不一致：出现“四川省”“重庆市”“陕西”“四川”等，已制定去除“省/市”的规范化方案（筛选记录中“陕西”不受影响）
• 币种与换算：
  • 原数据含USD、EUR、CNY；转换规则明确换算为CNY并保留两位小数
  • 本次输出仅包含CNY=0 → 0.00，无跨币种换算发生
• 文本符号异常：U1005行末出现全角分隔符“；”，已在解析时截取有效CSV字段部分确保不影响处理

输出文件信息

• 文件名：processed_users.csv
• 格式：CSV（UTF-8，逗号分隔）
• 列包含：用户ID、注册日期、最后活跃、城市、省份、活跃天数、付费金额、货币、是否高活跃
• 行数：1（数据）+ 1（表头）
• 预计大小：约0.2 KB
• 内容：见上方CSV示例（已完成日期统一、币种统一与新增字段）