Superstore Sales Data Cleaning, Outlier Handling & Feature Engineering

مشروع تحليل وتنظيف بيانات مبيعات متجر Superstore باستخدام Python (Pandas, NumPy)، مبني على كلاس (SuperstoreAnalyzer) بيدير خطوات المعالجة بشكل منظم من البداية للنهاية:

تحميل وفحص البيانات (Load & Inspect): قراءة البيانات الخام، عرض شكلها، أنواع أعمدتها، القيم المفقودة، والصفوف المكررة.

التنظيف (Cleaning): توحيد صيغة الأعمدة النصية، تحويل تواريخ الطلب والشحن لصيغة تاريخ صحيحة، تعويض القيم الناقصة في الرمز البريدي بالوسيط (Median)، إزالة التكرارات، وتحويل الأعمدة الرقمية (Sales, Profit, Discount, Quantity) لصيغة رقمية سليمة.

معالجة القيم الشاذة (Outlier Handling): استخدام طريقة الـ IQR لاكتشاف القيم الشاذة في المبيعات والربح والخصم والكمية، ومعالجتها عن طريق الـ Capping بدل حذفها، لتقليل تأثيرها من غير فقدان بيانات.

هندسة الميزات (Feature Engineering): إنشاء متغيرات جديدة تدعم التحليل واتخاذ القرار.

حساب المؤشرات (KPIs): استخراج مؤشرات الأداء الرئيسية من البيانات بعد التنظيف.

التصدير (Export): حفظ البيانات النظيفة وملخص الـ KPIs وتقرير القيم الشاذة في ملفات CSV/Excel جاهزة للاستخدام.