00數(shù)據(jù)分析綜合實踐瑞客論壇

1、目錄模式筆記模式本周進(jìn)入課程的最后一部分?jǐn)?shù)據(jù)分析項目實戰(zhàn)，在這一節(jié)中我們將綜合運用前五周所學(xué)知識和技能完成數(shù)據(jù)分析實戰(zhàn)項目。首先來回顧一下本門課程學(xué)習(xí)內(nèi)容與數(shù)據(jù)分析流程的對應(yīng)關(guān)系：在本周的綜合項目一節(jié)中，通過共享單車公司數(shù)據(jù)分析項目案例將學(xué)到的知識模塊和技能應(yīng)用到具體的分析和解決問題中。另外，同學(xué)們需要注意！請認(rèn)真學(xué)習(xí)綜合項目，并根據(jù)數(shù)據(jù)分析流程及所學(xué)知識完成本課程最后一個作業(yè)畢業(yè)設(shè)計- 人力數(shù)據(jù)分析。本周導(dǎo)讀(第 1 頁/共 1 頁)作業(yè)目錄模式筆記模式R-markdown是這樣一款，它可以將你所寫的代碼和一些描述性的分析詞語整一個文件，并且以 HTML 或 PDF 等多種形式輸出。本節(jié)課學(xué)

2、習(xí) R-Markdown 的使用。請大家認(rèn)真聽課并且完成思考作業(yè)。問題反饋課間思考作業(yè)請同學(xué)們根據(jù)下面的代碼截圖，生成一個與截圖相同的 HTLM 頁面。截圖：上一節(jié)1/1下一節(jié)1. R-markdown (第 1 頁/共 1 頁)作業(yè)上圖中 R 代碼塊的代碼是：希望同學(xué)通過本題熟練掌握 dplyr 軟件包的使用方法。注！本題不批改，答案詳見作業(yè)小提示?；卮饘懽鳂I(yè)作業(yè)小提示上一節(jié)1/1下一節(jié)2. dplyr(第 1 頁/共 1 頁)目錄模式筆記模式在數(shù)據(jù)分析工作中，經(jīng)常需要對原始的數(shù)據(jù)集進(jìn)行、整理以及變換，例如，特定分析變量的選取、按某一個或幾個變量排序、對原始變量進(jìn)行處理并生成新的變量等。本章

3、介紹的。dplyr軟件包正是高效完成上述工作的課程示例代碼：【dplyr】示例代碼.zip問題反饋課間思考作業(yè)本周示例數(shù)據(jù)：dplyr 示例數(shù)據(jù).zip請同學(xué)在本周示例數(shù)據(jù)的基礎(chǔ)上，利用 dplyr 計算得到：2019 年上半年亞洲 各個市場 的總銷售量目標(biāo)是多少？平均每一個銷售機(jī)會需要多高的 單價 才能同時滿足銷售額目標(biāo)？1.2.請同學(xué)們把全部代碼到作業(yè)提交區(qū)，并上傳運行結(jié)果截圖。希望同學(xué)通過本題熟練掌握 dplyr 軟件包的使用方法。注！本題不批改，詳見作業(yè)小提示。作業(yè)回答寫作業(yè)作業(yè)小提示上一節(jié)1/1下一節(jié)3. 數(shù)據(jù)探索工作指導(dǎo)(第 1 頁/共 1 頁)目錄模式筆記模式相信大家一定都還記得

4、我們從第一章就已經(jīng)在講的數(shù)據(jù)分析全流程圖：在整個流程中，數(shù)據(jù)探索是一個相對更加復(fù)雜和靈活的環(huán)節(jié)，本周，我們就將專門抽出一個小章節(jié)，來展開講“數(shù)據(jù)探索”這個環(huán)節(jié)的內(nèi)容。相信大家學(xué)習(xí)完本節(jié)之后，能夠補足這部分的知識并且任務(wù)！完成一個完整的數(shù)據(jù)分析工作問題反饋上一節(jié)1/1作業(yè)目錄模式筆記模式恭喜大家已經(jīng)學(xué)完了本門課程中大部分的知識，在這一小節(jié)，學(xué)的知識完成一個完整的項目。利用已本節(jié)課程中使用的數(shù)據(jù)：customer survey data.zip survey score data.zip本節(jié)課程中使用的代碼：Project week7.zip問題反饋在做線性回歸分析時，我們還可以變量之間的相關(guān)性來

5、識別多重共線性。我們可以將各個變量之間的相關(guān)關(guān)系做一個可視化（如下圖所示），同學(xué)需要調(diào)用軟件包GGally，在這個軟件包中有一個非常好用的函數(shù)ggpairs，用于表示變量之間的相互關(guān)系。實現(xiàn)代碼：library(ggplot2) library(GGally)survey.sample.data - read.csv(file=Shared Bike Sample Data - M下一節(jié)4. 綜合項目(第 1 頁/共 1 頁)作業(yè)L.csv)ggpairs(survey.sample.data, columns = c(分?jǐn)?shù), 組別, 城區(qū), 車齡, 采訪小時, 月收入), 在這張圖中，行和列

6、分別對應(yīng)于不同的變量名稱，不同變量之間的關(guān)系可以用不同的圖形和數(shù)值來表示。紅框內(nèi)的數(shù)值表示相關(guān)系數(shù)（Corr.），相關(guān)系 數(shù)的平方即為決定系數(shù) R2。相關(guān)系數(shù)和決定系數(shù)都可以用于識別多重共線性。在本數(shù)據(jù)中，我們可以看到計算和車齡的相關(guān)系數(shù)為 0.996，基本上接近于 1，所以我們說基于如此高的相關(guān)系數(shù)和車齡是兩個強(qiáng)相關(guān)的變量。上一節(jié)1/1下一節(jié)目錄模式筆記模式數(shù)據(jù)分析師在完成項目之后，往往需要將項目結(jié)果呈現(xiàn)給或者是業(yè)務(wù)的同事，這種工作場景下，PPT 展示是一個重要的呈現(xiàn)方式。在本節(jié)內(nèi)容中， 承接上一部分的的案例，為大家講解如何做 PPT 的呈現(xiàn)，以及在這個過程中有哪些需要注意的細(xì)節(jié)。問題反饋目

7、錄模式筆記模式上一節(jié)1/1下一節(jié)作業(yè)六數(shù)據(jù)探索作業(yè)(第 1 頁/共 1 頁)作業(yè)5. 項目分析報告 PPT 呈現(xiàn)示例(第 1 頁/共 1 頁)作業(yè)某房地產(chǎn)公司的銷售團(tuán)隊近期對該公司西湖區(qū)在售。在拿到調(diào)研數(shù)據(jù)后，銷售團(tuán)隊想了解 不同樓型房屋單價的分布情況 以及 房屋單價與其他變量之間的關(guān)系。該房地產(chǎn)公司【西湖區(qū)房屋情況】數(shù)據(jù)： 數(shù)據(jù)探索項目.zip。在接到需求和數(shù)據(jù)后，數(shù)據(jù)分析師小 A 認(rèn)為可以使用 R 處理數(shù)據(jù)并進(jìn)行可視化，展現(xiàn)不同樓型房屋單價的分布情況以及房屋單價與其他變量之間的關(guān)系。請同學(xué)們作業(yè)數(shù)據(jù)，并在 R 中完成本次分析工作。測試一下【單選題】基于房地產(chǎn)數(shù)據(jù)集，以下哪種圖形更適合了解房

8、屋單價和總價的關(guān)系？測試一下【單選題】基于房地產(chǎn)數(shù)據(jù)集，如果想了解房屋單價和朝向之間的關(guān)系，采用下面哪種圖形更合適呢？測試一下【單選題】基于房地產(chǎn)數(shù)據(jù)集，以下哪種圖形更適合了解房屋總價和掛牌時間之間的關(guān)系呢?A 直方圖B 箱型圖C 小提琴圖D 散點圖A 散點圖B 箱型圖C 小提琴圖D 直方圖A 箱型圖B 直方圖C 散點圖D 小提琴圖提交提交課間思考作業(yè)請同學(xué)探索該數(shù)據(jù)，并完成銷售團(tuán)隊的需求，展現(xiàn)不同樓型房屋單價的分布情況以及房屋單價與其他變量之間的關(guān)系。分析思路提示：步驟 1步驟 2步驟 3 常值； 步驟 4 序； 步驟 5*獲取數(shù)據(jù)：查看數(shù)據(jù)的結(jié)構(gòu)、類型；-數(shù)據(jù)數(shù)據(jù)：可將“價格（萬元）”、”面積（平米）”變量變?yōu)閿?shù)值型；：預(yù)覽數(shù)據(jù)后發(fā)現(xiàn)有異常值，建議剔除輕度異常值和極度異數(shù)據(jù)轉(zhuǎn)換：使用 dplyr 包創(chuàng)建新變量“單價”，按照“掛牌時間”升序排-數(shù)據(jù)探索（數(shù)據(jù)可視化）：可以繪制箱型圖、小提琴圖等展示不同樓型房屋單價的分布情況； 可以通過散點圖展示房屋單價與其他變量之間的關(guān)系（比如可探討單-價與面積、掛牌時間、朝向等的關(guān)系）；步驟 6：數(shù)據(jù)探索（美化圖形）：*切分多個子圖；設(shè)置散點；設(shè)置圖形標(biāo)題及位置； 修改橫縱坐標(biāo)；.（其他請參考課程講解）分析呈現(xiàn)：根據(jù)可視化結(jié)果展開分析，可以從圖形中探索單價分布規(guī)步驟 7 -律、單價與其他變量關(guān)系等；完成本次分析后，請同學(xué)提交：1、不同樓