00数据分析综合实践瑞客论坛

1、目录模式笔记模式本周进入课程的最后一部分数据分析项目实战，在这一节中我们将综合运用前五周所学知识和技能完成数据分析实战项目。首先来回顾一下本门课程学习内容与数据分析流程的对应关系：在本周的综合项目一节中，通过共享单车公司数据分析项目案例将学到的知识模块和技能应用到具体的分析和解决问题中。另外，同学们需要注意！请认真学习综合项目，并根据数据分析流程及所学知识完成本课程最后一个作业毕业设计- 人力数据分析。本周导读(第 1 页/共 1 页)作业目录模式笔记模式R-markdown是这样一款，它可以将你所写的代码和一些描述性的分析词语整一个文件，并且以 HTML 或 PDF 等多种形式输出。本节课学

2、习 R-Markdown 的使用。请大家认真听课并且完成思考作业。问题反馈课间思考作业请同学们根据下面的代码截图，生成一个与截图相同的 HTLM 页面。截图：上一节1/1下一节1. R-markdown (第 1 页/共 1 页)作业上图中 R 代码块的代码是：希望同学通过本题熟练掌握 dplyr 软件包的使用方法。注！本题不批改，答案详见作业小提示。回答写作业作业小提示上一节1/1下一节2. dplyr(第 1 页/共 1 页)目录模式笔记模式在数据分析工作中，经常需要对原始的数据集进行、整理以及变换，例如，特定分析变量的选取、按某一个或几个变量排序、对原始变量进行处理并生成新的变量等。本章

3、介绍的。dplyr软件包正是高效完成上述工作的课程示例代码：【dplyr】示例代码.zip问题反馈课间思考作业本周示例数据：dplyr 示例数据.zip请同学在本周示例数据的基础上，利用 dplyr 计算得到：2019 年上半年亚洲 各个市场 的总销售量目标是多少？平均每一个销售机会需要多高的 单价 才能同时满足销售额目标？1.2.请同学们把全部代码到作业提交区，并上传运行结果截图。希望同学通过本题熟练掌握 dplyr 软件包的使用方法。注！本题不批改，详见作业小提示。作业回答写作业作业小提示上一节1/1下一节3. 数据探索工作指导(第 1 页/共 1 页)目录模式笔记模式相信大家一定都还记得

4、我们从第一章就已经在讲的数据分析全流程图：在整个流程中，数据探索是一个相对更加复杂和灵活的环节，本周，我们就将专门抽出一个小章节，来展开讲“数据探索”这个环节的内容。相信大家学习完本节之后，能够补足这部分的知识并且任务！完成一个完整的数据分析工作问题反馈上一节1/1作业目录模式笔记模式恭喜大家已经学完了本门课程中大部分的知识，在这一小节，学的知识完成一个完整的项目。利用已本节课程中使用的数据：customer survey data.zip survey score data.zip本节课程中使用的代码：Project week7.zip问题反馈在做线性回归分析时，我们还可以变量之间的相关性来

5、识别多重共线性。我们可以将各个变量之间的相关关系做一个可视化（如下图所示），同学需要调用软件包GGally，在这个软件包中有一个非常好用的函数ggpairs，用于表示变量之间的相互关系。实现代码：library(ggplot2) library(GGally)survey.sample.data - read.csv(file=Shared Bike Sample Data - M下一节4. 综合项目(第 1 页/共 1 页)作业L.csv)ggpairs(survey.sample.data, columns = c(分数, 组别, 城区, 车龄, 采访小时, 月收入), 在这张图中，行和列

6、分别对应于不同的变量名称，不同变量之间的关系可以用不同的图形和数值来表示。红框内的数值表示相关系数（Corr.），相关系 数的平方即为决定系数 R2。相关系数和决定系数都可以用于识别多重共线性。在本数据中，我们可以看到计算和车龄的相关系数为 0.996，基本上接近于 1，所以我们说基于如此高的相关系数和车龄是两个强相关的变量。上一节1/1下一节目录模式笔记模式数据分析师在完成项目之后，往往需要将项目结果呈现给或者是业务的同事，这种工作场景下，PPT 展示是一个重要的呈现方式。在本节内容中， 承接上一部分的的案例，为大家讲解如何做 PPT 的呈现，以及在这个过程中有哪些需要注意的细节。问题反馈目

7、录模式笔记模式上一节1/1下一节作业六数据探索作业(第 1 页/共 1 页)作业5. 项目分析报告 PPT 呈现示例(第 1 页/共 1 页)作业某房地产公司的销售团队近期对该公司西湖区在售。在拿到调研数据后，销售团队想了解 不同楼型房屋单价的分布情况 以及 房屋单价与其他变量之间的关系。该房地产公司【西湖区房屋情况】数据： 数据探索项目.zip。在接到需求和数据后，数据分析师小 A 认为可以使用 R 处理数据并进行可视化，展现不同楼型房屋单价的分布情况以及房屋单价与其他变量之间的关系。请同学们作业数据，并在 R 中完成本次分析工作。测试一下【单选题】基于房地产数据集，以下哪种图形更适合了解房

8、屋单价和总价的关系？测试一下【单选题】基于房地产数据集，如果想了解房屋单价和朝向之间的关系，采用下面哪种图形更合适呢？测试一下【单选题】基于房地产数据集，以下哪种图形更适合了解房屋总价和挂牌时间之间的关系呢?A 直方图B 箱型图C 小提琴图D 散点图A 散点图B 箱型图C 小提琴图D 直方图A 箱型图B 直方图C 散点图D 小提琴图提交提交课间思考作业请同学探索该数据，并完成销售团队的需求，展现不同楼型房屋单价的分布情况以及房屋单价与其他变量之间的关系。分析思路提示：步骤 1步骤 2步骤 3 常值； 步骤 4 序； 步骤 5*获取数据：查看数据的结构、类型；-数据数据：可将“价格（万元）”、”面积（平米）”变量变为数值型；：预览数据后发现有异常值，建议剔除轻度异常值和极度异数据转换：使用 dplyr 包创建新变量“单价”，按照“挂牌时间”升序排-数据探索（数据可视化）：可以绘制箱型图、小提琴图等展示不同楼型房屋单价的分布情况； 可以通过散点图展示房屋单价与其他变量之间的关系（比如可探讨单-价与面积、挂牌时间、朝向等的关系）；步骤 6：数据探索（美化图形）：*切分多个子图；设置散点；设置图形标题及位置； 修改横纵坐标；.（其他请参考课程讲解）分析呈现：根据可视化结果展开分析，可以从图形中探索单价分布规步骤 7 -律、单价与其他变量关系等；完成本次分析后，请同学提交：1、不同楼