2020年的金三银四开始啦，今年想转到数据分析相关的岗位，我计划边复习边面试，今天开始做一个App Store评分数据案例，持续更新一份学习的笔记。
手机应用商店
开始记录 2020-3-22
如今想在手机应用商店上成为成功的应用越来越困难，对app下载和评分数据的分析是成为帮助App开发人员获取和留存用户的重要工具。商店应用数据具有巨大的潜力，可推动应用制作业务取得成功，还可以为开发人员提供可操作的见解，同时以便开发和捕获移动市场。
首先我们细化三个问题
- 免费和收费的app集中在哪些类别？
- 收费App的价格分布是如何的？不同的类别的价格分布是怎么样的？
- App文件的大小和价格以及用户评分之间有关系吗？
分析流程
- 数据概况分析
- 数据行/行数量
- 确实值分布
- 单变量分析
- 数字型变量的描述指标（平均值、最小值、最大值、标准差等）
- 类别型变量（多少个分类，各类占比）
3.多变量分析
- 按类别交叉对比
- 变量之间的相关性分析
- 可视化分析
- 分布趋势（直方图）
- 不同组差异（柱状图）
- 相关性（散点图/热力图）
字段说明
id : 苹果提供的APPID，每个app唯一
track_name ：APP的名称
size_bytes ：以byte为单位的app大小
price ： 定价（单位美元）
rating_count_tot ： 该app所有版本的用户评分数量
user_rating ：该app所有版本的用户评分
prime_genre ： app的类型
sup_devices ： 支持的ios设备数量
ipadSc_urls ：app提供的截屏展示数量
lang ：支持的语言数量
开始写代码：
先读取数据
我们来看下info()可以查看数据的基本情况，
打印前5行，发现了第一列unnamed 0 是个无意义的变量，数据需要清洗，可以考虑用drop
无意义变量 用drop 注意：
- drop默认是对行
- axis=1 为列
- inpace表示直接替换掉原有数据
- 注意大小写
接下来，我们对数字型变量做整体描述
为什么做整体描述 ？
因为只对数字型变量有效果，体现数据的集中度（中位数）还有数据的离散度（方差，标准差）
在上图看看size_bytes和price，先看size_bytes是以字节为单位，这里是以科学计数法显示，这样的数字巨大难以分析，要转变为兆mb看更合适做分析。
到price，看到中位数显示是0,那么0就是免费app，可以分析免费app和收费app。
创建变量
刚才我们看了size_bytes和price都需要做处理，先从size_bytes开始，将size_bytes变成mb，需要新增数据
此时已经新增了一个数据是size_mb，再单独做一个描述统计
这样看着就好理解很多，有零点几兆的app，也有四十多兆，还有五十多兆，最大的app有3000多兆，分析也很便捷。
接下来，还需要创建一个变量，即免费/收费的标签，这样可以告诉我们这个app是免费的还是收费的，方便后续分析
图中的lambda是用来阐述规则的，x为price，paid等于0or1，如果price大于0，paid为1，否则，paid为0.
还有中位数显示为零，说明免费的app还是占挺多的
今天暂时更新到这，明天继续更新，先休息了
可加公众号【数据蛙DataFrog】，我们一起学习交流
关注数据蛙
网友评论