APP推广合作
联系“鸟哥笔记小乔”
数据处理真的不难
2021-09-16 18:01:24

数据分析的道路上越走越远


阴差阳错的做了数据分析,而且一开始我还不知道自己在做的是数据分析,看了很多数据分析的书,也走了一些弯路,做了很多实践项目,突然很想把自己作为一个小白的数据分析之路的成长过程写下来。


这个系列写一写从QC里面学到的数据分析方法。


上一节,我们针对QC中的现状调查来简要说了数据分析的方法论,既然要进行现状调查,意思就是对现有的情况做分析,那必然得从现有的数据中找问题,当我们有了一大堆数据,又用了方法论进行了背景分析后,就要开始真正对数据着手了——数据处理,也就是把拿到的原始数据经过一系列加工后变成我们想要的数据。

01 数据处理

首先我们要明确,处理数据可能会占到你数据分析的80%的时间,这意味着你将花大把的时间在理解数据和处理数据上,工欲善其事必先利其器,所以我们要学会一些可以做数据处理的工具,当然这并不是说“术”就一定高于法,要知道,“术”经过密集的培训,人人都可以在短时间内学会,但“法”是要依靠大量的经验积累而成,数据分析行业里总有这么一个说法:三分技术,七分业务,可想而知,对业务规则的理解和对数据分析方法的琢磨是多么的重要。另外,Excel是一个非常适合小白入门的数据分析工具,且Excel已经不能用强大来形容,所以入门数据分析就先好好学一下Excel,是很有必要的。

02 重复数据的处理

对于重复数据的处理当然是删除,但如何找到重复的数据,当然也不是靠数。在excel里变得简单许多,如可以用到countif公式、可以用筛选功能、可以用条件格式,最简单的就是用数据透视表计算某个字段的频次就可以指定是否重复了。

03 缺失值的处理

对于缺失值的处理,我们可以直接想到的就是删除以及用其他值替换,没错,就是这样出来,但是首先我们得要弄清楚,为什么会有缺失,这对我们的行为操作是很深远影响的,举例来说,用户年龄这个字段的缺失,是因为用户没有填而缺失,而有的字段如一些需要公式计算的字段,是因为分母为0了导致的错误运算,还有一些则可能是非人为原因导致的缺失,如数据存储失败、机器故障等。只有在明确了数据是为什么缺失的时候,才可以做到“因材施教”,采取不同的对策。

 

直接删除。直接删除带有缺失值数据的相关所有字段,那么剩下来的数据就还是完全的,不影响后续的操作,当然缺点是如果缺失数据太大还这样直接删除的话,数据量就会变少,同时也就失去了分析的意义。

 

对缺失值替换。众数、中位数、平均数、最大值、最小值等都可以用来替换平均值,做法简单,但是当然这是人为替换的,不能代表数据本身的含义。

04 数据抽取

a) 字段合并

说实话,在数据分析里合并字段很少见,通常我们是要把字段拆解成不可再细分的最小字段,因为字段合并非常的好做,但是字段拆解就相对来说困难的多了。

b)  字段分列

字段分列不是很好分,但也不是完全没有方法可寻,excel里有一个数据分列的功能,基本可以实现80%的需求,那还有20%就慢慢结合函数来做吧。

c) 字段匹配

Vlookup是excel一哥的地位有别的函数不服吗。有了vlookup已经可以解决我们多少工作中的难题,节省多少时间,提高多少效率,所以什么text、left、right函数都是闹着玩的,vlookup一定要用的炉火纯青。

05 数据转换

a) 行列转换。

即转置。

b)   数据标准化。

我们可能要对几个不同单位的字段统一综合分析,可能我们会给他们设置权重最后判断数值的平均得分,那么就需要用到数据标准化。常用的有(0,1)标准化,和z标准化,(0,1)标准化很好理解,就是把值重新锁定在(0,1)之间,当然我们还可以通过对公式的简单变化让值在(-1,0)、(-1,1)之间都是可以的。Z-标准化则更符合正态分布的逻辑。

c)  数据计算。

通过对原始数据进行简单的计算,产生更有意义更明确的衍生变量。包括各种Excel的函数,求和、平均啥的这里就不一一列举了,用的比较多的vlookup、count、countif以及函数嵌套可以重点掌握以下,excel里函数嵌套用的惊为天人的话,相信你只用excel就可以做数据挖掘了(手动滑稽一下)。

d) 变量分布转换。

原始数据分布偏差太大的,我们会对变量进行取对数、开平方、取指数等操作改善变量的分布。

06 异常值的判断和处理

异常值画个图可以很明显的看出来,通常是出现次数少且偏离数据集太大的值,异常值对于平均值的影响是非常大的,如果保留异常值,可能整体的数据都没法进行分析,但如果直接删掉异常值,又可能错失了一个判别动态的好机会。因此对于异常值可能需要我们辩证地看待。我刚入门数据分析的时候,做了一个案例,我把所有的值都打点在地图上,按某个字段计数,和柱状图一样,值越大,柱状图越高,我发现只有一个地方的柱状图异常的高,而其他点因为这个异常值的影响,已经看不出来有什么区别了,但是只要我把这个异常值给删掉,整个图就又变得一片光明了,趋势差异呈现的非常明显,当时我还不懂这个叫做异常值,我的老大给我讲解了一通以后,我变得豁然开朗,且当时按个异常值后来被发现是受设备影响导致的。


先到这里,后续再补充更新吧。

-END-

虾壳可乐
分享到朋友圈
收藏
收藏
评分
评论

综合评分:

我的评分

参与评论(0)

社区交流公约

暂无评论,快来抢沙发吧~
登录后参与评论
发布评论
鸟哥笔记用户社区交流公约

Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
超级nice便签砖
超级超级超级奈斯!
1000羽毛
立即兑换
【新品】办公/外出两用静音充电小电扇
办公桌必备小电扇!
2000羽毛
立即兑换
虾壳可乐
虾壳可乐
发表文章138
分享数据分析的干货。
确认要消耗 0羽毛购买
数据处理真的不难吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接