案例：App Store评分数据

项目背景：

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成为帮助app开发者获取和留存用户的重要工具。Play商店应用数据具有巨大的潜力，可以推动应用制作业务取得成功。可以为开发人员提供可操作的见解，以便开发和捕获移动市场。

针对性回答三个问题

1.免费和收费的app都集中在哪些类别？

2.收费app的价格分布是如何的？不同类别的价格分布是怎样的？

3.App文件的大小和价格以及用户评分之间有关系吗？

本课题分析流程

核心变量解释

代码实现来了

#发现这个Unnamed: 0 这个奇怪的变量，需要进行清理 Unnamed: 0表示的是索引，当表里没有就自动添加 inplace表示清理这个变量，然后true是保存在文件里面

data.drop(‘Unnamed: 0’,axis=1,inplace=True)

**清理数据**

在describe中，只对数字型有效

说明一下，这是单位的转换

独立来描述某一个变量

现在来分析价格

来简单说明一下代码的意思

分析app价格单变量分布

#value_counts(price,prime_genre)

#value_coutn只能对应series,不能对整个dataframe做操作，让数据可以罗列出来

第二对它列出来的价格以及对应的个数进行数据清洗

data.price.value_counts()

app类型的判断

作为分析的判断，一般根据题目进行二八原则，可以适当筛选量少的数据

在这里，我们可以删除价格大于49.99的app

data=data[data[‘price’]<=49.99]

,意思就是把小于49.99的app留下来，这个过程不可逆，你可以尝试一下就是把data改为data1

数据的快速分组 bins labels pd.cut(最后)

bins：分组的节点

bins=[0,2,10,300]

labels :方便分组的识别

labels=[’<2’,’<10’,’<300’]

right一般默认为true,也就是每个分组的时候，默认为小于等于

app[‘price_new’]=pd.cut(app.price,bins,right=False,labels=labels)

用group by去查看结果,([‘price_new’])[‘price’]价格分组对应的价格关系

一般语法

data.groupby([‘price_new’])[‘price’].describe()

再来一次groupby的语法说明

重点：以后为了防止找不到之前的数据，进行不可逆的操作的时候，务必注意可以在data改为data1,防止以前的文件不被彻底删除

单变量的分析第二部分是围绕用户评分进行

这是用户打分与价格的关系

可视化数据

如果需要详细解释下这些部分的要素，可以调整的部分(图的大小颜色等)，也可以理解为定制化，就是matplotlib中的pyplot

import matplotlib.pyplot as plt

调整不大的，用matplotlib中的seaborn

import seaborn as sns

用处：生成一张图，在notebook中直接显示

%matplotlib inline

折线图

调用sns.relplot函数,kind是线的类型

sns.relplot(x=“prime_genre”,y=“user_rating”,kind=‘line’,data=data)

直方图

调用sns中的displot函数

sns.distplot(data[‘price’])

很明显在直方图中，你看到都是很拥挤的一组数据，现在进行筛选，让数据更清晰显示

结论：

app价格在0-10之间，稳妥的价格是<4.99,大于此价格购买的人群很少

箱线图

很明显，我们y轴上的类别很乱，现在通过figure放大一下

散点图scatterplot

data的数据来源是data

柱状图

plt.figure(figsize=(10,8))

sns.barplot(x=‘prime_genre’,y=‘user_rating’,data=data)

保留五个，做个人

只保留五个类别的数据

top5=[‘Games’,‘Entertainment’,‘Education’,‘Photo&Video’,‘Utilities’]

data5=data[data.prime_genre.isin(top5)]

现在进行付费paid和免费的对比

对数据进行分析，解决业务问题

业务问题1

免费或收费APP集中在哪些类别

第一步：将数据加总成每个类别有多少个app

第二步：从高到低进行排列

第三步：对数据进行可视化

评分高或者评分低的app集中在那些类别

使用countplot–count是对数据加总，plot将数据进行可视化

sns.countplot(y=‘prime_genre’,data=data)

拆分收费或者免费

加上hue=paid

很明显，我们可以在图中看到，显得有点不专业，字体要放大(plt.tick_params(labelsize=20),tick_params类似指针。还要排序

plot里面插入order=data[‘prime_genre’].value_counts().index,就是针对prime_genre，进行统计value_counts,index进行排序

结论：可以知道app都高度集中在游戏类别

免费和收费的app在不同评分区间的分布

0-0.1是指刚上架的app，其它高中低分布

sns.countplot(x=‘paid’,hue=‘rating_level’,data=data)

左边是免费的，右边是付费，彼此还是比较接近的

问题3:APP的大小和用户评分的之间有关系吗

q4=[‘user_rating’,‘price’,‘size_mb’]

计算相关的关系

app[q4].corr

越接近-1，表示越不相关

越接近1，表示越相关

热力图(heatmap)，展现变量之间两两相关关系的强弱

结论：越深色表示彼此的相关性越不强，越浅表示越相关

项目总结