谷歌应用商店Google Play Store，囊括了应用、视频、音乐、电子图书及其他数字产品 。本篇通过对谷歌应用商店app的数据分析来了解什么样的app更加受欢迎。本文使用的数据是从kaggle上下载的，下载地址是：
一、提出问题
1、谷歌应用商店里各类应用的占比情况，哪一类的应用数量最多?
2、评分较高的应用主要为哪些类别？
3、哪一类型应用评论数量最多？
4、哪类型的应用安装量较大？
5、应用适用的群体主要是哪一类？
6、付费与否的因素会影响评分吗？
7、 应用大小会影响应用的安装量吗？
二、理解数据
表格一共有13个字段，每个字段含义如下：
App：应用程序的名称
Category：应用所属类别
Rating：用户评分
Reviews：用户评论数量
Size：应用程序大小
Installs：安装量
Type：应用付费或者免费
Price：应用价格
Content Rating：适用人群
Genres：所属种类
Last Updated：最新更新的日期
Current Ver：最新的版本
Android Ver：适用的安卓版本
三、数据清洗
1、数据集一共包括10842*13列
2、列表重命名，为了方便理解，将表头改为中文，如下图：
更改列名称
3. 删除重复值
在数据集googleplaystore中第一列“应用名称”为唯一标识，删除重复项如下：
删除重复项
4. 缺失值处理
通过每列查找定位空值，在9281行发现空值，为"类别"空值，导致后面列错位。
删除缺失值有4种处理方法：
人工手动补全（缺失值较少时）
删除缺失值的项
用平均值代替缺失值
用统计模型计算出的值代替缺失值
因为只有一个空值，此处选择手动补全，且可以明显通过应用名称来判别类型为PHOTOGRAPHY，所属种类为photography。
修改之前
修改之后
5.一致化处理
5.1 将"大小"列单位有k、M和Varies with device，全部统一单位为M并将单位M省略方便后续计算，Varies with device替换为平均值20.42(M)，如下图：
M
k
Varies with device
5.2 将"安装量"列的+去掉，方便后续数据透视和统计分析，如下图：
去掉“+”
将安装量单位改为万。
5.3 "是否付费"中的Free和Paid分别用0和1表示，为了方便后续的数据统计和可视化
Free替换为0
数据清理完毕
四、构建模型及数据可视化
1、应用的主要类别占比情况
通过获取唯一标识列应用，以及"类别"列数据透视，然后绘制柱形图：
前十名
上表可得出，在谷歌应用商店中应用占比最大的为family类，为18.95%，其次是game和tools类的应用，三类应用占比达37.43%。
2、评分较高的应用（在4分以上）主要为哪些类别
利用IF函数将"评分"列分为区间1-2,2-3,3-4,4-5以及5
评分等级
评分占比
由此可知约65%的应用评分较高（4分以上），总体质量比较好，此处FALSE为未评分。再进一步分析4分以上主要为哪类应用，提取数据进行数据透视如下：
4分以上应用占比
4分以上应用类别与上文所有应用类别占比柱形图趋势相近，由于谷歌应用商店中family类的应用数量较多，相应在评分较高的应用中family类也会较多。
3、评论数量在各类别应用中的分布以及哪个区间的评分评论最多。
各类应用评论数占比
评论数前十名的应用
可见评论较多的主要为游戏，社交类，工具类，家庭类以及摄影类的应用，评论数量排名靠前的应用,主要为大众熟知的社交类，游戏类等，比如脸书、ins、部落冲突等，可见知名度与评论数量成一定的正比。
通过透视图分析评论数量主要集中在评分为和4-5分区间：
4、哪类型的应用安装量较大
单位：万
安装量达到10亿的应用
安装量最大的应用类别为游戏类，其次是工具类和社交类，安装量达到10亿次的应用评分大多在4-5分等级。
5、应用适用的群体主要是哪一类
适用人群占比
应用的受众群体大部分是面向所有用户的，有年龄上约束的应用较少。
6、付费应用占比及应用是否付费和评分有无关系
付费应用占比
应用是否付费与评分关系
付费应用占比为7.81%，付费与免费应用在4分以上占比相似，说明应用是否付费与评分并无太大关系。
7、 应用大小会影响应用的安装量吗
由上图可看出应用大小主要在20M以下，应用大小与安装量并无明显关系。
六、总结
1、在谷歌应用商店中应用数量占比最大的为家庭类，为18.95%，其次是game和tools类的应用，三类应用占比达37.43%。
2、有65%的app评分超过4分，4分以上应用类别与上文所有应用类别占比相近。
3、评论数量较多的主要为游戏，社交类等，且主要是知名度高和评分高的一些app，评分在4-5分的评论数最多。
4、安装量最大的应用类别为游戏类，其次是工具类和社交类，安装量达到10亿次的应用评分大多在4-5分等级。
5、应用的受众群体大部分是面向所有用户的，有年龄上约束的应用较少。
6、应用是否付费与评分并无太大关系。
7、应用大小与安装量并无明显关系。