项目：WeRateDogs推特数据报告
一、数据整理
1、收集数据
导入三个数据集文件。
2、评估数据
通过.head()、.info()评估3个表格的总体信息。然后分别对3个表进行评估，由于表3在收集数据时已经提取了有效信息，故不对其进行评估。
2.1 对 twitter_archive 表格：
- 查找 text 列中的转发信息，判断数量是否与 retweeted_status_id 列的数量是否相同；
- 查看 rating_numerator 列和 rating_denominator 列数值；
- 查看 name 列的有效性。
2.2 对 image_predictions 表格：
查看 *jpg_url* 列的重复值。
3、清理数据
3.1 整洁度
- 删除无用列：source、expanded_urls；
- doggo、floofer、pupper、puppo 四列可融合成一列；
- 将3个表格合并为一个表格。
3.2 质量
（1）twitter_archive 表格
- in_reply_to_status_id、in_reply_to_user_id 列数据缺失：删除；
- timestamp 列删除多余的字符串，修改错误的数据类型；
- text 转发信息无效：重新提取转发信息；
- retweeted_status_id、retweeted_status_user_id、retweeted_status_timestamp 列数据缺失：删除；
- rating_numerator 列、rating_denominator 列数值范围错误：根据比例重新修改；
- name 列有非名字模式的信息：重新提取名字；
- status 列信息缺失：重新提取status信息。
（2）image_predictions表格
- jpg_url 列中删除重复信息。
二、数据分析和可视化
1、提出问题
- 不同地位的狗狗评分情况；
- 大众的转发次数、喜爱次数与狗狗评分之间的关系；
- 不同地位的狗狗受喜爱的程度；
- 不同品种的狗狗评分排名。
2、分析问题
- 由箱线图：floofer狗狗评分最高，然后是puppo狗狗、doggo狗狗、pupper狗狗。
- 由散点图：转发次数与被喜爱次数与评分均呈正相关关系。说明在一定程度上，当评分越高，会被大众所关注，从而转发次数也会增多，为更多人所认识，就会更多人喜爱它们。
- 由柱状图：狗狗受喜爱程度：floofer、puppo、doggo、puppet。
- 由折线图：golden_retrieverg品种的狗狗出现的次数最多，且平均评分最高，说明金毛不仅普遍，还很受大家的喜爱。其次是“微笑天使”samoyed，虽然出现的次数排在第8位，但是平均评分仅次于金毛。