LESSON 3
我们将数据分析过程组织为五个步骤：提问、整理、探索、得出结论和传达结果。重点是清楚整个流程，不要去背每个步骤干什么，最有效的方法是来一遍。
第 1 步：提问
你要么获取一批数据，然后根据它提问，要么先提问，然后根据问题收集数据。在这两种情况下，好的问题可以帮助你将精力集中在数据的相关部分，并帮助你得出有洞察力的分析。
第 2 步：整理数据
你通过三步来获得所需的数据：收集，评估，清理。你收集所需的数据来回答你的问题，评估你的数据来识别数据质量或结构中的任何问题，并通过修改、替换或删除数据来清理数据，以确保你的数据集具有最高质量和尽可能结构化。
第 3 步：执行 EDA（探索性数据分析）
你可以探索并扩充数据，以最大限度地发挥你的数据分析、可视化和模型构建的潜力。探索数据涉及在数据中查找模式，可视化数据中的关系，并对你正在使用的数据建立直觉。经过探索后，你可以删除异常值，并从数据中创建更好的特征，这称为特征工程。
第 4 步：得出结论（或甚至是做出预测）
这一步通常使用机器学习或推理性统计来完成，不在本课程范围内，本课的重点是使用描述性统计得出结论。
第 5 步：传达结果
你通常需要证明你发现的见解及传达意义。或者，如果你的最终目标是构建系统，则通常需要分享构建的结果，解释你得出设计结论的方式，并报告该系统的性能。传达结果的方法有多种：报告、幻灯片、博客帖子、电子邮件、演示文稿，甚至对话。数据可视化总会给你呈现很大的价值。
数据分析过程练习
让我们通过对数据分析过程的每一步提问，来了解所有步骤。我们将使用来自 Kaggle 的单车共享需求 竞赛的数据。此数据集给出了自华盛顿特区实施“首都共享单车”计划以来的两年，自行车的每小时租金数据。下面是此数据前 5 行的屏幕截图。注意： 此数据集做了轻微修改。
使用下表来帮助你回答第一个问题。每个特征都是数据集中的一列。
| 特征 | 描述 |
|---|---|
| 日期时间 datetime | 小时 + 时间戳 |
| 季节 season | 1 = 春季、2 = 夏季、3 = 秋季、4 = 冬季 |
| 假期 holiday | 该天是否为假日 |
| 工作日 workingday | 该天是否既不是周末，也不是假日 |
| 天气 weather* | 1、2、3、4（参见下面的描述） |
| 温度 temp | 摄氏度温度 |
| 环境温度 atemp | "感觉"温度（摄氏度） |
| 湿度 humidity | 相对湿度 |
| 风速 windspeed | 风速 |
| 游客 casual | 非注册用户使用共享单车的数量 |
| 会员 registered | 注册用户使用共享单车的数量 |
| 总计 count | 总使用次数 |
*天气特征关键字
1 = 晴朗、少云、局部多云
2 = 薄雾 + 多云、薄雾 + 碎云、薄雾 + 少云、薄雾
3 = 小雪、小雨 + 雷雨 + 散云、小雨 + 散云
4 = 大雨 + 冰粒 + 雷雨 + 薄雾、雪 + 大雾
习题 1/5
提问步骤
根据上面给出的有可能影响每小时租用自行车数量的变量数据，可以提出哪些相关问题？（可多选）
- 哪些属性在预测租用自行车的数量方面最为重要？
- 哪种自行车类型更容易被租出去？
- 给定车站是否应该增加车辆？以增加利润？
- 如果目标是使整个星期的租用数量呈现平稳状态，共享单车公司应该在一周中的哪天开展促销活动？
25%、50%、75%指的是四分位数(Quartile)。
上面是表中的数据类型
在此图中，有4列是 float - 浮点型，7列是 int - 整型，1列是object - 对象。其中datetime经过打印查看，确定类型为 str - 字符串。
习题 2/5
整理步骤
在继续分析前，可以看到此 Kaggle 单车共享数据有何需要解决的潜在问题？（可多选）
- 日期未采用日期格式
- 一些值缺失
- 温度值远远超出了地球上的现实范围
- 天气不能用数值表示
租赁的自行车数量与星期几、温度和湿度的散点图
习题 3/5
探索步骤
根据这些散点图，这三个特征中的哪一个似乎最有助于预测计数？（提示：可以考虑下 x 轴数据和 y 轴数据的关系，如果有明显的相关性，比如 y 随 x 的增大而变大或减小，则说明有助于预测；反之，如果数据并无明显趋势，则说明无法凭借这个特征预测）
名词解释： Day of week 星期几 Temp 温度 Humidity 湿度
- 星期几
- 温度
- 湿度
计数与温度散点图，及下一个问题的最佳匹配直线
习题 4/5
得出结论步骤
根据这个自行车租赁与温度关系回归图表，如果温度从 2 摄氏度升至 30 摄氏度，你认为会有多少额外的自行车被租用？
- 50辆直行车
- 250 辆自行车
- 500辆直行车
- 600辆直行车
习题 5/5
传达结果步骤
下面的哪种方法能够最有效地传递你从共享单车数据中得出的结论？
-
温度与湿度的散点图
-
一份书面报告，详细说明了预测自行车租赁量的最重要变量
-
不同温度的回归线
声明：以上为在Udacity上课的时的课件整理