怎么做浅层数据？怎么做浅层数据分析表

作者：清清裙子网

2023-11-19 19:25:32

文章来源：本站

　　浅层数据一般指的是表面级别的数据，用于提供基本的信息和观察结果。以下是一些常见的方法和步骤，可用于制作浅层数据：

　　1. 收集数据：确定您感兴趣的主题或领域，并收集相关的数据。这可以包括调查、观察、记录、采访、文献研究等方法。

　　2. 清洗数据：对收集到的数据进行清洗和整理。这包括去除重复数据、处理缺失值、纠正错误、格式化数据等操作，以确保数据的准确性和一致性。

　　3. 整理和组织数据：根据数据的特性和目的，将数据按照逻辑方式进行整理和组织。可以使用表格、电子表格软件或数据库等工具进行整理和存储。

　　4. 数据可视化：使用图表、图形、图像等可视化工具，将数据以直观的方式呈现。这有助于更好地理解数据，并发现数据中的模式、趋势和关联性。

　　5. 摘要和总结：从数据中提取关键信息，并生成简洁的摘要和总结。这有助于将重要的见解和结论传达给其他人。

　　6. 分析和解释：根据数据的特点和目标，进行基本的数据分析和解释。这可以包括计算统计指标、生成简单的报告或描述数据的特点。

　　请注意，浅层数据制作的具体方法和步骤可能因数据的类型、目的和分析要求而有所不同。在进行浅层数据制作时，确保从可靠和合法的来源收集数据，并遵守相关数据保护和隐私法规。

　　浅层数据是指只对数据进行简单的处理，例如筛选、排序、统计等，而不会对数据进行深入的分析。如果您想要进行更深入的数据分析，可以考虑使用深度学习算法。

　　1.提出问题

　　2.理解数据

　　3.数据清洗

　　4.构建模型

　　5.数据可视化

　　第一步：提出问题

　　根据现有的数据，主要围绕消费者对于产品的评价为出发点，围绕以下四个方向进行研究。

　　(1) 此网站受众的年龄层。

　　(2) 销量最高的单品，以及此单品主要受众的年龄层。

　　(3)验证正向反馈最多的单品和推荐最多的单品是否一致，若不一致，提出重新思考网站宣传方向，着重宣传正向反馈最多的单品。

　　(4) 查看不同类别的服装的受欢迎程度，以此为基础分析此网站的优势产品和劣势产品，便于网站战略分析。这里主要运用评分字段来代表受欢迎程度。

　　第二步：理解数据

　　本次研究是关于某女装电商的消费者对消费的评论数据，具体字段如下：

　　Clothing ID(服装编号）

　　Age(年龄）

　　Title(评价题目）

　　Review Text(评论内容）

　　Rating(评分）

　　Recommend IND(是否会推荐给其他用户)

　　Positive Feedback Count(正向反馈数量）

　　Division Name(部门名称)

　　Department Name(部门名称）

　　Class Name(分类名称）

　　这里共有23486条数据和10个变量。其中，Rating(评分)共分为1-5个档次；Recommend IND(是否会推荐给其他用户):1-推荐，0-不推荐；Positive Feedback Count(正向反馈数量):来自其他消费者对本评论的赞同数量；Division Name(产品划分):这里是指服装的规格，分为general(正常)和genral petite(偏小).Department Name(部门名称)这里是服装所属部门的名称；Class Name(分类名称)是服装分类的名称。

　　第三步：数据清理

　　这一步是数据分析的核心步骤，占据整个过程的60%。

　　首先将数据复制粘贴到新的表中，重新命名为某女装电商评论-数据清理。后期所有操作将在这个新的表格里进行。以避免原始数据的丢失。

　　（1）选择子集

　　根据所要研究的问题将多余用不到的字段进行隐藏。这里将第一列没有名称标注的序列号进行隐藏。

　　（2）列名重命名

　　由于原数据是英文版，为了方便下面的操作，我们把字段的名称改为中文。

　　（3）删除重复值

　　在这里为了避免误删重复值（因为可能有些消费者会碰巧写了相同的评价），我们将同时考虑评价标题和评价内容作为筛选重复值的标准。首先将评价标题和评价内容同时创建的新的一列”评价”。

　　然后，通过评价一列删除重复值。

　　（4）缺失值处理

　　通过空值定位条件查询到共有13条划分部门，划分名称，服装分类信息同时确实，介于无法通过服装序列号找回缺失值，并且13条信息占总量的半分比过小，不足以影响分析结果，所以我们暂且先删除这些残缺数据。