【读书笔记】只有浅出没有深入的数据分析(八)

这一章我们是为了展现“邋遢集”的工作效果，他们采用的是调查问卷，先让我们看一下问卷。

import pandas as pd
import numpy as np
_index = ['扔过垃圾吗?', '听说过邋遢集的活动吗?', '看到有人扔垃圾，会劝他们扔到垃圾箱吗?', '你认为乱扔垃圾是一个严重问题吗?'
          , '邋遢集让你了解到乱扔垃圾的重要性了吗', '你支持市里继续资助邋遢集的教育活动吗?']


df = pd.DataFrame(np.array([0.1, 0.05, 0.05, 0.9, 0.02, 0.25, 0.2, 0.75, 0.05, 0.85, 0.2, 0.81]).reshape(6, 2)
                  , index=_index, columns=['去年', '今年'])

数据集要求我们减少减少垃圾量，然而问卷中只体现了人们信念的改变。

然而邋遢集因为费用太高也决定不进行垃圾计量。

这里书中介绍的方法是“启发法”：

启发法：（心理学定义）用一种更便于理解的属性代替一种难理解的、令人困惑的属性。

（计算机学定义）一种解决问题的方法，可能会得出正确的答案，但不保证得出最优化答案。

 

书中表示固定模式的具有启发性，这里用的是一个树状图，每一个节点对应两个子节点。

这里是  公众对散乱垃圾的意识提高了吗， 是指向下一个问题，否则取消资助

下一个问题是  固体垃圾清理工认为散乱垃圾减少了吗  是则继续资助 否则取消资助。（原书242页）

 

本章节中的启发法是在缺乏数据(无法用数据直接得出结论）的情况下使用的。针对几个关键数据设计成模型，然后得出结论。