kaggle数据科学社区调查报告

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

本文作者：天善智能讲师邬书豪 。一入数据之门，当须精益求精。他日纵横捭阖，根据即在年轻！

天善智能社区地址：https://www.hellobi.com/

---

附视频链接：天善智能Kaggle十大案例精讲（连载中）提供案例代码和数据，可以实操。欢迎学习！（数据集和代码在链接公告处提供下载）

2017年8月26日，全球最大的数据科学社群Kaggle发布了数据科学／机器学习业界现状全行业调查的数据集。调查问卷数据从2017年8月7日~8月25日收集。受访者囊括了来自50多个国家的16，716+位从业者，根据kaggle的调查问卷数据集，我们挖掘一些有营养的信息。

################# =========== 导入数据+简单清洗 ============== #################

library(data.table)# fread()

library(dplyr)# group_by() / %>% / summaries()

library(ggplot2)# ggplot()

responses = fread("D:/R/天善智能/书豪十大案例/数据科学调查\\multipleChoiceResponses.csv")

## 把Country列中的表示中国的特征值改为中国

responses$Country <- ifelse(responses$Country =="Republic of China"|

responses$Country =="People 's Republic of China",

"China", responses$Country)

################# =========== 国家+年龄统计 ================ ##################

## 探索数据科学从业者的年龄中位数最大的十个国家

# 创建绘图所需的数据源（按照Country进行统计Age的中位数，并且按照Age进行降序排列）

df_country_age <- responses %>%

group_by(Country) %>%# 按照Country进行统计

summarise(AgeMedian = median(Age, na.rm = T)) %>%# 统计Age的中位数

arrange(desc(AgeMedian))# 按照Age进行降序排列

# reorder(Country, AgeMedian)--按照AgeMedian的升序排列其对应的Country

# head(df_country, 10)--选取数据源的前10行

# x参数中传入图中的x轴所需数据，y参数同理

# geom_bar()--绘制条形图的子函数

# fill = Country--按照Country填充条形图颜色

# stat(统计转换)参数设置为'identity'，即对原始数据集不作任何统计变换

# geom_text()--添加文本注释的子函数

# label = AgeMedian--添加AgeMedian中的内容

# hjust--控制横向对齐（0：底部对齐，  0.5：居中，  1：顶部对齐）

# colour--控制注释颜色

# theme_minimal()--是ggplot的一种主背景主题

ggplot(head(df_country_age,10), aes(x = reorder(Country, AgeMedian), y = AgeMedian)) +

geom_bar(aes(fill = Country),stat='identity') +

labs(x ='Country', y ='AgeMedian') +

geom_text(aes(label = AgeMedian), hjust =1.5, colour ='white') +

coord_flip() +

theme_minimal() +

theme(legend.position ='none')# 移除图例

# 封装绘图函数

fun1 <-function(data, xlab, ylab, xname, yname) {

ggplot(data, aes(xlab, ylab)) +

geom_bar(aes(fill = xlab),stat='identity') +

labs(x = xname, y = yname) +

geom_text(aes(label = ylab), hjust =1.5, colour ='white') +

coord_flip() +

theme_minimal() +

theme(legend.position ='none')

}

data <- head(df_country_age,10)

xname <-'Country'

yname <-'AgeMedian'

fun1(data, reorder(data$Country, data$AgeMedian), data$AgeMedian, xname, yname)

## 探索数据科学从业者的年龄中位数最小的十个国家