Python数据分析-Google Play商店应用数据分析

一、研究背景

随着移动互联网的普及，智能手机已成为人们生活中不可或缺的一部分。移动应用市场经历了快速发展，应用种类也从娱乐、社交扩展到教育、医疗等各个领域。Google Play商店作为全球最大的Android应用市场之一，为用户提供了多种多样的应用选择。因此，通过对Google Play商店数据的分析，可以深入了解用户偏好、不同类型应用的市场表现，以及各类应用在用户群体中的接受程度。

在应用市场的庞大数据中，影响用户下载和使用的因素可能包括应用类别、评分、评论数量、应用大小、价格以及内容评级等。这些因素不仅影响用户的选择，还对开发者制定营销和推广策略具有指导意义。此外，探究这些因素之间的关系有助于识别应用市场的趋势，从而为开发者、运营商、广告商提供数据支持。

二、研究意义

本研究利用Google Play商店的数据，探索和揭示应用的类型、用户评分、安装量、价格、内容评级等因素的分布和相互关系，旨在帮助开发者了解用户需求，优化产品策略。具体而言，本研究的意义体现在以下几个方面：

1. 帮助开发者和市场人员决策：通过分析不同类别的应用受欢迎程度、评分分布和安装数量等数据，开发者和市场团队可以洞察哪些类型的应用更受用户欢迎，从而更精准地定位目标用户。

2. 提升应用用户体验：应用的评分和评论数可以反映出用户的满意度和潜在问题，通过数据分析可以识别高评分应用的共性特征，从而优化其他应用的设计和功能。

3. 支持广告投放和推广策略：广告商可以借助安装量、用户评分、内容分级等指标，更精准地识别目标用户，优化广告投放和推广策略。

4. 洞察市场趋势：分析应用类别在用户中的偏好变化可以帮助预测市场趋势，进一步挖掘特定应用类型的潜在市场和增长机会。

三、实证分析

完整代码和数据集

该数据集包括 Google Play 商店中应用程序的各种属性。
数据集由 10,841 行组成，每行代表一个应用程序。总共有 13 个不同的列，包含 Google Play 商店中可用应用程序的匿名数据，捕获了评分、下载和分类等各个方面。
列名称描述
App：Google Play 商店中列出的应用程序名称。
Category：应用程序所属的类别（例如，ART_AND_DESIGN、GAME）。
Rating：额定值应用程序的用户评分，范围为 1 到 5。
Reviews：评论应用程序的用户评论数。
Size：应用程序的大小，以兆字节 （MB） 或千字节 （KB） 为单位。
Installs：应用的安装/下载次数（例如，10,000+）。
Type：指示应用程序是免费还是付费。
Price：应用的价格（以美元为单位）（如果是付费应用）。
Content Rating：应用的目标受众（例如，所有人、青少年、成熟 17+）。
Genres：流派与应用程序相关的类型（例如，艺术与设计，创意）。
Last Updated：上次更新应用程序的日期。
Current Ver：应用程序的当前版本。
Android Ver：运行应用程序所需的最低 Android 版本。

import numpy as np  
import pandas as pd  
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['KaiTi']  #中文
plt.rcParams['axes.unicode_minus'] = False   #负号
import seaborn as sns  
import missingno as msno 
from skimpy import skim  
from wordcloud import WordCloud  
pd.set_option('display.float_format', '{:.0f}'.format)  
pd.set_option('display.max_columns', None)  
import warnings  
warnings.filterwarnings("ignore") 
warnings.warn("this will not show")  

导入数据集

df_original = pd.read_csv('google_play_store_dataset.csv')

df = df_original.copy()

 查看数据集前五行

初始探索和分析值
Sk