Day04| 第四期-谷歌应用商店的App分析

最新推荐文章于 2024-04-22 15:31:46 发布

「已注销」

最新推荐文章于 2024-04-22 15:31:46 发布

阅读量838

点赞数

本文链接：https://blog.csdn.net/weixin_40247412/article/details/107241345

版权

01 前言

我们每天都在使用从手机应用商店里下载的App，有没有想过什么样的App是最受欢迎的呢？一个最直接的方法，就是前往应用商店，对App的属性进行分析，得出受欢迎的应用的特点，可以辅助新的App开发设计或是掌握当下人们使用App的流行趋势。

Google Play Store 是在国外手机用户下载安卓应用程序的商店，今天的案例是对商店中app的统计数据进行分析，重点掌握业务分析中数据清洗的方法。

公号回复：DT17 获取数据 googleplaystore.csv

02 数据观察

如图所示，App的属性信息在网页可以轻松获取，此份数据也是从网络上爬取下来的。

观察数据，如下图所示，第一行是列名，含有App程序名称，Category类别，Rating评分，Reviews评论数，Size程序大小，Installs安装数量等等，总共有1w条数据。了解数据过后，接下来用Python读取csv文件。

import numpy as np
import pandas as pd

df = pd.read_csv('./googleplaystore.csv',usecols=(0,1,2,3,4,5,6)) # usecols取7列数据

df.head()  # 观察前几行数据 了解字段含义

df.describe() # 只有rating列有描述统计 说明其他列的数据类型是字符串

	Rating
count	9367.000000
mean	4.193338
std	0.537431
min	1.000000
25%	4.000000
50%	4.300000
75%	4.500000
max	19.000000

df.count() # 统计每一列的行数 发现Rating行数少一千多行，Type少一行

# 有重复、缺失和异常的数据，接下来需要对数据进行清洗

App         10841
Category    10841
Rating       9367
Reviews     10841
Size        10841
Installs    10841
Type        10840
dtype:  int64

03 数据清洗

# 数据清洗，一列一列地进行分析，判断是否有重复值和缺失值以及异常值

# App列清洗，由于Rating 评论数数小于App数，猜测App有重复值

pd.unique(df['App']).size

# 发现App的unique行数是9660，说明有重复值，但是在第一列先不进行去重，因为可能有App名重名的情况，需要结合其他列判断

# Category 列处理
df['Category'].value_counts(dropna=False) # 空值也统计

FAMILY                 1972
GAME                   1144
TOOLS                   843
MEDICAL                 463
BUSINESS                460
PRODUCTIVITY            424
PERSONALIZATION         392
COMMUNICATION           387
SPORTS                  384
LIFESTYLE               382
FINANCE                 366
HEALTH_AND_FITNESS      341
PHOTOGRAPHY             335
SOCIAL                  295
NEWS_AND_MAGAZINES      283
SHOPPING                260
TRAVEL_AND_LOCAL        258
DATING