学习数据分析并不困难，开始才困难！
学习数据分析并不困难，开始才困难！
原文：https://medium.com/hackernoon/learning-data-analytics-is-not-tough-starting-is-tough-c1e718fc858a
Image Courtesy: https://unsplash.com/search/code?photo=b18TRXc8UPQ
经常有人问我“ 怎么才能学会数据分析？ “而我也经常在 Quora 上偶然发现这个问题' 如何成为一名数据分析师 ”。答案在互联网上随处可见。实际问题不是如何成为一名数据分析师，而是我们是否准备好成为一名数据分析师？
这篇文章旨在用一个简单免费的公共数据和 R(数据科学的开源冠军)带领一个新手进入数据分析的世界。
数据收集:
这里使用的数据是最近Analytics Vidya Hackathon的公共排行榜。只需将表格数据复制粘贴到 MS Excel 中，保存为' av-hackathon.csv '，你的分析数据就准备好了。
读取输入数据:
让我们使用 read.csv 将 csv 读入 R Studio。
mind _ lb<-read . CSV(' av-hackathon . CSV '，header = T，stringsAsFactors = F)
基本概要:
理解数据集是任何分析师都应该执行的主要操作。我们可以使用 str() 或 summary() 来探索数据集的基本摘要，并查看样本值。
我们可以清楚地看到有 1037 个观察值 ( 行 / 条目)和 3 个变量 /c 列和它们的 数据类型—数字中的两个(其中一个只是序号，另一个是分数)和名称为字符类型。
数据分析:
当我们滚动数据集(读取的输入文件)时，我们可以看到一些用户明确地将他们的电子邮件 id 作为用户名。我们可以试着看看有多少这样的用户在他们的用户名中有' @ '吗？
让我们用grepl(正则表达式) 来匹配包含@符号的名字。
使用 grepl('@ '，mind_lb$Name) 将返回每个观察值的真/假，但我们实际需要的是计数。所以我们用 R 中的 table()函数来找出来。
table(grepl('@ '，mind_lb$Name)) 返回包含@和不包含@的用户名的实际数量(绝对数字)。但是用百分比来表示不是更好吗？
prop.table()和 table()一起从 grepl('@ '，mind_lb$Name) 中取值，给出十进制值，再乘以 100，给出带@和不带@的用户名的实际百分比。
现在我们知道几乎有 6.5%的用户名带有@字样，很明显 gmail 肯定贡献了其中的大部分，但是我们能不能试着找出除了 gmail 之外是否还有别的原因？
让我们执行一些 逻辑运算 。我们希望所有用户名 带@ 但 不是 gmail 将它们改写为理解逻辑: *@*****和 不是 gmail 瞧！下面是它的代码:
mind _ lb $ Name【grepl(' @ '，mind_lb$Name) &！grepl('gmail '，mind_lb$Name)]
这导致用以下字符标识美国用户名
- @hpe.com
- @iitbhu
- @iimahd.ernet.in
一些好的见解不是吗？惠普企业、IIT-BHU 公司和 IIM-A 公司的人
让我们尝试更多的字符串操作。用户名将是唯一的，所以我们不能真正找到重复的名字。但是我们能找到哪个字母表形成了最开始的字母吗？
为此，让我们创建一个新变量‘f _ letter’。只是一个子串操作。
mind lb $ f letter<-to lower(substr(mind _ lb $ Name，0，1))
数据可视化:
让我们做一个简单的图表，看看哪个字母赢了。
*库(gg plot 2) qplot*(data = mind _ lb，f_letter)**
看来 s 是赢家，a 是亚军。那是为了好玩。但是我们能做一些更好看的可视化吗？让我们画出黑客马拉松的分数分布。
完整的代码可以在我的 github 上找到。
期末备注:
在数据集中找出一些有价值的见解不是更容易吗？数据分析实际上更容易。你所需要的是一个开放的心态去看透数据，一旦开始，你选择的工具和语法就会派上用场。
这不是一个教程帖子，只是为了展示 R 和数据分析的简单性。
你准备好进入数据分析的世界了吗？如果有，下载 R 和 R 工作室今天开始。也创建一个 github 账户，分享你的代码和可视化，并在这里评论链接。
