Skip to content

Latest commit

 

History

History
53 lines (32 loc) · 2.65 KB

README.md

File metadata and controls

53 lines (32 loc) · 2.65 KB

README

练习的宗旨在于数据分析师能不能有效地对数据集进行转换以及可视化。以下提供了4个探索方向,并且附上了借鉴答案。数据分析师可以利用所提供的数据集还原或者改善答案。


背景

Product Hunt (以下简称 PH ) 是一个为用户共享和发现新产品的网站,而你是一名商业分析师, 任职于国内某大型互联网企业数据科学部门。 每天,大量的科技爱好者会通过 PH 了解科技产品新趋势。这一次你通过 Product Hunt API 获取了关于帖子以及用户的信息,希望通过数据分析帮助运营部门提出更有效的推广方案。

数据探索

1 针对主题的探索

PH 上涵盖了各式各样的主题,从网页科技至生活效率小贴士。各个主题所积累的帖子数量也不一致。你好奇是不是发布的帖子越多,主题所累积的追随者 (num_followers) 也越多。 于是你针对发布数量最多的前20大帖子主题进行了探索。发现帖子数量和主题的追随人数没有明显的关联性。

2 针对帖子发布时间的探索

贴子的投票数量 (votes_count) 是衡量该帖子受欢迎程度的重要指标。基于你对网上用户游览行为的了解,你假设不同的发布时间会直接影响帖子的受欢迎程度。经过探索,你发现在早、晚两个时间段发布的帖子明显积累更多的票数。

提示: 如何从时间类别(dttm)解析年份 ?lubridate::year()

3 搜索科技产品触觉达人

运营部门希望招纳一名科技牛人成为体验专家,提供产品或者运营的改善建议。以获得的平均投票数量来衡量,他们希望知道哪些用户所发布的帖子最能得到其他用户的认可。你筛选了发布超过30个帖子的用户,按照帖子所得投票数的均值(累计的总投票数除于发布的帖子数)选出了前20名发布者。

4 哪些主题更受用户青睐

你想初步了解 PH 的用户画像。具体地说,在受到欢迎的帖子中,哪些主题频繁地出现?你筛选在整体投票数中位数以上的帖子,汇总各个主题出现的次数。你删除了 tech 主题,因为它没有太大的代表性。最后你总结出了前10大主题。

提示:如何转换宽表至长表 ?tidyr::gather()

Bonus

你是否还能提供其他的数据探索?