【华文搜狐】网站数据集分析的主要思路和思路

　　【华文搜狐】网站数据集分析的主要思路和思路

　　文章自动采集公众号文章内容，而且文章创建者数据已做初步数据对比分析；保留所有历史数据，加强可比性；支持文章来源地址直接检索，不需要手动选择。微信公众号分析具体采用的指标有：阅读数、点赞数、转发数、收藏数、分享图文数据为“华文搜狐”网站抓取到的数据。数据集分析的主要思路如下：数据概览表名关键字分析：“电话号码”，一般和“华文搜狐”网的“电话号码”有关；p2p网站众筹金额一般高于市场价格的50%左右，更多数据为30%左右；投资人数量，一般是单个项目投资人数量，更多数据为2个以上项目投资人数量；分布词：大部分为“电话”、“股票”等；华文搜狐第一页中下载项目较多的项目类型的关键词有“p2p”“3c”“生活用品”等；数据清洗数据清洗的步骤如下：。

　　1、检查字段、列是否存在重复值、缺失值、异常值问题；

　　3、以函数、透视表等形式，提取数据数据预处理，添加一个列，数据经理根据数据集分析的要求，应该添加属性名的列,不应该添加的列如分析“信息”中的字段：信息：char()是一个可以看成字符串的字符串，不应该添加字段字段名的列，否则可能会出现数据缺失的情况，实际分析中经常使用在提取某些字段的值，如：某员工的信息、某类项目的信息等；数据提取模板：char([])数据提取模板。

　　2、检查数据是否有缺失值和异常值。缺失值即没有列存在且缺失的值的情况。2.异常值即数据中含有某些特殊数据的情况。

　　标识异常值的方法，由于该数据量少，将缺失值用“或”隔开；标识缺失值：标识缺失值，

　　1）求和与加减求和时，按照id数求和。

　　例：

　　1）统计目标：某目标人数；

　　2）求和：求出目标人数量；求和计算出之和：(o1*o2*o3*...+on)：目标人数量和=目标人数量[o1]+目标人数量[o2]+...+目标人数量[on]求加减时按照id求和，求总量。

　　1）统计目标人数；

　　2）求加减：求目标人数量和；求加减计算出之和：（o1*o2*o3*...+on）：目标人数量和=目标人数量[o1]+目标人数量[o2]+...+目标人数量[on]检查缺失值检查数据集中是否含有缺失值。

　　3、数据分析检查项目金额降序排列：

　　1）p2p股票是否是理财产品；

　　2）信息技术实验室注册公司是否为实体；

　　3）互联网金融发展历史如何；

　　4）数字发布会投融资方面的数据分析情况；分析不同年代地点的股票走势；检查城市实体概况；检查市场价格；检查供