用Excel進行簡單的數據分析
我將一個完整的數據分析過程分成以下幾步：
- 提出問題
- 獲得數據
- 數據清洗
- 數據分析
- 得出結論
下面針對每一步開展具體的分析工作
——————
提出問題
我想知道最近深圳各個區的平均租房價格如何，比較一下各區的房價高低。這是我進行數據分析的目的。
——————
獲得數據
有了問題，接下來就應該針對問題去尋找數據。我這裡選擇了鏈家網的租房信息。
可以看到租房信息主要包括地區、面積、朝向、格局、租金這幾部分，基本上包括了我所需要的信息。熟悉爬蟲的可以自己用爬蟲爬取頁面上的相關信息，不熟悉爬蟲的也可以利用現有的爬蟲軟體獲取數據。
這裡我使用的是后羿採集器，需要下載客戶端，具體的用法可以點開鏈接在官網查看教程。輸入需要爬取的網址並根據自己的需要修改相關設置後，我將結果導出為Excel的.xlsx文件。
——————
數據清洗
獲得數據之後要對數據進行清洗，因為得到的數據結構可能比較亂，不適合之後的分析。比如我導出的.xlsx文件中，地區、面積、朝向、格局都在一個單元格內，而且是用換行符隔開的，無法直接通過分列將它們分開。這裡我利用Excel的clean函數，該函數可以刪除文本中所有不能列印的字元。然後利用空格將它們分開。
對於少部分缺少地區信息的行，我利用篩選功能將其選出然後刪除掉了。最後得到了如下的表格內容。
——————
數據分析
接下來是數據分析的內容。利用數據透視表，比較各地區的平均租金。可以看到，租金最高的地區是南山，最低的地區是龍崗，符合越發達地區租金越高的規律。但是為什麼每個地區的租金都在5000以上呢？
對格局項進行計數，原來最多的數據都是三室四室的大房子，這些大房子的高租金拉高了租金的平均值。
——————
得出結論
以上數據反映了在深圳租一套三室或者四室房子的月租金起碼都在5000元以上，越發達的區域房源越多，租金也越高。
但是這個數據分析過於簡單，只能算是初步了解了Excel數據分析的流程，還存在著很多問題。比如，我一共取了大概2000條數據，而鏈家網上深圳地區的租房信息總共是20000多條，數據不足導致了我取出來的數據分散性不好，大部分都是三室四室的大房子，不便於看出小面積房子的租金情況；平均值受極端值影響較大，用中位數計算可能更合理，但數據透視表沒有中位數選項，需要自己創建；通過更進一步的數據清洗，可以將缺少部分信息的行保留，而不是直接將其刪除；爬取數據時最好將每一條數據的鏈接也取出來，便於之後查看數據是否有錯誤……還有很多可以改進的地方。
用數據透視表進行數據分析時，篩選器用來選取部分數據進行分析。比如我只想看福田區的租房信息，將片區拖動到篩選器中，然後只選擇福田即可。
推薦閱讀：
