数据科学案例化学习（julia版本）

前言

参考《数据科学实战手册》第2章中汽车燃油效率数据分析的过程，不过原书是用R来进行分析，这里我们通过julia来完成整个分析过程），同时我们也将会进行比原文进行更多的内容拓展, 并在文章中尽可能多地介绍julia进行数据操作的方法，以期达到既走完整个分析流程，又加深了大家对julia的深入了解。

文章中所显示的代码如无特殊说明，均指 julia 代码，且工作环境为JuliaPro编辑器。

数据科学工作流

根据过往的经验，笔者将数据科学工作的完整流程大致总结如下图所示：

但在日常工作具体的case中，往往可能只涉及其中某几个环节。

业务问题

在进行分析前，首先要明确自己面临的业务问题是什么，通过数据分析想回答一个什么样的问题，或者想证明或证伪一个什么结论。

本文中，我们能拿到的是美国环保部门对汽车燃油经济性的评估数据。我们分析的目标就是找到影响汽车燃油效率的因素有哪些，哪些类型的汽车燃油效率更高。

数据导入

源数据可以从 https://fueleconomy.gov/feg/download.shtml 下载。

在julia中数据操作往往需要引入DataFrames包，这是与R、python中类似的一个数据结构。

using DataFrames
readtable("~/Downloads/vehicles.csv",header=true)

readtable这个接口的详细说明如下图所示，其中最常用的就是文件名、是否包含字段名、文件分隔符这三个参数。