15、深度调查分析与高级可视化：技术与应用详解

深度调查分析与高级可视化：技术与应用详解

1. 深度调查分析基础

在深度调查分析中，数据处理是关键的第一步。以某个调查的入学问题（QE1）为例，在删除“不知道”的响应并对数据进行重新编码后，数据会被分层，例如按分支和性别分层，本质上是创建了分支和性别的笛卡尔积。这里可以使用 Pandas 的 pivot_table 函数，它功能强大且灵活，是数据分析中值得深入探索的工具。

2. 高级可视化方法

高级可视化是进一步分析调查数据的重要手段，主要包括以下几种方式：
- 扩展可视化 ：用于展示多个变量及其变化情况，具体形式有：
- 分组元素 ：基于分类变量创建对象组，如条形图或箱线图。以退伍军人年龄分布的分组箱线图为例，它能清晰展示不同组之间的分布情况。
- 分面（网格）图 ：将一个大图拆分成多个小图，通常要求坐标轴比例相同且相邻放置，便于比较不同变量之间的关系。
- 使用色调和标记突出子组 ：通过不同的颜色和标记来区分数据中的子组。
- 使用 Plotly 创建动态图 ：为数据提供更灵活的展示方式，可通过拖动和点击图像查看不同视角。
- 地理地图 ：用于描绘受访者的地理位置信息，如居住、工作、购物和度假地点等。这些地理信息可作为环绕问题集的一部分，用于受访者的概况分析，也可用于核心问题的深入分析。例如，在旧金山机场客户满意度研究中，通过地理地图可以直观地看到受访者的来源