20、数据探索、分析与呈现全攻略

数据探索、分析与呈现全攻略

1. 数据探索与分析的起步

在熟悉了一些数据处理示例后，就可以开始对数据进行分析了。数据探索和分析有所不同，分析数据时，我们会提出问题并尝试用现有数据解答，可能会合并和分组数据集以创建有效的统计样本；而探索数据时，只是研究数据集的趋势和属性，不试图回答特定问题或得出结论。

1.1 提出问题

在探索过程中，我们可以提出一些问题，例如：
- 为什么非洲的童工现象似乎更为频繁？
- 亚洲和南美洲存在哪些童工现象的异常值？
- 感知到的腐败现象与童工问题有怎样的联系？

对于自己的数据集，也可以参考这些示例，找出想要研究的趋势。任何统计异常值或聚合趋势都可能指向值得研究的有趣问题。

1.2 聚焦问题

可以聚焦特定问题并通过分析来解答，例如我们关注非洲感知到的腐败与童工问题之间的联系，即政府腐败或对政府腐败的感知是否会影响社区禁止童工的能力。回答这个问题需要更多的调查和数据集，可以阅读相关文章、采访该领域的专家，还可以选择非洲的特定地区或一系列国家进行更深入的研究。

2. 数据分离与聚焦

为了进一步分析，需要分离出非洲国家的数据并深入研究。以下是分离非洲数据的代码：

africa_cpi_cl = cpi_and_cl.where(lambda x: x['continent'] == 'africa') 
for r in africa_cpi_cl.order_by('Total (%)', reverse=True).rows: