一、提出问题

1）各分类APP所有版本的平均评分是多少？

2）各分类APP的平均价格是多少？

3）用户评分数与平均用户评分值是否有关？

二、理解数据

1）采集数据

数据集来源：https://www.kaggle.com/ramamet4/app-store-apple-data-set-10k-apps/home

该数据集由kaggle提供，这份数据从Apple Inc website中的 iTunes Search API 提取而得。

2）查看数据集信息

该数据集共7197行，16列，包含应用程序ID、名称、大小、价格、评分、内容评级、主要类型、支持设备类型数量等信息。

数据集包含的16个字段

三、数据清洗

1、删除重复值

考虑到16个字段中，应用ID是唯一的，故选择该列来判断是否存在重复值。

由图可知，该数据不存在重复值。

2、缺失值处理

使用条件定位功能快速查找缺失值后显示不存在空值，故该数据源不存在缺失值。

3、判断数据异常值

1）总体APP分析

先求出各类型APP的数据数量，再插入【条形图】。

总体APP分析

在7197条记录中，按APP类型绘制条形图，共有23种不同类型的APP，其中games类的APP数量众多，约为总数的53%。

2）APP类型计数条形图

对总体按不同类型APP进行比较，绘制箱线图如下：

prime_genreprime_genreprime_genreprime_genre

3）APP分类箱线图（异常值分析）

由图可知，游戏APP的大小分布较广；绝大多数APP的价格低于等于50，仅0.1%的APP价格大于50，其中分类为Education的两款APP价格最高（249.99，299.99）；在rating_count_tot中，共有6个APP的评论数大于1×10^6，其中Social Networking中的Facebook一枝独秀，评论数最多，其次是Photo & Video中的Instagram，Games中的Clash of Clans和Temple Run，然后是Music下的Pandora - Music & Radio，最后是Social Networking中的Pinterest，这些APP都免费。

四、数据可视化

1、各分类APP所有版本的平均评分

2、各分类APP的平均价格

五、分析结论

以游戏APP为例，在所有APP中，总共有3862个游戏APP，且价格均低于50，其中免费的APP有2257个，占全部游戏的58.44%；评分在4.5分以上的Games有1941个，占全部游戏的50.26%。

Games平均价格Games平均评分

六、相关性分析

1）用户评分数与平均用户评分值是否有关？

假设用户评分数大于100000的APP为用户群体最多的APP，对这一类APP的平均用户评分值做数据透视表，

由上图可知，用户评分数大于100000的APP有127个，其中用户评分值在4.5分以上的有111个，占全部样本数的87.4%。

同样对用户评分数小于100000的APP评分值做数据透视表，

用户评分数小于100000的APP有3735个，其中用户评分值在4.5分以上的有1830个，占全部样本数的48.96%。

由以上数据可以分析，用户评分数越多的APP可能较评分数少的APP更加优质，即评分数越多的APP中更容易出现高分的APP。