十个Kaggle项目带你入门数据分析
我是yulang，曾经是北大物理专业的硕士研究生，毕业后任职于普华永道、滴滴和阿里巴巴担任商业分析师。
以下这些案例都是比较经典的数据分析项目，内容来自Kaggle官网，适合学习pandas、numpy和matplotlib库的数据分析爱好者。
因为目前kaggle网站注册有限制，这里为了方便使用，可以直接点击下面链接获取原始数据：
链接： https://http://pan.baidu.com/s/1NIpTjSeW7BHy5hsrTf5ylw 提取码：data
为了方便小白入门，这里特别推荐知乎大V猴子老师的实战课程【 知乎知学堂数据分析3天实战训练营 】，将带你从实际案例中掌握数据分析的核心技能，更重要的是，参加这门课程能了解数据分析师在一线工作中常用的思维方法。对于没有实际做过数据分析专业的粉丝，这门课是必听的。
1 New York City Airbnb OpenData纽约市Airbnb开放数据
实际因为找到了北京和上海的Airbnb数据，就没有继续分析纽约市的数据了，北京市的房源列举了30000多条，文件非常大，CSV足足有100M以上，主要有以下数据。
类似项目：
- ysiwgtus：探索Airbnb数据 周贰毛：Airbnb（爱彼迎）产品数据分析
- 小嘿同学：Airbnb出租数据探索以及可视化
- 涛aaaa涛：Airbnb数据分析报告
- 阿姆斯特丹AB-和鲸社区 - Kesci.com 大叔22号：Airbnb房源分析—天池数据集
- 小嘿同学：Airbnb出租数据探索以及可视化
- 朝歌：北京airbnb民宿数据分析及可视化
- yhh：Airbnb短租房源数据集分析 羊小高：Tableau-实现Airbnb数据运营分析可视化
- 卜贰：2019年 Airbnb 纽约订单数据集 EDA
- 小小猫依米：想成为Airbnb超赞房东？数据揭秘什么样的房子最受欢迎！（连载一）
- 斯基大人：Tableau——airbnb房源数据分析
扩展学习：关于数据增长模型的案例
- 涛aaaa涛：Airbnb数据分析报告
- jobmesboger：Airbnb产品数据分析（SQL&Tableau）
- 海胜同学：Airbnb产品分析报告
- 爆米花炒番茄：基于python的Airbnb销售渠道数据分析
- jobmesboger：Airbnb产品数据分析（SQL&Tableau）
-
艾伦SJ：大数据之火爆全球的Airbnb
2 The Movies Dataset电影数据集分析
数据来源 ： Kaggle链接 (貌似获取这些数据有点门槛)
替代方案 ：可以点击这里 和鲸社区 - Kesci.com
用途 ：多表关联、评分排序、收入分析、推荐引擎
参考资料 ：
- 曾露：Kaggle:电影数据分析
- 朱文华：电影数据分析
- 太湖刁民：数据分析实战02-探索电影数据集
- hanajya：像制作人一样思考——电影数据分析
- 邓芊：数据可视化-电影数据分析
- 默言：电影数据分析案例
- toyama123：电影数据分析项目
- 韩籽：电影数据之推荐系统
- 曾露：Kaggle:电影数据分析
3 Telco Customer Churn电信客户流失问题
数据来源 ：
- Kaggle链接 （需注册）
- 和鲸社区 - Kesci.com （备用）
用途
- 流失客户分析
- 客户终生价值LTV
详情可以点击：
4 Lending Club Loan Data贷款数据分析
数据下载：
用途 ：金融小贷、逾期分析、逾期预测
我之前分析用的代码：
附一些案例分析
4.1. 拍拍贷互联网金融数据
4.2. kaggle上的 give me some credit 数据集
- Give Me Some Credit
- 小叶子：基于Python的信用评分卡建模分析
- Carl：基于Python的信用评分卡模型分析
- Avenger：Kaggle项目：信用评分卡建模（一）
- 未知：python之信贷数据分析
- 蓝色：Python信用评分卡建模
4.3. 狗熊会在线实习项目相关资料
5 Bitcoin Historical Data比特币数据分析
数据下载 ：
用途 ：时间戳、数据清洗、价格预测
6 共享单车
比赛地址 ： https://www.http://kaggle.com/c/bike-sharing-demand
数据参见 ： 和鲸社区 - Kesci.com
需要通过不同时间和环境的数据，预测共享单车的需求分布。
- 我们可以看到2012年共享单车的租借数量比2011年是有明显提升的，一年中6-10月是租借的高峰期。
- 租车数量随季节变化趋势大体是一致的，春天租车最少，冬天最多。
相关链接 ： CaiNiao：共享单 车项目——数据可视化赡葡：kaggle 共享单车项目，排名前8%沫沫：数据可视化——基于Kaggle的共享单车项目【数据分析】Kaggle项目之共享单车数据分析（一）_人工智能_ccszbd的博客-CSDN博客
相关代码：
更多链接：
- 大祎：plotly 数据可视化——地图
- anne：共享单车的数据分析
- foremost：共享单车数据可视化分析报告(PPT)
- 追风者G：数据可视化——共享单车案例
- 端午：共享单车数据分析及可视化
- 吴小剑：共享单车项目-数据分析篇
- 随遇而安：共享单车数据分析-python
- cloverzxl/4root
7 Hotel booking demand酒店预订需求
数据下载：
该数据集包含城市酒店和度假酒店的预订信息，包括预订时间、停留时间，成人/儿童/婴儿人数以及可用停车位数量等信息。
适用场景 ：社会科学、旅行、酒店、用户行为，不具有明显的行业标识，可进行常规用户行为分析。
数据量： 32列共12W数据量。
可以定义的问题 ：
- 1)基本情况：城市酒店和假日酒店预订需求和入住率比较；
- 2)用户行为：提前预订时长、入住时长、预订间隔、餐食预订情况；
- 3)一年中最佳预订酒店时间；
- 4)利用Logistic预测酒店预订。
相关代码：
8 Video Game Sales电子游戏销售分析
数据下载
包含游戏名称、类型、发行时间、发布者以及在全球各地的销售额数据。
适用场景 ：电商、游戏销售，常规销售数据 。
数据量 ：11列共1.66W数据量。
可以定义的问题 ：
- 1)电子游戏市场分析：受欢迎的游戏、类型、发布平台、发行人等；
- 2)预测每年电子游戏销售额。
- 3)可视化应用：如何完整清晰地展示这个销售故事。
9 US Accidents 美国交通事故分析(2016-2019)
数据下载：
覆盖 全美49州 的全国性交通事故数据集，
时间跨度 ：2016.02-2019.12，包括事故严重程度、事故开始和结束时间、事故地点、天气、温度、湿度等数据。
适用场景 ：无明显行业标识，通用。
数据量 ：49列共300W数据量。
可以定义的问题 ：
- 1)发生事故最多的州，什么时候容易发生事故；
- 2）影响事故严重程度的因素；
- 3）预测事故发生的地点；
- 4）可视化应用：讲述4年间美国发生事故的总体情况
感谢： 如何自己找数据分析项目来做?
10 预测模型——如何用python对今年的经济数据预测
感兴趣可以点击这个链接参加知乎知学堂数据分析训练营的学习
11 NBA球员的数据分析与可视化
网上有公开的NBA球员统计数据，包括乔丹、勒布朗·詹姆斯、科比·布莱恩特、卡特等等在内，数据有他们的身高体重、得分、篮板、命中率、效率值、出场时间、犯规、三分命中率等等。
数据来源 ：kaggle网站
NBA Players stats since 1950 https://www.http://kaggle.com/drgilermo/nba-players-stats
有了这些数据，可以完成各种有趣的统计：
- 竹林：数据分析——哪所大学为NBA输出了最多的优质球员？ https://http://zhuanlan.zhihu.com/p/49028688
- 跳投哥：【NBA大数据】争夺激烈，究竟谁才是空砍群群主？ https://http://zhuanlan.zhihu.com/p/47918004
- Crossin：[Python数据分析]NBA的球星们喜欢在哪个位置出手 https://http://zhuanlan.zhihu.com/p/71875050
- 可视化数据分析：NBA的字母哥如何拿到2415万美金年薪 https://http://zhuanlan.zhihu.com/p/77403864
工资数据可视化
Finding the Worst, Highest-Paid NBA Player, Ever
Using advanced NBA stats to rank player performance against pay.
Source: Basketball Reference
顺便介绍一下这个网站，网址 The Pudding explains ideas debated in culture with visual essays. ，内容非常惊艳
