先給大家看幾條關於網際網路的新程式設計客棧聞，第一條是百度網頁搜尋份額達到73.2%，百度處理了1096億條網頁搜尋請求，與去年相比提公升了0.6個百分點。報告發布後，有出現了很多部落格就根據這個數字來攻擊google，說它做的不好。
來看第二條，還是同乙份資料，裡面提到百度搜尋請求提公升了0.5個百分點，google搜尋請求提公升了3.5個百分點，google成為增長最快的搜尋引擎。
這兩個新聞都用了資料，而且是一樣的資料，但如果只看第一條和第二條後得出的結論是截然不同的。那看第三條，同樣是關於市場份額的資料，百度市場份額下降2.1%，google增加5.6，二者差距縮小至7.7%。同樣的幾條新聞selzwy看下來，都是和搜尋引擎市場份額相關的數字，但如果是乙個對搜尋引擎市場不熟 悉的人看到，最後就會得出乙個非常混亂的結論。
為什麼三篇新聞引用了同樣的資料卻得出了不同的結果？下面盧鬆鬆來解析下關於如何分析資料的幾個原則。
第一，獨立的看乙個資料是沒有意義的。
接著上面的講，百度和google市場份額問題，在第一條新聞中說到百度市場份額上公升0.6%，給人感覺是百度上公升，自然而然就暗示百度上公升、 google下降。第二條報道比較全面，它的含義是其他搜尋引擎份額都在下降，google和百度都在增長，而且google增長的更快。這說明我們不能 孤立的www.cppcns.com看乙個數字。
在比如把搜狐和新浪全放在一起對比的話，會很不合理，搜狐有網遊、無線、廣告，而新浪主要是無線和程式設計客棧廣告，3:2顯然不合理，單獨拉出來比較才有比較合理的。
第二，資料的口徑必須有可比性。
對於本文前面提到的搜尋程式設計客棧引擎市場份額的例子，有的按搜尋請求來定義，有的按收入來定義，把不同的資料放在一起比是沒意義的。如果乙個資料不能自然而然的看 出來，就應該看下他的定義。即使同樣的定義，不同的公司來做，得出的結果也不盡相同。重要的是我們一定要保證口徑一致的前提下進行比較。
第三，資料收集方式的差異
各個**上經常出現熱點事件報道後的調查，例如360和qq你選擇解除安裝誰的調查，其實結果往往不能反映真實情況，因為一般而言，只有對這個新聞關心的人才 來表達如何看新聞，才來投票，用他們的投票結果來代表整體的意見，從而引導另一批不明真相的群眾跟隨主流觀點。網路調查的結果很容易被廠商利用，用以宣傳 自己抨擊對手。
因此，對乙個數字，最好多問幾個問題。碰到乙個數字時最好不好直接拿出來用，首先應該清楚資料的**是**，它通過什麼方式獲得的，這個資料的含義、定義 是什麼，是否有什麼遺漏的地方。就像之前搜尋引擎市場份額的例子，看明白是哪部分份額、以什麼為標準，之後才能得出正確的結論。
原創文章請註明**自盧鬆鬆部落格
本文標題: 盧鬆鬆：如何正確進行資料分析
本文位址:
如何進行資料分析？
很多人在進行資料分析的時候總是會有些迷惑，那就是不知道怎麼去進行資料分析或者資料分析到底要何處下手，其實這個問題的癥結就是對資料分析沒有乙個明確思路。在進行資料分析的時候，我們可以制定乙個計畫，就能夠知道自己在各個階段該如何做好資料分析工作。簡單來說，可以總結為五個步驟，這五個步驟分別是確定分析目的...
如何利用Python進行資料分析
本文主要對numpy和pandas兩個常用的資料處理元件進行簡單介紹。配套工具 環境配置不作詳述，基本上網上都能搜到。python 3 2 numpy pandas matplotlib jupyter ipython visual studio code 基本配置，在mac下的話配置十分方便，自要...
如何使用zeppelin進行資料分析
spark官方文件 yum y installl lrzsz1.在hadoop目錄下執行，從本地 windows 上傳user.csv檔案到虛擬機器2.檢視hdfs目錄 hdfs dfs ls 3.遞迴建立目錄 hdfs dfs mkdir p events users4.上傳檔案到hdfs hdf...