如何成為資料科學家?! 用 "資料分析"的方法來探討 - 系列2
(附Python程式碼)


接續上篇文章,用資料分析的方法分析了資料科學家所需具備的跨領域知識、大多的工作內容及程度,以及所需的的程式技能,如果還沒看過的話可以點擊下方連結!

用資料分析的方法來探討 — 如何成為資料科學家?-系列1

此篇文章,我們將繼續和大家分享要運用那些資料才能成為資料科學家,那麼我們就開始吧~

一、如果要深入資料科學,可以透過什麼資源來了解呢?

市面上有很多資料科學的相關課程與資源,但是該選擇哪一個呢? 別擔心! 我們依照資料科學家們的經驗,來為您做精準推薦!
我們將使用資料集中的Q12. 喜愛資源Q13.喜愛課程來進行分析,以下分別為Q12、Q13的題目設定:

Q12. Who/what are your favorite media sources that report on data science topics? (Select all that apply) — Selected Choice

Q13. On which platforms have you begun or completed data science courses? (Select all that apply) — Selected Choice

1. 喜愛資源資料預處理

我們繼續使用相同的方法計算Q12. 喜愛資源複選題的選擇數量 (如下圖一)。

# 取出Q12的資料
lst = []
for i in multiple_choice.columns:
if i[:3] == 'Q12':
lst.append(i)
source = multiple_choice[lst].iloc[1:,]
# 取出Q12多選題的選項
choose = multiple_choice[lst].iloc[0].apply(lambda x: ''.join(x.split('-')[2:]).replace(' ',''))
# 統計各選項選擇數量
source_df = pd.DataFrame()
source_df['choice'] = list(choose.values)
source_df['value'] = list(map(lambda i: len(source.iloc[:,i].dropna()), list(range(source.shape[1]))))
source_df
圖一、喜愛資源資料預處理

2. 喜愛課程資料預處理

還有Q13. 喜愛課程複選題的選擇數量的資料整理 (如下圖二)。

# 取出Q13的資料
lst = []
for i in multiple_choice.columns:
if i[:3] == 'Q13':
lst.append(i)
course = multiple_choice[lst].iloc[1:,]
# 取出Q13多選題的選項
choose = multiple_choice[lst].iloc[0].apply(lambda x: ''.join(x.split('-')[2:]).replace(' ',''))
# 統計各選項選擇數量
course_df = pd.DataFrame()
course_df['choice'] = list(choose.values)
course_df['value'] = list(map(lambda i: len(course.iloc[:,i].dropna()), list(range(course.shape[1]))))
course_df['choice'] = course_df['choice'].replace('KaggleCourses(i.e.KaggleLearn)','KaggleCourses')
course_df['choice'] = course_df['choice'].replace('UniversityCourses(resultinginauniversitydegree)','UniversityCourses')
course_df
圖二、喜愛課程資料預處理

3. 喜愛資源資料視覺化

接著一樣使用plotly套件,這次使用圓餅圖來呈現(如下圖三)。

# 圖表繪製
import plotly.express as px
fig = px.pie(source_df.iloc[:-3,], values='value', names='choice',      title='Media Sources Selected',
     color_discrete_sequence=px.colors.sequential.Sunsetdark)
fig.update_traces(textposition='inside')
fig.show()
# 自動儲存
pyplt(fig, filename ='Media Sources Selected.html')
圖三、喜愛資源圓餅圖

4. 喜愛課程資料視覺化

使用一樣的方法繪製喜愛課程圓餅圖 (如下圖四)。

# 圖表繪製
import plotly.express as px
fig = px.pie(course_df.iloc[:-3,], values='value', names='choice',
title='Data Science Courses Selected',
color_discrete_sequence=px.colors.sequential.Mint)
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()
# 自動儲存
pyplt(fig, filename ='Data Science Courses Selected.html')
圖四、喜愛課程圓餅圖

5. 分析

從以上兩個圓餅圖,可以得到最受喜愛的media sources前三名:

  • Kaggle (forums, blog, social media, etc.)
  • Blogs (TowardsDataScience, Medium, AnalyticsVidhya, KDnuggets, etc.)
  • YouTube (CloudAIAdventures, SirajRaval, etc.)

Kaggle是一個資源豐富且非常容易上手的資料科學平台,可以找到許多結構完整、多元的資料集方便做使用,此外許多資料科學家會以notebook的方式呈現資料分析細節,非常適合初學者來做臨摹參考。

在Blogs的部分,以我自身的經驗非常推薦Medium平台,現在有許多臺灣或國外的資料從業人員在Medium上分享自己的資料分析經驗,同常這些文章撰寫的時間也在近幾年間,所以可以得到非常新的資訊!

Youtube上的資源也非常的充足,其中我最推薦的是台大李宏毅教授的機器學習課程! 有非常詳細且易懂的教學,非常適合初學者來入門。

此外,最受喜愛的data science courses前三名分別為:

此三個平台上都有豐富的資料科學課程,大家都可以點選上面的連結瀏覽一下,其中我自己觀看過Udemy的Machine learning A-Z課程,在Python及R的機器學習基礎上有很詳細的介紹,也推薦給大家。


來幫大家結論一下~

根據此份Kaggle資料集的分析結果,我們來逐一回答一開始提出的問題:

  • 資料科學家主要工作內容有哪些?
    分別為「分析並了解資料對產品或企業決策的影響、探索機器學習應用領域、改善現有的機器學習模型」簡單地來說,只要掌握好數理、資訊科學、應用領域三方面的技能,資料科學家的工作絕對難不倒你!
  • 資料科學家會使用哪種程式語言?
    Python近乎完勝所有工作領域,因此會建議新手從Python開始學起。而各個程式語言的功能也有所不同,可以根據資料處理的需求來選擇最適合的工具。此外,也非常推薦學習R語言,在資料分析中的統計分析及視覺化上可以大大助您一臂之力!
  • 如果要深入資料科學,可以透過什麼資源來了解呢?
    首先,我建議可以從Udemy的Machine learning A-Z課程來入門。在了解Python的基礎後,推薦觀看台大李宏毅教授的機器學習課程也可以根據自己的需求或有興趣的領域,在CourseraKaggleCoursesUdemy平台上選擇最適合的課程!

Plotly套件補充資訊!

簡單講解一下Plotly套件的五大特色:

  1. Dynamic & Interactive
  2. Open-source plotting library
  3. Supports over 40 unique chart types
  4. Covering a wide range of statistical, financial, geographic, scientific, and 3-dimensional use-cases
  5. Support for Python and R

Plotly在資料視覺化上是非常好的輔助工具,「動態繪圖」是它與其他繪圖套件最不同的地方,此外plotly可以繪製出各種不同的圖表,以下我們繼續使用Kaggle的資料集為例,視覺化分析資料科學家的薪水,來展示plotly的強大威力!

1. 資料預處理

取出我們所需的資料,分別為Q3.國籍Q5.職業Q10.薪水 (如下圖五)。

# 抓取Q3、Q5、Q5,並去除空值及符號
world_salary = multiple_choice[['Q3','Q5','Q10']].iloc[1:,:]
world_salary = world_salary.dropna()
world_salary['Q10'] = world_salary['Q10'].str.replace('
影一、資料科學家平均薪水
 

從上述我們所繪製的圖表中 (影一),可以體驗到plotly的動態圖表功能,我們可以簡單地使用滑鼠滾輪來放大縮小,或是使用鼠標來旋轉地圖,此外當鼠標移動到國家上,就能夠看見這個國家的平均薪資。

藉由實際操作程式碼來繪製圖表,來動手體驗plotly套件的強大繪圖功能吧! 希望您喜歡這次如何成為資料科學家的資料分析Plotly的繪圖介紹,也可以按個拍手給我一點小鼓勵喔~
我們,下次見!

作者:許喬雅(臺灣行銷研究特邀作者)、鍾皓軒(臺灣行銷研究有限公司創辦人)

更多實戰案例及情境好文推薦

回到頂端