如何在有很多变量的情况下进行智能数据分析

Question

我是新来的，我在市场分析方面做了很多工作。大多数时候，我收到了一个包含很多变量(10 - 15)的巨大基数，人们问我:根据我们拥有的变量(年龄、性别等)，如何解释收入的增长或下降？

我通常通过查看图表并分析每种可能的情况来做这件事，但我真的相信有一种更好的方法来做到这一点。

age   sex     business_unit year  month revenue name  
10-20 Male    unit_1       2018    1     $100   chloe  
20-30 Female  unit_2       2019    2     $250   arnold  

我在想，是否有一种方法可以将所有可能的变量组合在一起，并给出变量，比如：

age    revenue   
10-20  -$100    year over year  

sex  revenue  
male -$200   year over year  

age   sex   revenue   
10-20 male   -$50   year over year  

以及其他所有可能的组合。有没有办法做到这一点？用Python？

Answer 1

可视化每一对变量之间的关系的一个很好的工具是“corner”模块。

这使您可以绘制每个变量的分布，并查看它们是如何依赖其他变量的。e.g

https://corner.readthedocs.io/en/latest/pages/custom.html

​

​

使用‘分位数’关键字，你可以画出数据的第16和第84个百分位数，等等。

Answer 2

我建议对您的数据集使用多元线性回归模型

通过这样做，您将获得一个公式，该公式应该根据所有其他变量(如y=c1*x1-c2*x2... )来预测y变量(比如说收入

系数c可以告诉你这个变量对y的影响有多大。因此，在revenue = 2*age + -0.5*sex...对收入有积极双重影响的情况下，性别对收入有负面影响(重要性比age低4倍)

如果你想要所有变量之间的所有关系，你将不得不运行10到15个模型，在每个模型中，y将代表来自年龄，性别，收入等的一些其他变量

您可以查看此link，了解如何使用python实现它