当前位置：文档之家 › 数据分析实验报告分析解析

数据分析实验报告分析解析

  • 格式：doc
  • 大小：1.07 MB
  • 文档页数：34

实验课程： 数据分析 专 业： 信息与计算科学 班 级： 学 号： 姓 名：

中北大学理学院 2

实验一 SAS系统的使用 【实验目的】 了解SAS系统，熟练掌握SAS数据集的建立及一些必要的SAS语句。 【实验内容】 1. 将SCORE数据集的内容复制到一个临时数据集test。 SCORE数据集 Name Sex Math Chinese English Alice f 90 85 91 Tom m 95 87 84 Jenny f 93 90 83 Mike m 80 85 80 Fred m 84 85 89 Kate f 97 83 82 Alex m 92 90 91 Cook m 75 78 76 Bennie f 82 79 84 Hellen f 85 74 84 Wincelet f 90 82 87 Butt m 77 81 79 Geoge m 86 85 82 Tod m 89 84 84 Chris f 89 84 87 Janet f 86 65 87 2．将SCORE数据集中的记录按照math的高低拆分到3个不同的数据集：math

大于等于90的到good数据集，math在80到89之间的到normal数据集，math在80以下的到bad数据集。 3．将3题中得到的good，normal，bad数据集合并。

【实验所使用的仪器设备与软件平台】SAS 【实验方法与步骤】 1： DATA SCORE; INPUT NAME $ Sex $ Math Chinese English; CARDS; 3

Alice f 90 85 91 Tom m 95 87 84 Jenny f 93 90 83 Mike m 80 85 80 Fred m 84 85 89 Kate f 97 83 82 Alex m 92 90 91 Cook m 75 78 76 Bennie f 82 79 84 Hellen f 85 74 84 Wincelet f 90 82 87 Butt m 77 81 79 Geoge m 86 85 82 Tod m 89 84 84 Chris f 89 84 87 Janet f 86 65 87 ; Run; PROC PRINT DATA=SCORE; DATA test; SET SCORE;

2： DATA good normal bad; SET SCORE; SELECT; when(math>=90) output good; when(math>=80&math<90) output normal; when(math<80) output bad; end; Run; PROC PRINT DATA=good; PROC PRINT DATA=normal; PROC PRINT DATA=bad;

3：DATA All;

SET good normal bad; PROC PRINT DATA=All; Run; 4

【实验结果】 结果一：

结果二： 5 结果三： 6 实验二 上市公司的数据分析

【实验目的】通过使用SAS软件对实验数据进行描述性分析和回归分析，熟

悉数据分析方法，培养学生分析处理实际数据的综合能力。 【实验内容】表2是一组上市公司在2001年的每股收益（eps）、流通盘(scale)

的规模以及2001年最后一个交易日的收盘价(price). 表2 某上市公司的数据表 代码 流通盘 每股收益 股票价格 000096 8500 0.059 13.27 000099 6000 0.028 14.2 000150 12600 -0.003 7.12 000151 10500 0.026 10.08 000153 2500 0.056 22.75 000155 13000 -0.009 6.85 000156 3600 0.033 14.95 000157 10000 0.06 12.65 000158 10000 0.018 8.38 000159 7000 0.008 12.15 000301 15365 0.04 7.31 000488 7700 0.101 13.26 000725 6000 0.044 12.33 000835 1338 0.07 22.58 000869 3200 0.194 18.29 000877 7800 -0.084 12.55 000885 6000 -0.073 12.48 000890 16934 0.031 9.12 000892 12000 0.031 7.88 000897 14166 0.002 6.91 000900 21423 0.058 8.59 000901 4800 0.005 27.95 000902 6500 -0.031 10.92 000903 6000 0.109 11.79 000905 9500 0.046 9.29 000906 6650 0.007 14.47 000908 8988 0.006 8.28 000909 6000 0.002 9.99 000910 8000 0.036 8.9 000911 7280 0.067 9.01 000912 15000 0.112 8.06 000913 8450 0.062 11.86 000915 4599 0.001 14.4 000916 34000 0.038 5.15 000917 11800 0.086 16.23 000918 6000 -0.045 10.12 7

1、对股票价格 1）计算均值、方差、标准差、变异系数、偏度、峰度； 2）计算中位数，上、下四分位 数，四分位极差，三均值； 3）作出直方图； 4）作出茎叶图； 5）进行正态性检验（正态W检验）； 6）计算协方差矩阵，Pearson相关矩阵； 7）计算Spearman相关矩阵； 8）分析各指标间的相关性。 2、1）对股票价格，拟合流通盘和每股收益的线性回归模型，求出回归参数估计值及残差；

2）给定显著性水平α=0.05，检验回归关系的显著性，检验各自变量对因变量的影响的显著性；

3）拟合残差关于拟合值1212ˆ,,YXXXX及的残差图及残差的正态QQ图。分析这些残差，并予以评述。 【实验所使用的仪器设备与软件平台】SAS

【实验方法与步骤】 data prices; input num scale eps price; cards; 000096 8500 0.059 13.27 000099 6000 0.028 14.2 000150 12600 -0.003 7.12 000151 10500 0.026 10.08 000153 2500 0.056 22.75 000155 13000 -0.009 6.85 000156 3600 0.033 14.95 000157 10000 0.06 12.65 000158 10000 0.018 8.38 000159 7000 0.008 12.15 000301 15365 0.04 7.31 000488 7700 0.101 13.26 000725 6000 0.044 12.33 000835 1338 0.07 22.58 000869 3200 0.194 18.29 8

000877 7800 -0.084 12.55 000885 6000 -0.073 12.48 000890 16934 0.031 9.12 000892 12000 0.031 7.88 000897 14166 0.002 6.91 000900 21423 0.058 8.59 000901 4800 0.005 27.95 000902 6500 -0.031 10.92 000903 6000 0.109 11.79 000905 9500 0.046 9.29 000906 6650 0.007 14.47 000908 8988 0.006 8.28 000909 6000 0.002 9.99 000910 8000 0.036 8.9 000911 7280 0.067 9.01 000912 15000 0.112 8.06 000913 8450 0.062 11.86 000915 4599 0.001 14.4 000916 34000 0.038 5.15 000917 11800 0.086 16.23 000918 6000 -0.045 10.12 run; PROC PRINT DATA=prices; run; proc means data=prices mean var std skewness kurtosis cv; var price; output out=result; run; proc univariate data=prices plot freq normal; var price; output out=result2; run; proc capability data=prices graphics noprint; histogram price/normal; run; proc corr data=prices pearson spearman cov nosimple; var price; with price; run;

proc reg data=prices; model price=scale eps/selection=backward noint p r; output out =prices p=p r=r; proc print data=prices;

合集下载

数据整理与分析实验报告

数据整理与分析实验报告

数据整理与分析实验报告一、实验目的随着信息技术的飞速发展，数据已成为企业和组织决策的重要依据。

本次实验旨在通过对给定数据集的整理与分析，掌握数据处理的基本方法和技巧，提取有价值的信息，为后续的决策提供支持。

二、实验数据本次实验使用的数据集是关于某电商平台在过去一年的销售记录，包括商品名称、价格、销量、用户评价等字段。

数据量约为 10 万条，以 CSV 格式存储。

三、实验工具与环境1、编程语言：Python2、数据分析库：Pandas、NumPy、Matplotlib3、开发环境：Jupyter Notebook四、数据整理步骤1、数据读取使用 Pandas 库的`read_csv`函数读取数据文件，将数据加载到DataFrame 中。

｀｀｀pythonimport pandas as pddata ＝ pdread_csv(＇sales_datacsv'）｀｀｀2、数据清洗（1）处理缺失值检查数据中是否存在缺失值。

对于数值型字段，使用平均值或中位数进行填充；对于字符串型字段，根据具体情况进行删除或填充。

｀｀｀pythondatafillna(value=｛＇price'： data'price'mean(），＇user_comment'：＇无'｝， inplace=True)｀｀｀（2）去除重复数据使用 Pandas 库的`drop_duplicates`函数去除重复的行。

｀｀｀pythondata ＝ datadrop_duplicates(）｀｀｀（3）异常值处理通过数据可视化和统计分析，找出数据中的异常值。

对于明显不合理的异常值，进行删除或修正。

3、数据标准化将数据中的数值型字段进行标准化处理，以便后续的分析和比较。

｀｀｀pythonfrom sklearnpreprocessing import StandardScalerscaler ＝ StandardScaler(）data'price' ＝ scalerfit_transform(data'price'valuesreshape(－1, 1)）｀｀｀4、数据分类与汇总根据商品类别对数据进行分类，并计算各类别的销售总额、平均价格、销量等统计指标。

商务数据分析实验报告实验收获(3篇)

商务数据分析实验报告实验收获(3篇)

第1篇一、实验背景随着大数据时代的到来，商务数据分析在商业决策、市场预测、客户关系管理等方面发挥着越来越重要的作用。

为了提高自身在数据分析领域的技能，我们进行了一系列商务数据分析实验。

通过本次实验，我们不仅掌握了数据分析的基本方法，还深入了解了数据分析在商务领域的应用。

以下是本次实验的收获总结。

二、实验目的1. 熟悉商务数据分析的基本概念和常用工具；2. 学习运用数据分析方法解决实际问题；3. 提高团队协作能力和沟通能力；4. 培养批判性思维和创新能力。

三、实验内容本次实验主要分为以下几个部分：1. 数据采集与处理2. 数据可视化3. 数据分析4. 商务应用案例分析四、实验收获1. 理论知识收获（1）熟悉了商务数据分析的基本概念，如数据采集、数据清洗、数据预处理、数据挖掘等；（2）了解了常用的数据分析工具，如Excel、Python、R、Tableau等；（3）掌握了数据可视化技巧，能够通过图表清晰地展示数据信息；（4）学习了数据分析方法，如描述性统计、推断性统计、预测分析等。

2. 实践能力收获（1）通过实际操作，掌握了数据采集、处理、可视化和分析的方法；（2）运用所学知识解决实际问题，如通过数据分析发现市场趋势、预测销售业绩等；（3）提高了团队协作能力和沟通能力，学会了在团队中发挥自己的优势，共同完成任务；（4）培养了批判性思维和创新能力，能够从多个角度分析问题，提出解决方案。

3. 商务应用案例分析收获（1）通过分析真实案例，了解了数据分析在商务领域的广泛应用；（2）学习了如何将数据分析方法应用于实际业务场景，如客户细分、市场定位、产品优化等；（3）掌握了数据分析在提升企业竞争力、降低成本、提高效率等方面的作用；（4）拓展了视野，了解了国内外优秀企业在数据分析领域的实践经验和创新成果。

4. 个人成长收获（1）提高了自己的数据分析技能，为今后的职业发展奠定了基础；（2）培养了良好的学习习惯和解决问题的能力；（3）增强了自信心，相信自己能够应对各种挑战；（4）拓展了人际关系，结识了志同道合的朋友。

数据分析及优化实验报告(3篇)

数据分析及优化实验报告(3篇)

第1篇一、实验背景随着大数据时代的到来，数据分析已成为各个行业提高效率、优化决策的重要手段。

本实验旨在通过实际案例分析，运用数据分析方法对某一特定数据集进行深入挖掘，并提出相应的优化策略。

本实验选取了一个典型的电商数据集，通过对用户行为数据的分析，旨在提高用户满意度、提升销售业绩。

二、实验目的1. 熟练掌握数据分析的基本流程和方法。

2. 深入挖掘用户行为数据，发现潜在问题和机会。

3. 提出针对性的优化策略，提升用户满意度和销售业绩。

三、实验内容1. 数据收集与预处理实验数据来源于某电商平台，包含用户购买行为、浏览记录、产品信息等数据。

首先，对数据进行清洗，去除缺失值、异常值，确保数据质量。

2. 数据探索与分析（1）用户画像分析通过对用户性别、年龄、地域、职业等人口统计学特征的统计分析，绘制用户画像，了解目标用户群体特征。

（2）用户行为分析分析用户浏览、购买、退货等行为，探究用户行为模式，挖掘用户需求。

（3）产品分析分析产品销量、评价、评分等数据，了解产品受欢迎程度，识别潜力产品。

3. 数据可视化运用图表、地图等可视化工具，将数据分析结果直观展示，便于理解。

四、实验结果与分析1. 用户画像分析通过分析，发现目标用户群体以年轻女性为主，集中在二线城市，职业以学生和白领为主。

2. 用户行为分析（1）浏览行为分析用户浏览产品主要集中在首页、分类页和搜索页，其中搜索页占比最高。

（2）购买行为分析用户购买产品主要集中在促销期间，购买产品类型以服饰、化妆品为主。

（3）退货行为分析退货率较高的产品主要集中在服饰类，主要原因是尺码不合适。

3. 产品分析（1）销量分析销量较高的产品主要集中在服饰、化妆品、家居用品等类别。

（2）评价分析用户对产品质量、服务、物流等方面的评价较好。

五、优化策略1. 提升用户体验（1）优化搜索功能，提高搜索准确度。

（2）针对用户浏览行为，推荐个性化产品。

（3）加强客服团队建设，提高用户满意度。

压缩实验报告数据分析

压缩实验报告数据分析

一、实验背景压缩实验是一种常见的力学实验，通过在特定的实验条件下对材料进行压缩，研究其力学性能。

本次实验主要针对某一种材料进行压缩实验，以了解其压缩性能。

本报告将对实验数据进行详细分析，得出实验结果。

二、实验目的1. 研究材料在不同压力下的变形情况；2. 了解材料的弹性模量和屈服强度；3. 分析材料在不同压力下的力学性能。

三、实验原理压缩实验通常采用单轴压缩实验，即在轴向施加压力，使材料发生压缩变形。

根据胡克定律，材料的应力与应变之间存在线性关系，即应力=弹性模量×应变。

当材料达到屈服强度时，应力与应变之间的关系将不再线性，此时材料将发生塑性变形。

四、实验方法1. 实验材料：选取某一种材料作为实验对象；2. 实验设备：压缩试验机；3. 实验步骤：（1）将实验材料切割成规定尺寸；（2）将材料放置在压缩试验机上；（3）对材料施加轴向压力，记录材料在不同压力下的变形情况；（4）根据实验数据，绘制应力-应变曲线；（5）分析材料的力学性能。

五、实验数据及分析1. 实验数据表1：实验数据压力（MPa）应变（%）应力（MPa）0 0 010 0.5 2020 1.0 4030 1.5 6040 2.0 8050 2.5 1002. 数据分析（1）线性阶段：从表1中可以看出，在压力0-30MPa范围内，材料的应力与应变呈线性关系，弹性模量E=40MPa。

这说明材料在该压力范围内具有良好的弹性性能。

（2）非线性阶段：当压力超过30MPa时，应力与应变之间的关系不再线性，材料开始发生塑性变形。

此时，材料的屈服强度约为100MPa。

（3）应力-应变曲线：根据实验数据，绘制应力-应变曲线，如图1所示。

曲线在压力0-30MPa范围内呈线性，压力超过30MPa后，曲线出现拐点，表明材料开始发生塑性变形。

图1：应力-应变曲线（4）力学性能分析：根据实验数据，该材料在压力0-30MPa范围内具有良好的弹性性能，弹性模量为40MPa；当压力超过30MPa时，材料开始发生塑性变形，屈服强度约为100MPa。