数据Datatest

Datatest = Datatest[,-1]就删除第一列

-2就删除第二列

依次类推

例如：

用iris数据集

data(iris)

datatest <- iris

扩展资料：

R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口口中得到提示,对以前输入过的命令有记忆功能,可以随时再现、编辑修改以满足用户的需要。

输出的图形可以直接保存为JPG，BMP，PNG等图片格式,还可以直接保存为PDF文件。另外，和其他编程语言和数据库之间有很好的接口。

参考资料来源：百度百科-R语言

本文分析利用IBM离职员工数据进行分析。在对离职率的影响因素进行观察的基础至上，建立模型并预测哪些员工更易离职。

一般而言，数据分析分为三个步骤：数据收集与清洗、探索性分析和建模预测。本文的数据集是IBM用于研究员工预测的 模拟数据 ，数据十分完整，无需清洗。因此，本文主要分为三个部分：

通过对IBM离职员工数据实践，本文希望发掘出影响员工流失的因素，并对利用R语言进行数据分析过程进行复习，深化对数据分析工作意义的理解。

IBM离职员工数据集共有35个变量，1470个观测个案。部分需要重点关注的变量如下：

上述变量可以分为三个部分：

载入分析包和数据集

通过描述性统计可以初步观测到：

分析结果：

基于对数据的探索性分析，员工离职有多方面因素的影响，主要有：

1.工作与生活的不平衡——加班、离家远和出差等；

2.工作投入如果不能获得相匹配的回报，员工更倾向离职；

3.优先股认购等福利是员工较为关注的回报形式；

4.年龄、任职过的公司数量的因素也会影响员工离职率；

删除需要的变量：EmployeeCount, EmployeeNumber, Over18, StandardHours

变量重新编码：JobRole, EducationFiled

分析结果表明：

随机森林所得的AUC值为0.5612，小于决策树模型。

GBM模型得到的AUC值为0.5915

对于对于随机森林和GBM的方法，AUC值小于单一决策树模型的AUC值的情况较少见，这显然说明单一的树拟合得更好或者更稳定的情况。（一般需要得到AUC值大于0.75的模型）

当结果分类变量之间的比列是1：10或者更高的时候，通常需要考虑优化模型。本例中，离职变量的比列是1：5左右，但仍然可能是合理的，因为在决策树中看到的主要问题是预测那些实际离开的人（敏感度）。

加权旨在降低少数群体中的错误，这里是离职群体。

向上采样（up-sampling）指从多数类中随机删除实例。

向下采样（down-sampling）指从少数类中复制实例。

分析结果表明：

加权调整的模型表现最好，相比较于单纯的随机森林和GBM模型，AUC值从0.5612上升至0.7803，灵敏度也达到了0.7276。据此，后续将采用加权调整后的模型进行预测。

已经训练出一个表现较好的模型。将其应用于实践时，需要注意以下几个方面：

可以观察到影响员工流失的前5个因素是：

因此，在实践中就需要注意：

本例中对工作投入高、收入低的员工进行预测。

本例分析仍有需要足够完善的地方，还可以往更多更有意义的地方探索：

（1）要找工作了想了解一下行情；

（2）学习了R语言，想小试牛刀。

2. 出于什么样的目的做这份用户研究岗位分析报告？

（1）搞清楚这个时间节点什么规模、什么行业的公司对用户研究岗位需求比较旺盛；

（2）弄明白现阶段对用户研究技能的要求和工作年限的要求，明白自己需要在哪些方面做准备和提高；

（3）薪资水平心里有数，以便找工作时根据自己的情况和行情定自己的期望薪资；

（4）盘点目标城市的岗位数和公司，方便投递。

（5）理清楚R语言爬虫的逻辑，技能和工具。

（6）练习R语言数据的导入和导出，excel数据清洗，以及基本的数据分析和数据可视化。

3. 怎么做用户研究岗位分析报告？

一个实际的数据分析case需要经历：问题提出、数据采集、数据清洗、数据分析，这四个大的阶段。如果有更深层次的分析挖掘还会涉及到数据建模，模型验证评估等过程。

3.1 问题提出

  换个角度也就是目的 目的 目的， 要解决什么问题。做任何事情都要有目的，有明确的目的，有明确可行的目的。这个目的前面已经提及，在这里就不多阐述。

3.1 数据采集

网站数据：boss直聘

爬虫工具：R语言

3.3 数据清洗

人生总是有一大半的时间在为一个机会做准备，数据分析也一样，前期的数据清洗占据了80%工作量，但是只要这80%做好了，后面就会事半功倍。

3.3.1 数据的导出和导入

用R成功爬取数据，由于数据量较小，所以使用excel做最基础的数据清洗。这里必须注意，R中导出来的数据如果是CSV格式，excel打开会变成乱码，因此需要进行CSV转换。使用Mac的同学可能会在这里遇到很多问题，那就按下面这个方便快捷的方法设置一下。

http://blog.sina.com.cn/s/blog_69e225900102w2mc.html

3.3.2 数据清洗

数据分列、重编码、重复项计算等，使用函数有mid（），find（），countif（）等。

3.4 数据基础分析

由于数据量比较小，所以数据基础分析都是在excel中完成的，主要用到的分析方法是交叉分析。

4. 用户研究岗位分析报告的结果

4.1 岗位需求时空分析

4.1.1 用研岗位需求的时间分布趋势

本次分析共爬取了2017年12月7日到2017年8月11日的招聘信息212条。时间分布趋势图中可以看出，17年1月份迎来一个高峰，第二个小高峰出现在3-4月份之间，这也就是我们俗称的“金三银四”，到了7、8月份招聘趋势又有所回升，并且出现了波动。对比这三个趋势，12月份对用户研究的需求最高，其次是七八月份，反而三四月份需求较低，据推测这可能是因为金三银四之后很多用人单位招到了合适的人员，随后会将岗位标为停止招聘，所以这些招聘信息不会再出现。

4.1.2 用户研究岗位需求城市分布

从获取到的数据中发现，用户研究岗位的需求主要集中在北京，其次是深圳、上海、杭州，广州和南京也有一定的需求。这是由于这些地区是互联网行业发展较为成熟的地方，互联网企业云集，因此对用户研究的需求较为旺盛。

4.2 需求企业分析

4.2.1 有用户研究岗位需求的公司规模

在所有收集到的岗位信息中，主要是已上市的公司和不需要融资的公司对用户研究岗位有较大的需求。

4.2.2 用户研究岗位行业分布

用户研究岗位在互联网行业需求最强，其次是IT软件和游戏行业。

4.3 岗位要求分析

4.3.1 岗位年限要求

从数据结果来看，3-5年工作经验最受青睐，其次是1-3年，另外还有许多公司在用户研究岗位招聘中没有具体的经验限制。

4.3.2 岗位学历要求

用人单位对用户研究岗位的学历要求基本为本科学历，仍有部分公司在JD对学历没有做要求。

4.3.3 能力要求

通过对招聘信息中的能力标签进行分析，发现除了传统的用户研究之外，数据分析能力称为用户研究岗位能力要求中较为重要的一项。

4.4 薪资分析

薪资水平一定程度上由工作年限决定，因此对工作年限和薪资水平进行交叉分析发现，3-5年经验的用户研究人员，用人单位的薪资范畴以15-20k居多，1-3年经验的薪资水平跨度较大，这是由于薪资水平还会受城市、公司规格的影响，这些因素后续将会进行分析讨论。

5. 用户研究岗位分析报告结论

（1）用户研究岗位目前的招聘需求并不是很旺盛，且主要分布在北京、深圳、上海、杭州这些互联网行业发展较好的地区为主；由于北京互联网公司较多，北京的需求要远远大于其它地区。

（2）数据显示，上市公司和互联网行业对用户研究岗位的需求更旺盛，原因在于:

a. 从行业角度来说，互联网行业捧红了用户体验的概念，在做产品的过程中对用户体验要求更高。

b. 从公司角度看，大公司产品流程和UCD团队更加体系化、成熟化，分工比较明确。

c. 大公司的产品和用户量级较大，需要有专职岗位去负责针对用户研究，更好的保证产品质量。

d. 从大公司的经济实力的角度出发，大公司有足够的经济实力去建立用户研究团队，因为用户研究从本质上来说还是属于产品的支撑部门，因此对于中小型企业来说，单独去设立这样的岗位成本较高，因此用户研究的工作多由产品经理或产品运营来承担。

e. 大公司用户体验的理念也决定着对用户研究投入产出比的权衡，很多大公司在产品打磨过程中愿意投入时间成本去进行用户研究，他们会认为好的用户研究会为产品带来更大的益处。

(3) 用户研究岗位中能力标签中数据分析能力越来越重要，这是由于随着行业的发展，数据驱动已经成为大趋势，所以对用户研究这个连接用户与产品的岗位而言不仅仅要用传统的方法和思路去研究用户，还需要分析用户行为数据、业务数据，将传统用研和产品数据结合起来发现问题，有的放矢，客观高效的解决问题。因此用户研究人员，在项目过程中需进一步提高自己数据分析能力，与业务紧密结合，更有效的发现问题，解决问题。

（4）用户研究岗位的薪资水平主要受工作年限、城市以及公司规模的影响，通过对工作年限和薪资水平的交叉分析，3-5年工作经验的用户研究人员公司一般会给出的薪资范围为15-20k。

本次分析的数据来源于boss直聘中所能收集到的2016年12月7日至2017年8月11日招聘信息，由于招聘信息实时更新，本次分析结果仅作为参考。