使用开源自动化数据分析工具Rath探索共享单车数据集

RATH的全自动化分析功能也许非常的有趣，但在实际分析工作当中，作为数据分析师的你往往会有很多自己的分析想法，RATH的全自动化虽然可以更加全面的分析数据，但是往往会有许多推荐是你关注点意外的内容，或许这些内容你今天并不太想关注。虽然RATH中也提供了完全手动可控的自助分析能力，但是否能有这样的功能，使得在你有自己明确的想法时可以自助可控的进行手动分析，而在你需要启发或面对大量不确定性问题时，又能自动的给到你分析建议。

Rath 线上地址：Kanaries: Data Exploration in the Future

Rath Github地址：GitHub - Kanaries/Rath: Automated data exploratory analysis and visualization tools.

本文将介绍一个全新的模块：RATH的半自动化分析。这是一个结合了全自动与手动各自优点的分析模块，可以实现更加灵活的人机协同下的数据探索分析，类似于一个数据分析领域的copilot。

案例：共享单车数据集

导入数据集

这里，我们以Kaggle上的共享单车数据集为例，导入数据，可以看到RATH会为你提供一个数据预览页面。在这里你可以大致了解不同字段数据分布情况。可以看到这个数据集，主要是研究不同因素（时间、天气）等对单车租用量情况的影响。

在这个页面，你可以对数据进行类型配置、格式转化、为数据集设置筛选项（如只分析特定时间段或某个类别的数据子集）、数据清洗等。

准备好后，就可以点击左侧导航栏的“半自动探索”模块，既可以体验半自动化的人机协同分析来。

进入半自动化模块

进入半自动化探索模块后，RATH首先会自动化给到你一些值得关注的变量的分布情况。在这里，你可以选择：

• 找到感兴趣的默认推荐，点击深入分析
• 在上方点击添加变量进行自定义的分析。

告诉RATH，你更关心什么

这里我们选择registered（注册用户的租用量），点击深入分析。可以看到，RATH会根据我们选择关心的变量，推荐下一步分析的方向。RATH会关联一些有趣的视图和线索，既可以帮助你更加了解你所关心的变量，也可以为下一步的分析提供思路。

在RATH推荐的分析建议当中，我们可以选择一个我们关心或觉得比较有趣的推荐，进行下一步的分析。

如下图，RATH根据我们当前关注的registered变量（注册用户），帮助我们关联了casual（散客）与registered（注册用户）的关系。视图中有两个明显的分组（簇），那么这两个分组到底是什么造成的呢，为什么casual和registered不是单纯的正相关关系，而会产生两个相关性完全不同的分组呢？我们可以点击深入分析，来探究背后的原因。

如下图，RATH根据我们当前关注的视图，推荐了接下来想要探究的问题的可能解释。首当其冲的便是对我们刚刚关注的两个分组性质差异的疑惑。可以看到，这两个分组主要是由workingday（是否是工作日）导致的。橘黄色的群体，代表着workingday = 1，即工作日；蓝色的群体为周末或节假日。

也就说明，工作日casual/registered更小，说明注册用户占比更大；而周末和节假日则更多是散客在租用单车。

如果你对这张视图也很感兴趣，可以点击深入分析。这样RATH就会更加了解你关注的方向，进行更具针对性的推荐。

有时，RATH还会根据当前视图中的维度，帮你找到更加值得关注的数据子集，这在维度成员比较多时会非常的有帮助（比如有上百个商品品类）。这里由于类别比较少，RATH会将这两个类别都单独提供给我们，如下图下方所示。

这时，你可以点击深入分析，后续的分析都会只针对于你选择的子集进行分析。而不再是全集。

主视图，可以看到主视图是只包含了非工作日的情况	根据主视图的关联推荐

更加自主的定义主视图

你还可以再主视图上直接进行手动编辑，如删除指定的变量、添加新的变量，或者编辑调整变量的筛选项（如选择某个子类或者某个指标的特定区间）。这样你可以生成任意的主视图，然后RATH会根据你定义的主视图进行推荐。

比如这里我们删除点casual变量和workingday的筛选项。回到只针对registered的场景，接着你可以研究其他的问题，如registered在一天中不同时段的分布情况。如下面的动图所示。

如下图，我们当前的主视图是注册用户在一天中随时间的变化，RATH根据主视图，推荐给我们了一些相关的视图。如左侧，可以看出注册用户使用双高峰主要存在于工作日的上下班时间，而对于周末和节假日而言，则不存在双峰，只是在正午时达到高峰，然后慢慢减少。

在坐下图中，RATH推荐我们关注双峰在不同的季节上的差异。可以看到：在冬天，晚高峰的使用人数少于早高峰。而在其他季节，则完全相反。

如果我们对一张视图非常的感兴趣，我们可以点击收藏，这样就可以在收藏夹中查看这张视图。也可以方便后续使用这张视图制作报表/报告。

当有明确的目的时，随时可以切换到手动分析

如果你想要更加自主可控的分析一张图表，比如我们想要研究一天中不同的时间段，在不同季节上的占比变化。对于这种目标非常明确的定制化分析，可以点击主视图下方的编辑图表按钮。进入手动分析模块。

进入到手动分析模块	手动调整图标配置，如生成一个百分比堆叠面积图。

或是我们想对比不同季节下，工作日和节假日的差异。可以看到，一年四季中，注册用户在一天中的分布情况的几乎不变。但再周末和节假日，则差异非常明显。（可以看到夏天，节假日时会有较多的用户在晚上租用单车，可能是夏天天气更适合晚上出去happy）

总结

本文主要介绍了RATH中的半自动化分析模块，其定位类似于一个数据分析领域的copilot。相比于全自动化分析模块帮助你做大量的自动化探索，半自动模块可以更有针对性、更加可控的只对你关心的数据进行自动化的推荐和提供分析建议。这对于分析师和算法工程师而言是一种更加友好的分析工具。