数据分析过程(准备工作)

数据集→提出问题→进行调查
本课所用到的库numpy,pandas,matplotlib

如果你已安装 Anaconda，为确保其为最新版本，请打开命令提示符或终端行界面（参见以下说明），运行命令：

conda update conda 
conda update anaconda

所用文件：

enrollments.csv:

数据分析纳米学位学员中，完成了第一个项目的学员的一个随机子集的数据，以及没有完成第一个项目的学员的一个随机子集的数据。

字段：

• account_key: 学员账号的唯一标识符（unique identifier）。

• status: 收集数据时，学员课程状态的数据，可能的值为“已取消”（'canceled'）和“学习中”（'current'）。

• join_date: 学员加入课程的时间。

• cancel_date: 学员取消的时间，如果学员没有取消则显示空。

• days_to_cancel: 加入课程时间和取消时间之间间隔的天数，如果学员没有取消就显示空。

  • is_udacity: 如果是优达学城官方的测试账号，就显示 True，如果不是，显示 False。

  • is_canceled: 如果收集数据时，学员已经取消，就显示 True，如果还没有取消，显示 False。

daily_engagement.csv

报名注册表中每一位学生，在数据分析纳米学位的日常参与学习数据。即使当天没有参与学习，也留有记录。还包含纳米学位的支持课程的参与学习数据，以及相应的具有相同内容的免费课程的参与学习数据。

字段：

• acct: 学员账号的唯一标识符，这是他们参与学习的数据。

• utc_date: 收集数据的日期。

• num_courses_visited: 这一天里，学生访问数据分析纳米学位课程的数量（访问时间至少 2 分钟）。纳米学位课程和免费课程，如果内容相同，也需要分开考虑。

• total_minutes_visited: 在这一天，学生学习数据分析纳米学位课程的总时间（分钟）。

• lessons_completed: 在这一天，学生访问的数据分析纳米学位中的课程总数。

• projects_completed: 在这一天，学生完成的数据分析纳米学位中的项目总数。

project_submissions.csv

关于在报名注册表中的每个学生提交数据分析纳米学位项目的数据。

字段:

• creation_date: 项目提交的日期。

• completion_date: 项目被评估的日期。

• assigned_rating: 这个字段有4个可能的值:
  blank - 项目没有被评估。
  INCOMPLETE - 项目不符合要求。
  PASSED - 项目符合要求。
  DISTINCTION – 项目超出要求。
  UNGRADED – 项目无法被评估。（例如：包括损坏的文件）

• account_key: 提交了该项目的学生账号的唯一标识符。

• lesson_key: 提交了项目的唯一标识符。

• processing_state: 这个字段可能有2个可能的值:
  CREATED - 项目已提交但没有被评估。
  EVALUATED – 项目已经被评估。

daily_engagement_full.csv

与 daily_engagement.csv 类似，但是进一步细分课程和更多可以用的字段。这个文件大概是 500M，我们我们提供了体积更小的 daily_engagement.csv。这个数据集是可选的，不是完成这个作业所必需的。

除了下面的这些字段，这个文件包括 daily_engagement.csv 中的所有字段，但是用 has_visited 代替了 num_courses_visited。

字段:

• registration_date: 账号的注册时间。

• subscription_start: 账号开始付费的时间。

• course_key: 有学习记录的课程。

• sibling_key: 和 course_key 课程内容相同的免费课程。如果 course_key 就是免费课程，course_key 和 sibling_key 是一样的。

• course_title: 课程名称。

• has_visited: 如果学员在这一天访问课程至少2分钟，则为 1。