本文使用R，Flexdashboard和Highcharter庫進可視化，用於分析Kaggle在最近進行的用戶調查。數據來源主要是Kaggle在2019年10月進行的一項用戶調查的結果。一共19,717份問卷,這是kaggle進行的最大規模的調查之一。
該調查鏈接：
https://www.kaggle.com/c/kaggle-survey-2019。
這篇文章的分析主要分為三個不同部分--基本數據展示，探索kaggle中男女生的差異和 Rvs Python在kaggle的應用差異。下面進行一一展示：
一、基本數據展示
1.在大約19,000名受訪者中，大多數是男性。
2.大多數受訪者都擁有碩士學位。
3.25-29歲是受訪者中最常見的年齡組，也就是大部分用戶都在25-29歲。
4.最多的受訪者來自印度，其次是美國。
5.在職業方面，數據科學家和軟件工程師是最常見的職業。
二、探索kaggle中男女生的差異
1.人口，教育，職稱和薪資
結論-
- 接受這項調查的人中有近50％擁有碩士學位。
- 47％的女性受訪者擁有碩士學位，而男性為43％。
- 數據科學和軟件工程師是兩個最受歡迎的稱呼。接受受訪者的學生人數幾乎等於數據科學家的人數。
- 24％的學生為女性，而男性為20％。
- 與男性相比，身份為學生，統計學家，產品/計劃經理，數據分析師和研究科學家的女性人數更多。
- 與女性相比，男性更多的是數據科學家，SWE，DBA / DB工程師和數據工程師。
- 女性失業率為6.87％，男性為4.46％。
2.工作中的機器學習
- 大多數受訪者正在探索ML模型，並可能在工作一天內將模型投入生產。緊隨其後的是過去兩年中將模型投入生產的人數。
- 與男性（18％）相比，更多的女性（20.22％）在工作中不使用ML。
- 在採用成熟的ML方法的團隊中，男性的比例更高（19.69％），而女性（16.5％）更低。
- 絕大多數受訪者在1-2或20+以上規模的數據科學團隊中工作。大部分都是小型探索團隊或成熟團隊。
- 與男性（23.08％）相比，在20歲以上的團隊中有更多的女性（24.48％）。
- 在1-2人大小的團隊中，男性比例更高（22.47％），而女性比例（19.44％）更低。
3.數據科學中使用的工具和技術
結論-
- MySQL和PostgresSQL是最常用的RDBMS產品。
- 與男性（22.28％）相比，使用MySQL的女性更多（23.51％）。與女性（13.42％）相比，使用PostgresSQL的男性人數更多（15.73％）。
- 迄今為止，Scikit-learn是最受歡迎的ML框架，將近50％的受訪者使用了它。Keras的受歡迎程度緊隨其後。
- 與男性（22.98％）相比，在Python中使用scikit學習的女性更多（25.32％）。與男性（2.72％）相比，有更多女性（3.52％）使用Caret（R語言中的ML庫）。
- 相比於女性，更多男性使用PyTorch，Tensorflow和Keras等深度學習框架。
- Matplotlib和Seaborn是最受歡迎的數據可視化庫。緊隨其後的是ggplot2庫。
- 使用matplotlib庫的女性人數（31.47％）低於男性（34.11％）。與男性（12.71％）相比，使用ggplot2庫的女性更多（17.41％）。
- Jupyter是50％以上的受訪者使用的最受歡迎的編輯器。VScode和RStudio緊隨其後。
- Kaggle Kernels和Google Colab是最受歡迎的在線編輯器。
4.ML（NLP和計算機視覺）中使用的算法
結論-
- 詞嵌入是最流行的NLP技術，隨後是seq2seq模型。
- 自動化模型選擇是緊隨數據增強技術之後最流行的工具。
- 圖像分類是最常用的計算機視覺方法。
5.編碼經驗和建議
結論-
- 接近50％的受訪者有0至2年編寫代碼來分析數據的經歷。
- 在編寫用於分析數據的代碼方面，擁有不到一年經驗的女性（28.88％）比男性（23.79％）多。與女性相比，更多的男性具有大於 1年的編寫代碼經驗。
- Python是最流行的編程語言，然後是SQL和R。
- 與Python相比，更多的統計學家使用R。
- 相比女性（73.38％），更多的男性（79.8％）推薦使用Python。與男性（8.94％）相比，更多的女性（11.4％）推薦使用R。
6.數據科學媒體和課程平臺
結論-
- Kaggle是最受歡迎的數據科學媒體資源，其次是諸如Towards Data Science之類的博客。
- 與男性相比，更多的女性在Kaggle和Blogs中進行消費。
- Coursera，Kaggle，Udemy和University是通過課程學習數據科學的最受歡迎資源。
- 通過大學課程學習的女性人數（13.55％）比男性（10.77％）多。
三、R與Python
1.哪些是最流行的編程語言？
結論-
- Python是緊隨SQL和R之後最流行的編程語言。
- 與使用R相比，更多的人只使用Python。
2.在哪裡使用R / Python？
結論-
- 美國和印度是使用R和Python最多的國家。
- 美國有更多R用戶，而印度有更多Python用戶。
3.誰在使用R和Python？
結論-
- 25-29歲年齡段的人使用R / Python最多。
- 與其他名稱相比，數據科學家最多使用R和Python。軟件工程師比R用戶更多地使用Python。
- Python用戶在所有薪水範圍內始終獲得更多薪水。
- 與Python相比，更多的統計學家使用R。
- 擁有1-2年編碼經驗的人更多使用Python，而擁有3-5年編碼經驗的人更多使用R。
- 與所有其他教育學位相比，擁有碩士學位的人更多地使用Python和R。
4.ML中使用的算法（NLP，AutoML和計算機視覺）
結論-
- 深度學習算法主要由Python用戶使用。
- 在NLP和計算機視覺領域完成的大部分工作都在Python中完成。
分享到:
