《七周成為數(shù)據(jù)分析師》萬(wàn)字總結(jié)與延伸

無(wú)小意
個(gè)人博客:無(wú)小意
知乎主頁(yè):無(wú)小意丶
公眾號(hào): 數(shù)據(jù)路(shuju_lu)

百日計(jì)劃第一周總結(jié)

1. 計(jì)劃

1.徹底結(jié)束之前預(yù)定暑假完成的天善學(xué)院課程《七周數(shù)據(jù)分析師》

2.總結(jié)《七周數(shù)據(jù)分析師》。

2. 完成情況

1.完成《七周成為數(shù)據(jù)分析師》任務(wù)

2.周總結(jié)與《七周數(shù)據(jù)分析師》一起完成躏筏。

《七周數(shù)據(jù)分析師》總結(jié)

本文是通過(guò)對(duì)秦路的課程七周成為數(shù)據(jù)分析師進(jìn)行整體總結(jié)與補(bǔ)充。

可以通過(guò)本文崔列,對(duì)數(shù)據(jù)分析師這個(gè)職業(yè)有個(gè)基本的了解

課程詳細(xì)資料請(qǐng)自行查詢。

第一周:數(shù)據(jù)分析思維

1.核心數(shù)據(jù)分析思維

  1. 結(jié)構(gòu)化
  2. 公式化
  3. 業(yè)務(wù)化

2.數(shù)據(jù)分析思維七大技巧

  1. 象限法
  2. 多維法
  3. 假設(shè)法
  4. 指數(shù)法
  5. 80/20法則(帕累托法則)
  6. 對(duì)比法
  7. 漏斗法

3.數(shù)據(jù)分析思維鍛煉方法

  1. 好奇心调煎!
  2. 案例分析
    • 啤酒與尿布
    • 去思考生活中商業(yè)案例的表現(xiàn)蔫磨,背后的原理、擺放方法和數(shù)據(jù)差異
  3. 生活中的練習(xí)
    • 例如夜市主穗,一天的人流量泻拦?一人的流量?營(yíng)業(yè)額忽媒?數(shù)據(jù)的分析方式争拐?
    • 換做你是商家,如何提高店面的利潤(rùn)晦雨?
  4. 工作中的練習(xí)
    • 為什么領(lǐng)導(dǎo)和同事不認(rèn)可架曹?
    • 如果我職位更高,我會(huì)怎么分析金赦?
    • 復(fù)盤音瓷,對(duì)于一個(gè)月,一年前等等的案例進(jìn)行對(duì)比夹抗。需要,每個(gè)案例有記筆記的習(xí)慣纵竖,效果更好
    • 歷史分析漠烧,用這三種分析思維,分析更多的事情靡砌。結(jié)構(gòu)化已脓,公式化,業(yè)務(wù)化通殃。

4.總結(jié)

  1. 核心思維為重點(diǎn)度液!結(jié)合案例理解了厕宗,這三種思維的重要性,運(yùn)用范圍極廣堕担,對(duì)于問(wèn)題的思考都可以從這三方面開(kāi)展已慢。
  2. 七大技巧,展示了具體的分析技巧霹购,但是需要配合分析工具如Python佑惠、excel中去實(shí)現(xiàn)他,需要記住特點(diǎn)齐疙,在需要時(shí)運(yùn)用到數(shù)據(jù)分析中
  3. 數(shù)據(jù)分析思維的鍛煉膜楷,來(lái)自于長(zhǎng)期的思考習(xí)慣,從生活贞奋、案例和工作中日積月累的思考與積累赌厅,通過(guò)自己真正“思考”出來(lái)的結(jié)果,才是“真正”理解的思維轿塔。

第二周:業(yè)務(wù)篇-指標(biāo)

1.為什么業(yè)務(wù)重要

唯有理解業(yè)務(wù)察蹲,才能建立完整的一套體系,簡(jiǎn)稱業(yè)務(wù)數(shù)據(jù)模型催训。

想進(jìn)入某個(gè)行業(yè)的數(shù)據(jù)分析洽议,盡量需要一些業(yè)務(wù)知識(shí),敲門磚漫拭。

2.經(jīng)典的業(yè)務(wù)分析指標(biāo)

模型未動(dòng)亚兄,指標(biāo)先行。

如果你不能衡量它采驻,你就不能無(wú)法增長(zhǎng)它

運(yùn)用第一周的核心思維:結(jié)構(gòu)化审胚、公式化和業(yè)務(wù)化,形成指標(biāo)礼旅。

image

指標(biāo)建立的要點(diǎn):

  1. 核心指標(biāo)(公司和部門都認(rèn)同的大目標(biāo)膳叨,根據(jù)實(shí)際公司情況而認(rèn)定)
  2. 好的指標(biāo)應(yīng)該是比率
  3. 好的指標(biāo)能帶來(lái)顯著效果
  4. 好的指標(biāo)不應(yīng)該虛榮(如投入的錢很多,新增用戶量大)
  5. 好的指標(biāo)不應(yīng)該復(fù)雜

3.市場(chǎng)營(yíng)銷指標(biāo)

市場(chǎng)營(yíng)銷領(lǐng)域:

1.客戶/用戶生命周期

  • 企業(yè)/產(chǎn)品和消費(fèi)者再整個(gè)業(yè)務(wù)關(guān)系階段的周期痘系。
  • 不同業(yè)務(wù)劃分的階段不同菲嘴。傳統(tǒng)營(yíng)銷中,分為潛在用戶汰翠,興趣用戶龄坪,新客戶,老客戶复唤,流失客戶健田。

2.用戶價(jià)值

  • 業(yè)務(wù)領(lǐng)域千千萬(wàn)萬(wàn),怎樣定義最有效用戶佛纫?
  • 用戶貢獻(xiàn)=產(chǎn)出量/投入量*100%
  • 用戶價(jià)值=貢獻(xiàn)1+貢獻(xiàn)2+...
  • 金融行業(yè)的用戶價(jià)值妓局,大概可以為存款+貸款+信用卡+年費(fèi)+...-風(fēng)險(xiǎn)
  • RFM模型
  • 具體看業(yè)務(wù)背景总放,確立RFM模型中的重心,進(jìn)行更改和修正好爬。
  • 用戶分群局雄,營(yíng)銷矩陣
  • 提取用戶的幾個(gè)核心維度,例如RFM抵拘,用象限法將其歸納和分類
image

3. 產(chǎn)品運(yùn)營(yíng)指標(biāo)

AARRR框架

用戶獲取哎榴,用戶活躍,用戶留存僵蛛,營(yíng)收尚蝌,傳播

1.用戶獲取

  • 渠道到達(dá)量:俗稱曝光量。有多少人看到產(chǎn)品推廣相關(guān)的線索充尉。
  • 渠道轉(zhuǎn)換率:有多少用戶因?yàn)槠毓舛膭?dòng)Cost Per飘言,包含CPM、CPC驼侠、CPS姿鸿、CPD和CPT等。
  • 渠道ROI:推廣營(yíng)銷的熟悉KPI倒源,投資回報(bào)率苛预,利潤(rùn)/投資* 100
  • 日應(yīng)用下載量:App的下載量,這里指點(diǎn)擊下載笋熬,不代表下載完成热某。
  • 日新增用戶數(shù):以用戶注冊(cè)提交資料為基準(zhǔn)
  • 獲客成本:為獲取一位用戶需要支付的成本
  • 一次會(huì)話用戶數(shù)占比:指新用戶下載完App,僅打開(kāi)過(guò)產(chǎn)品一次胳螟,且該次使用時(shí)長(zhǎng)在2分鐘以內(nèi)昔馋。(衡量渠道可靠程度)

2.用戶活躍

  • 日/周/月活躍用戶應(yīng)用下載量:活躍標(biāo)準(zhǔn)是用戶用過(guò)的產(chǎn)品,廣義上糖耸,網(wǎng)頁(yè)游覽內(nèi)容算用秘遏,公眾號(hào)下單算用,不限于打開(kāi)APP嘉竟。
  • 活躍用戶占比:活躍用戶數(shù)再總用戶數(shù)的比例邦危,衡量的是產(chǎn)品健康程度
  • 用戶會(huì)話session次數(shù):用戶打開(kāi)產(chǎn)品操作和使用,直到推出產(chǎn)品的整個(gè)周期周拐。5分鐘無(wú)操作铡俐,默認(rèn)結(jié)束
  • 用戶訪問(wèn)時(shí)長(zhǎng):一次會(huì)話的持續(xù)時(shí)間。
  • 用戶平均訪問(wèn)次數(shù):一段時(shí)間內(nèi)的用戶平均產(chǎn)生會(huì)話次數(shù)妥粟。

3.用戶留存

用戶在某段時(shí)間內(nèi)使用產(chǎn)品,過(guò)了一段時(shí)間后仍舊繼續(xù)使用的用戶吏够。

4.營(yíng)收

  • 付費(fèi)用戶數(shù):花了錢的
  • 付費(fèi)用戶數(shù)占比:每日付費(fèi)用戶占活躍用戶數(shù)比勾给,也可以計(jì)算總付費(fèi)用戶占總用戶數(shù)比
  • ARPU:某個(gè)時(shí)間段內(nèi)滩报,每位用戶平均收入
  • ARPPU:某時(shí)間段內(nèi)每位付費(fèi)用戶平均收入,排除了未付費(fèi)播急。
  • 客單價(jià):每一位用戶平均購(gòu)買商品的金額脓钾。銷量總額/顧客總數(shù)
  • LTV:用戶生命價(jià)值周期,和市場(chǎng)營(yíng)銷的客戶價(jià)值接近桩警,經(jīng)常用在游戲運(yùn)營(yíng)電商運(yùn)營(yíng)中可训。
  • LTV(經(jīng)驗(yàn)公式):ARPU*1/流失率(比如說(shuō),一月份有一百個(gè)用戶捶枢,這個(gè)月用戶流失率0.3握截,那么1/流失率=3.3,那么一月份這批客戶在3.3個(gè)月后流失光烂叔,這段時(shí)間的LTV=ARPU(用戶的平均消費(fèi)100元) *3.3 =330元)谨胞,適合敏捷項(xiàng)目

5.傳播

  • K因子:每一個(gè)用戶能夠帶來(lái)幾個(gè)新用戶
  • K因子=用戶數(shù)平均邀請(qǐng)人=人數(shù)邀請(qǐng)轉(zhuǎn)換率
  • 用戶分享率:某功能/界面中,分享用戶數(shù)占游覽頁(yè)面人數(shù)占比
  • 活動(dòng)/邀請(qǐng)曝光量:線上傳播活動(dòng)中蒜鸡,該活動(dòng)被曝光的次數(shù)

4. 用戶行為指標(biāo)

1.用戶行為

  • 沒(méi)有特別重要的框架胯努,主要在于理解與應(yīng)用。
  • 功能使用率:使用某功能的用戶占活動(dòng)總活躍數(shù)之比逢防。(比如點(diǎn)贊叶沛、評(píng)論、收藏忘朝、搜索等等)
  • 用戶會(huì)話:會(huì)話(session)灰署,是用戶在一次訪問(wèn)過(guò)程中,從開(kāi)始到結(jié)束的整個(gè)過(guò)程辜伟。在網(wǎng)頁(yè)端氓侧,30分鐘內(nèi)沒(méi)有操作,默認(rèn)會(huì)話操作結(jié)束

2.用戶路徑

路徑圖:用戶在一次會(huì)話的過(guò)程中导狡,其訪問(wèn)產(chǎn)品內(nèi)部的游覽軌跡约巷,通過(guò)此,可以加工出關(guān)鍵路徑轉(zhuǎn)換率旱捧。

image

全產(chǎn)品路徑如上独郎,但是關(guān)注關(guān)鍵路徑才重要。比如下單的路徑枚赡,觀察各個(gè)路徑的情況氓癌,進(jìn)行優(yōu)化。

5.電子商務(wù)指標(biāo)

購(gòu)物籃分析

  • 筆單價(jià):用戶每次購(gòu)買支付的金額贫橙,即每筆訂單的支出贪婉,對(duì)應(yīng)客單價(jià)
  • 件單價(jià):商品的平均價(jià)格
  • 成交率:支付成功的用戶在總的客流量中的占比
  • 購(gòu)物籃系數(shù):平均每筆訂單中,賣出了多少商品卢肃,與商品關(guān)聯(lián)規(guī)則有關(guān)疲迂。
  • 復(fù)購(gòu)率:一段時(shí)間內(nèi)多次消費(fèi)的用戶占到總消費(fèi)用戶數(shù)之比(忠誠(chéng)度)
  • 回購(gòu)率:一段時(shí)間內(nèi)消費(fèi)過(guò)的用戶才顿,在下一段時(shí)間內(nèi)仍然有消費(fèi)行為的占比(消費(fèi)欲望)

6. 流量指標(biāo)

1.游覽量和訪客量

  • PV:游覽次數(shù)。以發(fā)起請(qǐng)求次數(shù)來(lái)判定

  • UV:一定時(shí)間內(nèi)訪問(wèn)網(wǎng)頁(yè)的人數(shù)尤蒿,UV會(huì)通過(guò)cookie或IP的訪問(wèn)次數(shù)來(lái)判定次數(shù)

    ? 微信中的網(wǎng)頁(yè)郑气,UV是不準(zhǔn)確的,微信不會(huì)保存cookies腰池。

2.訪客行為

  • 新老客戶占比:衡量網(wǎng)站的生命力(適宜就好尾组,過(guò)高過(guò)低就不行)
  • 訪客時(shí)間:衡量?jī)?nèi)容質(zhì)量,不是看內(nèi)容的UV示弓,而是內(nèi)容的訪問(wèn)時(shí)間讳侨。
  • 訪客平均訪問(wèn)頁(yè)數(shù):衡量網(wǎng)站對(duì)訪客的吸引力,是訪問(wèn)的深度
  • 來(lái)源:與多維分析相關(guān)避乏,訪客從哪里來(lái)爷耀,游覽方式?手機(jī)機(jī)型拍皮?通過(guò)來(lái)源網(wǎng)站的參數(shù)提取歹叮。
  • 退出率:從該頁(yè)退出的頁(yè)面訪問(wèn)數(shù)/進(jìn)入該頁(yè)的訪問(wèn)數(shù)(衡量網(wǎng)頁(yè)產(chǎn)品結(jié)構(gòu))
  • 跳出率:游覽單頁(yè)即退出的次數(shù)/訪問(wèn)次數(shù)(衡量落地頁(yè)、營(yíng)銷頁(yè))

7.怎么生存指標(biāo)

組合铆帽!

  • 訪客訪問(wèn)時(shí)長(zhǎng)+UV=重度訪問(wèn)用戶占比(游覽時(shí)間五分鐘以上的用戶占比)
  • 用戶會(huì)話次數(shù)+成交率=有效消費(fèi)會(huì)話占比(用戶在所有的會(huì)話中咆耿,其中有多少次有消費(fèi)?)
  • 機(jī)器學(xué)習(xí)爹橱,PCA學(xué)習(xí)萨螺,指數(shù)法,生成指標(biāo)愧驱。(偏應(yīng)用)

8.總結(jié)

  1. 通過(guò)三大核心思維慰技,分解-理解-尋找,得到重要的指標(biāo)组砚。
  2. 根據(jù)不同行業(yè)吻商,運(yùn)用不同合適的模型
  3. 公司在不同時(shí)期、階段和模式都有不同的指標(biāo)糟红,需要有根據(jù)目的艾帐,從更高層次去尋找有效的指標(biāo)。

第二周:業(yè)務(wù)篇-框架與模型

1.業(yè)務(wù)的分析框架

  • 從第一周數(shù)據(jù)分析思維盆偿,核心技巧柒爸,工具,都為了這部分做鋪墊事扭。
  • 讓指標(biāo)形成閉環(huán)捎稚,成為真正靠譜的模型

從三個(gè)角度出發(fā)

  • 從指標(biāo)的角度出發(fā)
  • 從業(yè)務(wù)的角度出發(fā)
  • 從流程的角度出發(fā)

2.市場(chǎng)營(yíng)銷模型

image

本質(zhì)是樹(shù)形結(jié)構(gòu),從樹(shù)形思維導(dǎo)圖演變而來(lái),但是加入閉環(huán)的循環(huán)結(jié)構(gòu)阳藻。

3.AARRR模型

image
  • 核心是形成閉環(huán)晰奖。
  • 例子:餓了嗎紅包谈撒。
  • 二次激活:推送激活率腥泥、有效推送到達(dá)率、用戶打開(kāi)率啃匿、不用推送的轉(zhuǎn)化率(可以使用漏斗圖)

4.用戶行為模型(內(nèi)容平臺(tái))

image
  • 例如蛔外,知乎。完整閉環(huán)溯乒,各個(gè)環(huán)節(jié)都能進(jìn)行分析
  • 點(diǎn)贊/評(píng)論/收藏分析:點(diǎn)贊/評(píng)論/收藏用戶活躍占比夹厌、內(nèi)容指數(shù)等等

5.電子商務(wù)模型

image

遇到結(jié)構(gòu)外的分析內(nèi)容,在外面額外添加就行裆悄,如右上角矛纹。

分析各個(gè)節(jié)點(diǎn),得到指標(biāo)光稼。例如或南,購(gòu)物車分析:

  • 不用商品類別的占比(對(duì)比法)
  • 不同價(jià)格檔次的占比(象限法)
  • 不同商品的下單支付率(漏斗法)

6.流量模型

image

指標(biāo)結(jié)構(gòu)框架如上,分析各個(gè)要點(diǎn)艾君。

分析搜索流量:

image

有些指標(biāo)在其他模型也有,模型之間沒(méi)有嚴(yán)格界限,可以共同使用相同指標(biāo)

怎么從空白數(shù)據(jù)分析需求開(kāi)始随闪?

  1. 設(shè)立核心指標(biāo)
  2. 經(jīng)過(guò)三種核心思維
  3. 聚合成樹(shù)形圖
  4. 形成大量指標(biāo)
  5. 將指標(biāo)變成分析框架捻勉,閉環(huán)模型圖,例如上面案例
  6. 每個(gè)節(jié)點(diǎn)都能分析虹茶,利用上周的七大分析工具逝薪。

7.如何應(yīng)對(duì)各類業(yè)務(wù)場(chǎng)景

新手,面對(duì)數(shù)據(jù)分析依然是沒(méi)有思路進(jìn)行分析蝴罪?

  1. 練習(xí)

    重點(diǎn)董济,在于練習(xí)。參考上面洲炊,如何鍛煉數(shù)據(jù)分析思維感局。

    例如,出門的夜市商鋪暂衡、京東的電商產(chǎn)品框架询微、閱讀資訊軟件。

  2. 熟悉業(yè)務(wù)

    從熟悉的入手培養(yǎng)業(yè)務(wù)sense

  3. 應(yīng)用三種核心思維

    打開(kāi)Xmind思維導(dǎo)圖狂巢,開(kāi)始畫畫撑毛。

  4. 歸納和整理出指標(biāo)

    對(duì)于基本完整的思維導(dǎo)圖,提煉出,復(fù)購(gòu)率藻雌、活躍度和用戶行為等等基本指標(biāo)結(jié)合雌续。

  5. 畫出框架

    PPT,等等其他軟件胯杭。

  6. 檢查驯杜、應(yīng)用、修正

    沒(méi)有框架是完美的做个,在時(shí)間維度上需要檢查鸽心。

  7. 應(yīng)用和迭代

    在工作中應(yīng)用,先從小問(wèn)題開(kāi)始居暖,再把各個(gè)小問(wèn)題組合成大問(wèn)題顽频。

8.如何應(yīng)對(duì)業(yè)務(wù)場(chǎng)景(實(shí)踐測(cè)試)

image

以科賽數(shù)據(jù)分析平臺(tái)為例子,參考視頻太闺,設(shè)計(jì)了一個(gè)分析體系糯景。

9. 數(shù)據(jù)管理

  • 30%數(shù)據(jù)統(tǒng)計(jì),70%數(shù)據(jù)管理
  • 數(shù)據(jù)管理省骂,重中之重蟀淮。一直銘記,以后一定會(huì)在數(shù)據(jù)這條路上走的更遠(yuǎn)冀宴。

10.總結(jié)

  1. 框架灭贷,在某種程度上,是思維之下最高的體現(xiàn)略贮。
  2. 框架盡量先形成閉環(huán)(樹(shù)形圖為核心)甚疟,再逐點(diǎn)分析突破
  3. 通過(guò)設(shè)計(jì)框架,運(yùn)用合適的指標(biāo)逃延,形成模型览妖,實(shí)現(xiàn)最終的業(yè)務(wù)目標(biāo)。

第三周:Excel篇

Excel常用于敏捷揽祥,快速讽膏,需要短時(shí)間相應(yīng)的場(chǎng)景下是非常便捷的數(shù)據(jù)處理工具。

相對(duì)于語(yǔ)言類例如python和R等則用于常規(guī)的拄丰,規(guī)律的場(chǎng)景中應(yīng)用府树,便于形成日常規(guī)則統(tǒng)計(jì)分析。

對(duì)于學(xué)習(xí)的路徑:Excel函數(shù)--->SQL函數(shù)------>python

必知必會(huì)內(nèi)容:保證使用版本是2013+料按;培養(yǎng)好的數(shù)據(jù)表格習(xí)慣奄侠;主動(dòng)性的搜索;多練習(xí)

Excel常見(jiàn)函數(shù)

1.文本函數(shù)

  • 查找文本位置:find(“字符”载矿,位置)垄潮,常與left()提取所需要的位數(shù)組合使用。
  • 文本拼接函數(shù):concatenate
  • 文本替換函數(shù):replace
  • 刪除字符串中多余的(前后的)空格:trim
  • 文本長(zhǎng)度:len()

2.關(guān)聯(lián)匹配函數(shù)

LOOKUP

VLOOKUP

INDEX:相當(dāng)于數(shù)組定位

MATCH:查找數(shù)據(jù)在數(shù)組中的位置

OFFSET:偏移函數(shù)

ROW

COLUMN

HYPERLINK:去掉超鏈接

3.邏輯運(yùn)算函數(shù)

  • ture----1 false-----0 判斷是真是假
  • 通常配合其他函數(shù)進(jìn)行判斷,相加判斷滿足條件的個(gè)數(shù)
  • if函數(shù)
  • is系列函數(shù)

4.計(jì)算統(tǒng)計(jì)函數(shù)

  • sum
  • sumproduct:特殊用法----直接累加對(duì)應(yīng)相乘
  • count
  • max / min
  • rank:查找排名
  • rand randbetween
  • average
  • quartile:分位數(shù)弯洗,第幾分位數(shù)
  • stdev
  • substotal:功能豐富旅急,號(hào)稱“瑞士軍刀”
  • int:向下取整函數(shù)
  • round:四舍五入取整函數(shù)(可在小數(shù)點(diǎn)位置取整數(shù))

rand:隨機(jī)數(shù)字,用來(lái)隨機(jī)抽樣使用

多條件就和和多條件計(jì)數(shù)的情況下是非常多的牡整,所以countifs和sumifs用的是非常的多藐吮,基本能搞定所有的統(tǒng)計(jì)報(bào)表,達(dá)到實(shí)時(shí)統(tǒng)計(jì)果正。缺點(diǎn)就是數(shù)據(jù)量達(dá)到一定程度后炎码,Excel運(yùn)行會(huì)比較慢

5.時(shí)間序列

時(shí)間的本質(zhì)是數(shù)字

周函數(shù)中,中國(guó)的習(xí)慣方式參數(shù)常選擇2

常用時(shí)間序列函數(shù)有:

  • year
  • month
  • day
  • date
  • weekday
  • now
  • weeknum
  • today

6.Excel使用常見(jiàn)技巧

快捷鍵

  • ctrl+方向鍵秋泳,光標(biāo)快速移動(dòng)
  • ctrl+shift+方向鍵,快速框選
  • ctrl+空格鍵攒菠,選定整列
  • shift+空格鍵迫皱,選定整行
  • ctrl+A 選擇整張表
  • alt+enter 換行

功能

  • 分裂功能;查找替換辖众;數(shù)據(jù)條(可視化)卓起;數(shù)據(jù)透視表(水晶表);凍結(jié)首行凹炸;

7.Excel常見(jiàn)工具

  • 數(shù)據(jù)切片:進(jìn)行快速篩選(一般和多維分析關(guān)聯(lián)在一起的)戏阅,可以和作圖工具進(jìn)行相關(guān)聯(lián)

    應(yīng)用場(chǎng)景:做統(tǒng)計(jì)報(bào)表和儀表盤的統(tǒng)計(jì)篩選功能

  • 數(shù)據(jù)分析:直接對(duì)多想進(jìn)行描述性統(tǒng)計(jì)

  • 自定義名稱:再次使用可對(duì)其直接引用

  • 刪除重復(fù)值:

  • 下拉列表:

  • 迷你圖:

8.總結(jié)

? 個(gè)人覺(jué)得主要還是在于實(shí)踐當(dāng)中的靈活運(yùn)用,作為學(xué)習(xí)啤它,掌握有什么樣的函數(shù)用來(lái)做什么就可以了奕筐,工作中遇到的時(shí)候可能忘了怎么拼,但是能直接搜索把函數(shù)找出來(lái)用知道在哪里面找就好变骡。當(dāng)然离赫,記得更多的函數(shù)好處就是能迅速的通過(guò)函數(shù)的用法把函數(shù)靈活的組合去解決問(wèn)題。其實(shí)最重要的也是通過(guò)邏輯關(guān)系把各種函數(shù)進(jìn)行組合去解決問(wèn)題塌碌。

第四周:數(shù)據(jù)可視化

1.有用的圖表

? 對(duì)于數(shù)據(jù)可視化渊胸,大多數(shù)人下意識(shí)是要好看,下意識(shí)的去追求美感台妆,覺(jué)得高大尚翎猛。其實(shí),美麗的圖表應(yīng)該是有用的圖表接剩。

? 數(shù)據(jù)可視化的目的是讓數(shù)據(jù)更高效切厘,讓讀者更高效的進(jìn)行閱讀,而不是自己使用搂漠。好的可視化能突出背后的規(guī)律迂卢,突出重要的因素,最后才是美觀。

? 數(shù)據(jù)可視化的最終目的:數(shù)據(jù)作用的最大化而克。

2.常見(jiàn)的圖表

1.散點(diǎn)圖

核心:展現(xiàn)數(shù)據(jù)之間的規(guī)律

image

呈現(xiàn)出一定規(guī)律的散點(diǎn)圖可增加趨勢(shì)線靶壮,并通過(guò)選項(xiàng)將規(guī)律用公式表示出來(lái)。

改進(jìn)圖:

  • 氣泡圖:散點(diǎn)圖的變種员萍,引入第三個(gè)度量單位作為氣泡的大小
  • 單軸散點(diǎn)圖
image

2.折線圖

image

3.柱形圖

image

4.餅形圖

image

用面積區(qū)分大小腾降,很多情況下肉眼是很難區(qū)分的,上圖為玫瑰圖---餅圖的變種

5.漏斗圖

image

6.雷達(dá)圖

image

3.高級(jí)圖表

1.樹(shù)形圖

image.png

數(shù)據(jù)量較大碎绎、數(shù)據(jù)類別較多時(shí)螃壤,能更好的體現(xiàn)數(shù)據(jù)分類情況。

2.山钐基圖

image.png

繪制流量變動(dòng)最開(kāi)始奸晴,網(wǎng)站的流量,監(jiān)視用戶的行為分析日麸,表示用戶在網(wǎng)站上的行為軌跡寄啼,一對(duì)多或多對(duì)一的關(guān)系

3.熱力圖

image.png

數(shù)據(jù)上下波動(dòng)可用折線圖觀察,但是中間的某種關(guān)系展示揭示特殊關(guān)系使用熱力圖則可看出來(lái)代箭。

4.關(guān)系圖

image.png

社交墩划,社會(huì)媒體,微博的傳播嗡综,用戶和用戶之間的關(guān)注等

5.箱線圖

image

揭示數(shù)據(jù)的分布情況

6.標(biāo)靶圖

image

7.詞云圖

image

8.地理圖

image.png

數(shù)據(jù)和空間的關(guān)系

4.圖表繪制工具與技巧

1.繪制工具

  • 初級(jí)---Excel
  • 中高級(jí)---編程python乙帮、R和BI工具

2.繪制技巧

1.顏色搭配

color.adobe.com上有多種主流顏色搭配

2.顏色搭配原則

  • 把需要聚焦的數(shù)據(jù)進(jìn)行顏色凸顯
  • 去掉多余沒(méi)有用的元素
  • 橫縱輔助線如果對(duì)肉眼觀察無(wú)幫助則去掉
  • 在報(bào)告中,內(nèi)容交給單元格來(lái)解決
  • 有設(shè)計(jì)規(guī)范

3.次坐標(biāo)軸的使用极景,使得數(shù)據(jù)能體現(xiàn)更多細(xì)節(jié)察净。

3.杜邦分析法

image

5.Power BI

1.BI基本功能要素

  • 單一圖表沒(méi)有意義,三表成虎戴陡,通過(guò)多表多因素展現(xiàn)分析塞绿。注意設(shè)計(jì)的表格揭示的是現(xiàn)象?還是原因恤批?
  • BI中异吻,power BI和Tableau是最著名的BI軟件。其中,Power BI免費(fèi)易用適合新手入門喜庞。
image

BI中的數(shù)據(jù)鏈接诀浪,最好直接連接數(shù)據(jù)庫(kù)或者CSV文件,盡量不要xls文件延都。

power BI 的功能特點(diǎn):

  • 制作的圖表可以進(jìn)行聯(lián)動(dòng)
  • 多對(duì)對(duì)的關(guān)系不能進(jìn)行關(guān)聯(lián)
  • power BI內(nèi)的函數(shù)使用與Excel的函數(shù)應(yīng)用基本一致雷猪,不建議話太多的精力去學(xué)power BI里面的函數(shù)。
  • 建議使用Excel將數(shù)據(jù)進(jìn)行清洗后晰房,再已.csv的形式導(dǎo)入BI內(nèi)進(jìn)行操作求摇。
  • power BI可以引入第三方的一些高級(jí)功能(80%都是微軟自己的)來(lái)滿足使用者需求射沟,例如添加更多的圖表形式,詞云圖等等与境。

2.Dashbord

  • 布局和設(shè)計(jì)要素:主次分明+貼合場(chǎng)景+指標(biāo)結(jié)構(gòu)
  • 建議先自己規(guī)劃好(自己用草稿紙動(dòng)手去畫验夯,思路會(huì)更好的捋順清楚)

1.場(chǎng)景案例

image
image
  • 考慮是誰(shuí)在使用?
  • 用戶的目的是什么摔刁?
  • 是希望進(jìn)行監(jiān)控挥转?還是希望分析?
  • 用戶怎么使用共屈?
  • 怎么改善BI绑谣?很多BI是有監(jiān)控的,看使用人都干什么拗引,使用那些報(bào)表借宵,會(huì)使用后臺(tái)監(jiān)控日志去調(diào)整改善BI的布局

2.指標(biāo)結(jié)構(gòu)案例

image

Dashbord是一個(gè)不斷迭代的設(shè)計(jì)過(guò)程,需要根據(jù)目的寺擂,不斷進(jìn)化暇务。

第五周:Mysql

這里先放上菜鳥(niǎo)教程的Mysql:http://www.runoob.com/mysql/mysql-tutorial.html

遇到不會(huì)的內(nèi)容,可以再進(jìn)行查找復(fù)習(xí)怔软。

1.數(shù)據(jù)庫(kù)的概念

  1. Mysql是最流行的關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)
  2. 數(shù)據(jù)庫(kù)(Database)是按照數(shù)據(jù)結(jié)構(gòu)來(lái)組織、存儲(chǔ)和管理數(shù)據(jù)的倉(cāng)庫(kù)择镇,
  3. RDBMS即關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)(Relational Database Management System)的特點(diǎn):
    • 1.數(shù)據(jù)以表格的形式出現(xiàn)
    • 2.每行為各種記錄名稱
    • 3.每列為記錄名稱所對(duì)應(yīng)的數(shù)據(jù)域
    • 4.許多的行和列組成一張表單
    • 5.若干的表單組成database
  4. 數(shù)據(jù)庫(kù)的基本類型:char--文本 int--整數(shù) float--小數(shù) date--日期 timestamp--秒或者毫秒

2.基本語(yǔ)法

  1. 以下是基本通用的select語(yǔ)法:
SELECT column_name,column_name
FROM table_name
[WHERE Clause]
[LIMIT N][ OFFSET M]
  • select*form data.表名稱 *挡逼,為通配符,代表全部

  • limit 20腻豌,限制搜索結(jié)果

  • order by家坎,排序依據(jù),可以設(shè)置多個(gè)依據(jù)吝梅。

  • where虱疏,對(duì)搜索結(jié)果進(jìn)行一次過(guò)濾。其中可使用各種邏輯判斷條件苏携。模糊查找“%京%”

  • 跨表分析做瞪,需要利用子查詢。join可以用來(lái)跨表整合右冻,join left常用

    image
  • 對(duì)于數(shù)據(jù)類型的改變装蓬,可以在select一行進(jìn)行設(shè)置。
    image

3.總結(jié)

  1. 對(duì)于SQL語(yǔ)法纱扭,可能是個(gè)人記性或者SQL太過(guò)生疏牍帚,2倍速度看過(guò)的視頻,回頭總結(jié)時(shí)語(yǔ)法都忘記了乳蛾。
  2. 加上其他人的經(jīng)驗(yàn)暗赶,SQL應(yīng)該是需要到實(shí)踐中去記憶與進(jìn)步鄙币。
  3. https://leetcode.com/ 刷題地址在這里,面試前刷一些蹂随。

第六周:統(tǒng)計(jì)學(xué)

1.描述性統(tǒng)計(jì)學(xué)

  1. 分類數(shù)據(jù)的描述性統(tǒng)計(jì):?jiǎn)渭冇?jì)數(shù)就可以
  2. 數(shù)據(jù)描述統(tǒng)計(jì):
  3. 統(tǒng)計(jì)度量:平均數(shù)--數(shù)據(jù)分布比較均勻的情況下進(jìn)行十嘿,中位數(shù),眾數(shù)糙及,分位數(shù)(4分位详幽、10分位、百分位)
  4. 圖形:
  5. 權(quán)重預(yù)估(分位數(shù))
  6. 數(shù)據(jù)分布(波動(dòng)情況浸锨,標(biāo)準(zhǔn)差唇聘,方差)
  7. 數(shù)據(jù)標(biāo)準(zhǔn)化:
image

在實(shí)際用用的時(shí)候,有很多情況量綱不一致(即數(shù)據(jù)單位不一樣)導(dǎo)致差異很大無(wú)法進(jìn)行比較

用數(shù)據(jù)標(biāo)準(zhǔn)化將數(shù)據(jù)進(jìn)行一定范圍的壓縮柱搜,得到的結(jié)果與數(shù)據(jù)業(yè)務(wù)意義無(wú)關(guān)迟郎,純粹是數(shù)據(jù)上的波動(dòng)達(dá)到可進(jìn)行對(duì)比。

xi:數(shù)據(jù)的具體值

u:平均值

σ:標(biāo)準(zhǔn)差

  • 標(biāo)準(zhǔn)化之后一般都是在0上下直接按波動(dòng)的數(shù)字聪蘸,就可以反應(yīng)原始數(shù)據(jù)的典型特征進(jìn)行分析宪肖。
  • 但是,標(biāo)準(zhǔn)化的辦法還需要根據(jù)實(shí)際數(shù)據(jù)類型確認(rèn)健爬,不同標(biāo)準(zhǔn)化辦法的實(shí)際標(biāo)準(zhǔn)化意義不同控乾。
  • 關(guān)于銷量等特征與時(shí)間的關(guān)系,需要從多個(gè)時(shí)間維度去分析才能得到更多結(jié)論娜遵。如蜕衡,周期、月份和年份设拟。
  • 切比雪夫定理是一個(gè)經(jīng)驗(yàn)定理慨仿,可以用來(lái)排除大部分異常值。數(shù)據(jù)量越大纳胧,精確度更高镰吆。
image

2.描述統(tǒng)計(jì)可視化

1.箱線圖:描述一組數(shù)據(jù)的分布情況。

image

Excel中能直接對(duì)數(shù)據(jù)進(jìn)行作圖跑慕,并且還能添加許多對(duì)比條件万皿。

2.直方圖:數(shù)值數(shù)據(jù)分布的精確圖形表示

image
  • 標(biāo)準(zhǔn)型:分布均勻,出現(xiàn)在大多數(shù)場(chǎng)景下相赁。
  • 陡壁型:比較容易出現(xiàn)在收費(fèi)領(lǐng)域
  • 鋸齒型:說(shuō)明數(shù)據(jù)不夠穩(wěn)定
  • 孤島型:要研究分析孤島產(chǎn)生的原因
  • 偏峰型:銷售數(shù)據(jù)一般會(huì)產(chǎn)生偏鋒相寇,一般會(huì)出現(xiàn)長(zhǎng)尾(或左或右)
  • 雙峰型:兩者數(shù)據(jù)混合一般會(huì)形成雙峰

直方圖引出另外一個(gè)概念:偏度,統(tǒng)計(jì)數(shù)據(jù)分布偏斜方向和程度的度量

正態(tài)分布:也稱“常態(tài)分布”

image

以上公式成立是钮科,有標(biāo)準(zhǔn)正態(tài)分布唤衫。

image
image

可以用來(lái)進(jìn)行異常值排查,或者假設(shè)的數(shù)據(jù)分布绵脯。

3.概率推斷統(tǒng)計(jì)

統(tǒng)計(jì)推斷(statistical inference)佳励,指根據(jù)帶隨機(jī)性的觀測(cè)數(shù)據(jù)(樣本)以及問(wèn)題的條件和假定(模型)休里,而對(duì)未知事物作出的,以概率形式表述的推斷赃承。

image

重要概念:貝葉斯定理

image

在知道結(jié)果A已經(jīng)發(fā)生妙黍,想要推導(dǎo)出各種原因發(fā)生的可能性情況。

貝葉斯分析的思路對(duì)于由證據(jù)的積累來(lái)推測(cè)一個(gè)事物發(fā)生的概率具有重大作用瞧剖, 它告訴我們當(dāng)我們要預(yù)測(cè)一個(gè)事物拭嫁, 我們需要的是首先根據(jù)已有的經(jīng)驗(yàn)和知識(shí)推斷一個(gè)先驗(yàn)概率, 然后在新證據(jù)不斷積累的情況下調(diào)整這個(gè)概率抓于。整個(gè)通過(guò)積累證據(jù)來(lái)得到一個(gè)事件發(fā)生概率的過(guò)程我們稱為貝葉斯分析做粤。

第七周:Python

1.Python基本功能

1.利用Python寫腳本

2.excel可視化有性能瓶頸,需要Python來(lái)實(shí)現(xiàn)捉撮。

3.Python安裝與數(shù)據(jù)分析相關(guān)如下

  • Python的數(shù)據(jù)科學(xué)環(huán)境
  • Python基礎(chǔ)
  • Numpy和Pandas
  • 數(shù)據(jù)可視化
  • 數(shù)據(jù)分析案例
  • 數(shù)據(jù)分析平臺(tái)(輕量級(jí)BI)

2.Numpy和pandas

1.Python groupby

mysql不支持分組排序

2.concat和merge

concat是強(qiáng)行耦合

merge怕品,是有共同名,優(yōu)先表進(jìn)行耦合

3.多重索引
image

4.文本函數(shù)

image

填充空值巾遭,None需要用np.nan肉康,c語(yǔ)言形式的控制

pd.dropna()去除所有還有空值的行

image

5.Python pandas apply

image

6.聚合 apply

image

7。pandas數(shù)據(jù)透視

image
image

輸出結(jié)果
image

7.python連接數(shù)據(jù)庫(kù)

Pandas中讀取數(shù)據(jù)庫(kù):

conn=pymysql.connect(
    host='localhost',
    user='root',
    password='123456',
    db='data_kejilie',
    port=3306,
    charset='utf8'
)
def reader(query,db):
    sql=query
    engine=create_engine('mysql+pymysql://root:123456@localhost/{0}?charset=utf8').format(db))
    df=pd.read_sql(sql,engine)
    return df
    
reader

cur.execute('select * from article_link ')

data=cur.fetchall()

cur.close()
conn.commit()

3.數(shù)據(jù)可視化

可視化課程沒(méi)有進(jìn)行記錄灼舍,詳情可以參照

https://www.kesci.com/apps/home/project/5a6cac37afceb51770d6ee9f

中的可視化代碼展示吼和。

4.案例實(shí)戰(zhàn)分析

https://www.kesci.com/apps/home/project/5aa687afcbc87e3f21332885

利用課程提供的數(shù)據(jù)集,簡(jiǎn)單分析練手了一下骑素。

5.數(shù)據(jù)分析平臺(tái)

本次使用的是Python中的superset庫(kù)纹安,基于web的數(shù)據(jù)分析平臺(tái)。

嚴(yán)重提示:安裝這個(gè)庫(kù)一定要新建一個(gè)虛擬環(huán)境后再進(jìn)行pip安裝砂豌,不然會(huì)使得依賴庫(kù)和Anaconda中的部分庫(kù)沖突,使得原環(huán)境的庫(kù)無(wú)法正常調(diào)用

使用邏輯:

  1. 先加載數(shù)據(jù)庫(kù)或者數(shù)據(jù)文件
  2. 寫好sql語(yǔ)法光督,進(jìn)行一定編輯數(shù)據(jù)集阳距。
  3. 在silces里面對(duì)于數(shù)據(jù)集,進(jìn)行一個(gè)個(gè)圖的繪畫與調(diào)整
  4. Dashboard里進(jìn)行最后圖表的匯合。
image

詳情安裝可以參考這篇文章:

http://blog.csdn.net/qq273681448/article/details/75050513

總結(jié)

? 《七周成為數(shù)據(jù)分析師》課程終于學(xué)習(xí)完,整理苟跪、總結(jié)并且回顧了一遍燕侠,寫下這一篇文章。課程整體偏向整體性的介紹嘲玫,對(duì)常用部分才做一個(gè)實(shí)現(xiàn)與技巧的具體講解,整體有輕有重,對(duì)于完成的新手來(lái)說(shuō)還是比較不錯(cuò)的課程進(jìn)行入門了解與基礎(chǔ)學(xué)習(xí)馍管。

? 前兩周的內(nèi)容,個(gè)人認(rèn)為是比較重要的薪韩,數(shù)據(jù)分析的思維在每一周的學(xué)習(xí)中都能有所體現(xiàn)确沸。前面兩周捌锭,我是按照正常速度進(jìn)行觀看,并且做一定筆記罗捎。但是观谦,在到了Excel部分后發(fā)現(xiàn)視頻的節(jié)奏有些慢,自己的耐心也有了一些降低桨菜,后來(lái)自己嘗試將視頻播放速度調(diào)整至兩倍豁状,對(duì)于學(xué)習(xí)的注意力集中起到了不錯(cuò)的效果,推薦各位可以嘗試使用這種方法倒得。

? 《七周成為數(shù)據(jù)分析師》這個(gè)課程從寒假2月份就決定要學(xué)泻红,計(jì)劃3月5號(hào)即開(kāi)學(xué)前完成,但是直到3-11開(kāi)學(xué)后一周才徹底完成屎暇。對(duì)于計(jì)劃的執(zhí)行情況不好承桥,需要在以后學(xué)習(xí)中繼續(xù)調(diào)整規(guī)劃策略,端正態(tài)度根悼。但是凶异,最后還是把規(guī)劃完成了!還是給自己點(diǎn)個(gè)贊挤巡,哈哈剩彬。

? 寫成總結(jié)文章也是希望有需要的人能通過(guò)此得到些幫助,自己也能從中總結(jié)與整理知識(shí)矿卑。本文會(huì)發(fā)布在個(gè)人公眾號(hào):數(shù)據(jù)路(shuju_lu)喉恋,知乎:無(wú)小意丶,博客:無(wú)小意母廷。以后也會(huì)繼續(xù)在這些平臺(tái)上轻黑,輸出更多有價(jià)值的內(nèi)容,歡迎討論與學(xué)習(xí)琴昆。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末氓鄙,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子业舍,更是在濱河造成了極大的恐慌抖拦,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,402評(píng)論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件舷暮,死亡現(xiàn)場(chǎng)離奇詭異态罪,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)下面,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門复颈,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人诸狭,你說(shuō)我怎么就攤上這事券膀【遥” “怎么了?”我有些...
    開(kāi)封第一講書人閱讀 162,483評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵芹彬,是天一觀的道長(zhǎng)蓄髓。 經(jīng)常有香客問(wèn)我,道長(zhǎng)舒帮,這世上最難降的妖魔是什么会喝? 我笑而不...
    開(kāi)封第一講書人閱讀 58,165評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮玩郊,結(jié)果婚禮上肢执,老公的妹妹穿的比我還像新娘。我一直安慰自己译红,他們只是感情好预茄,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,176評(píng)論 6 388
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著侦厚,像睡著了一般耻陕。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上刨沦,一...
    開(kāi)封第一講書人閱讀 51,146評(píng)論 1 297
  • 那天诗宣,我揣著相機(jī)與錄音,去河邊找鬼想诅。 笑死召庞,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的来破。 我是一名探鬼主播篮灼,決...
    沈念sama閱讀 40,032評(píng)論 3 417
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼徘禁!你這毒婦竟也來(lái)了穿稳?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書人閱讀 38,896評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤晌坤,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后旦袋,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體骤菠,經(jīng)...
    沈念sama閱讀 45,311評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,536評(píng)論 2 332
  • 正文 我和宋清朗相戀三年疤孕,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了商乎。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,696評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡祭阀,死狀恐怖鹉戚,靈堂內(nèi)的尸體忽然破棺而出鲜戒,到底是詐尸還是另有隱情,我是刑警寧澤抹凳,帶...
    沈念sama閱讀 35,413評(píng)論 5 343
  • 正文 年R本政府宣布遏餐,位于F島的核電站,受9級(jí)特大地震影響赢底,放射性物質(zhì)發(fā)生泄漏失都。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,008評(píng)論 3 325
  • 文/蒙蒙 一幸冻、第九天 我趴在偏房一處隱蔽的房頂上張望粹庞。 院中可真熱鬧,春花似錦洽损、人聲如沸庞溜。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,659評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)流码。三九已至,卻和暖如春不傅,著一層夾襖步出監(jiān)牢的瞬間旅掂,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 32,815評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工访娶, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留商虐,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,698評(píng)論 2 368
  • 正文 我出身青樓崖疤,卻偏偏與公主長(zhǎng)得像秘车,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子劫哼,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,592評(píng)論 2 353