数据分析实操篇:基于Excel与MySQL对社交媒体使用与情绪状况分析

select * from train where Platform is null;-- 查找空值update train set Gender = '未知' where Gender is null ; -- 替换空值select * from train where `Daily_Usage_Time (minutes)`<0 or `Daily_Usage_Time (minutes)`>300;-- 查找异常数据

UPDATE trainSET     Age = IF(Age REGEXP '^[0-9]+$', Age, Gender),    Gender = IF(Gender REGEXP '^[0-9]+$', Age, Gender)WHERE Age REGEXP '^[a-zA-Z]+$' OR Gender REGEXP '^[0-9]+$';-- 处理数据错位

# 1.三维交叉统计：平台+性别+年龄分组 核心行为指标均值对比SELECT    -- 分组维度：平台、性别、年龄分组    platform AS 所属平台,    gender AS 用户性别,    -- 用CASE WHEN做年龄分组，符合行业通用标准    CASE        WHEN age < 20 THEN '10-19岁'        WHEN age < 30 THEN '20-29岁'        WHEN age < 40 THEN '30-39岁'        ELSE '40岁以上'    END AS 年龄分组,    -- 核心行为指标统计：均值，保留2位小数，方便后续Excel绘图    ROUND(AVG(`Daily_Usage_Time (minutes)`), 2) AS 平均日均使用时长_分钟,    ROUND(AVG(posts_per_day), 2) AS 平均日均发帖量,    ROUND(AVG(Likes_Received_Per_Day), 2) AS 平均日均获赞量,    ROUND(AVG(Comments_Received_Per_Day), 2) AS 平均日均获评论量,    -- 统计每个分组的用户数量，计算占比    COUNT(user_id) AS 该分组用户数量,    ROUND(COUNT(user_id) / (SELECT COUNT(*) FROM train01) * 100, 2) AS 该分组占总样本比例FROM    train01-- 过滤无效数据：年龄异常、使用时长为0的无效样本WHERE    age BETWEEN 10 AND 80    AND `Daily_Usage_Time (minutes)` > 0-- 三维分组：平台→性别→年龄分组，逻辑清晰GROUP BY    platform,    gender,    年龄分组-- 排序：按平台、使用时长从高到低，方便查看核心高价值群体ORDER BY    platform,    平均日均使用时长_分钟 DESC;# 2.用户活跃度分群+情绪分布 关联统计-- 第一步：用CTE先做用户活跃度分群WITH user_activity_group AS (    SELECT        user_id,        dominant_emotion,        `Daily_Usage_Time (minutes)`,        -- 按日均使用时长做活跃度分群，符合行业通用标准        CASE            WHEN `Daily_Usage_Time (minutes)` > 120 THEN '高活跃用户'            WHEN `Daily_Usage_Time (minutes)` < 60 THEN '低活跃用户'            ELSE '中活跃用户'        END AS 活跃度分群    FROM        train01    WHERE        age BETWEEN 10 AND 80        AND `Daily_Usage_Time (minutes)` > 0)-- 第二步：统计每个活跃度分群的情绪分布，计算分群内占比SELECT    活跃度分群,    dominant_emotion AS 用户主导情绪,    COUNT(user_id) AS 该情绪用户数量,    -- 核心：计算该情绪在对应活跃度分群内的占比，不是整体占比，Excel很难实现    ROUND(        COUNT(user_id) / SUM(COUNT(user_id)) OVER (PARTITION BY 活跃度分群) * 100,        2    ) AS 该情绪在分群内占比FROM    user_activity_groupGROUP BY    活跃度分群,    dominant_emotion-- 排序：按活跃度分群、占比从高到低，方便查看核心情绪特征ORDER BY    -- 自定义排序：高活跃→中活跃→低活跃，符合阅读习惯    FIELD(活跃度分群, '高活跃用户', '中活跃用户', '低活跃用户'),    该情绪在分群内占比 DESC;# 3.各平台用户行为指标排名SELECT    platform AS 所属平台,    -- 核心指标统计    COUNT(user_id) AS 平台用户总数,    ROUND(AVG(`Daily_Usage_Time (minutes)`), 2) AS 平均使用时长_分钟,    ROUND(AVG(posts_per_day), 2) AS 平均日均发帖量,    ROUND(AVG(Likes_Received_Per_Day), 2) AS 平均日均获赞量,    ROUND(AVG(Comments_Received_Per_Day), 2) AS 平均日均获评论量,    -- 综合活跃度得分：加权计算，使用时长权重最高，符合业务逻辑    ROUND(        AVG(`Daily_Usage_Time (minutes)`) * 0.4 +        AVG(posts_per_day) * 0.2 +        AVG(Likes_Received_Per_Day) * 0.2 +        AVG(Comments_Received_Per_Day) * 0.2,        2    ) AS 综合活跃度得分,    -- 平台排名：按综合活跃度得分降序排名    RANK() OVER (ORDER BY        AVG(`Daily_Usage_Time (minutes)`) * 0.4 +        AVG(posts_per_day) * 0.2 +        AVG(Likes_Received_Per_Day) * 0.2 +        AVG(Comments_Received_Per_Day) * 0.2    DESC) AS 平台综合活跃度排名FROM    train01WHERE    age BETWEEN 10 AND 80    And `Daily_Usage_Time (minutes)` > 0GROUP BY    platform-- 按排名排序，一眼看到核心平台ORDER BY    平台综合活跃度排名;