图解APP Store上的高分应用特征(上)
我最近迷上了腾讯的手游魂斗罗，作为非人民币玩家以时间换等级的理念驱动下终于把人物练到了102级，再往上实在是太耗时间了，就有些索然无味了，想弄点新游戏玩玩，苹果手机是只能从APP Store下载的应用的，我一般的做法是按照系统的排序，看看前几名的APP，点入看看功能和截图，再决定下不下载，作为一个懒惰用户没给软件打过分。之前我从没想过到底是什么是驱使用户下载的主原因和动力，哪个方面是最吸引我的关注度，是软件描述还是用户打分，抑或是更多的软件截图，这里我们用数据分析的方法去分析，通过分析去了解APP Store的高下载率和高好评率软件的特征是什么？
数据集来自自Apple Inc网站上的iTunes Search API，包含7000多个Apple iOS移动应用程序详细信息。
通过图1可以看到这个数据集分为两个csv文件，一个是APP在APP Store.csv上是的软件的在store上的各种展现值，另一个appstore_descrption.csv则包含APP本身的属性如，名称，描述，Size，这个两个表的有重合的部分，故我们将其合成一个表来操作，合并后如图2。
图1 APP Store数据集
图2 合并表
我们的关注的字段有rating_count_tot：总打分的个数，这个变相反应了下载量，user_rating:用户评分。
图三展示的APP分类与内容评分（4岁+~ 17岁+）的数据展示图，这里不出所料游戏在年龄适用范围内APP的数量遥远领先，而且基本大量都在4岁以上就可以玩，难道都是企鹅公司的产品，但其中有个门类下载数量一般，但也大量适用于4岁+，这个门类是Education，家长们都是渴望利用APP来实现教育，但估计孩子都是用手机来打游戏了。
图三 APP分类与内容评价数量
我的目标是游戏软件，所以我先将其它软件分类都去掉，那么什么是我值得下载的软件呢？根据之前用户的打分情况能提供什么真相给我们呢？参考图4，游戏分类里得4.5和0分的游戏最多，整体质量还算不错的。而图5解释了一个问题，一分钱一分货，价格超过15美金已经没有差评了，而免费的存到大量的各种评分，所以不花钱就能得到好软件的就得看运气了。保险起见可以选择15~20美金左右的游戏，没有差评。
图4 游戏评分分布图
图5价格与评分
这样就区分出了两类人群，一个是付费的，一个是免费的，付费的也不见得花钱就能买到好产品，尤其是10美金以下时，那么我们怎么获得图5的中间高分交汇处的好APP呢？
我们将评分4.5以上的付费与免费软件的描述都拿出来，看看什么样的描述是好APP的特征。
新不做过多处理用软件描述产出词汇的分布云图，这里明显看到付费的以puzzle解密类游戏为主，而免费的以battle对战模式游戏为主，这个很好理解了，多人对战游戏都是吸引你免费下载，所以friend这个单词也被用到了很多，毕竟大流量才是对战游戏的乐趣，而付费下载游戏则是各种密室逃脱类的单机版游戏，best才是付费软件最愿意用的关键字。
图6 APP描述关键字
我进一步处理只保留评分4.5分以上的APP软件描述，再次抽取关键字，看到优秀软件的关键词发生了变化，免费的突出了friend和free，能和朋友一起玩的免费APP才是好APP，而收费的则是One Levels出现频率变得更多，也就是说解密软件要有更多关卡才是好APP
图7 评分4.5以上 APP描述关键字
这里放出图7的Code：
|
def NicePriceOnCloud(): priceclound = full_data[full_data.price !=0] nopriceclound = full_data[full_data.price ==0] priceclound = priceclound[priceclound.user_rating >= 4.5] nopriceclound = nopriceclound[nopriceclound.user_rating >= 4.5]
priceclound_text = ','.join(str(i) for i in priceclound.values) stopwords = set(STOPWORDS) stopwords.add("game") stopwords.add("world") stopwords.add("will") stopwords.add("play") stopwords.add("player") stopwords.add("mode") stopwords.add("new") stopwords.add("level") stopwords.add("time") stopwords.add("fun") stopwords.add("the") stopwords.add("make")
price_wordcloud = WordCloud(background_color='white',stopwords =stopwords , max_font_size=110, min_font_size=10, mode='RGBA', font_path='source/simhei.ttf').generate(priceclound_text) fig = plt.figure() price_ax = fig.add_subplot(121) price_ax.imshow(price_wordcloud ) price_ax.set_title('付费APP') price_ax.axis('off') # plt.show()
nopriceclound_text = ','.join(str(i) for i in nopriceclound.values) noprice_wordcloud = WordCloud(background_color='white',stopwords =stopwords , max_font_size=110, min_font_size=10, mode='RGBA', font_path='source/simhei.ttf').generate(nopriceclound_text) noprice_ax = fig.add_subplot(122) noprice_ax.imshow(noprice_wordcloud) noprice_ax.set_title('免费APP') plt.axis('off') plt.show() |
恩，我现在需要筛选出出17岁以上的，好评4.5以上，免费的APP列表，参考图8，
贡献一下Code
|
from pandas.tools.plotting import table full_data["is_free"] = full_data.price.apply(lambda price: True if price == 0 else False) def getGameTop10(): #大于17 new_data = full_data[full_data.cont_rating==17] #免费 new_data = new_data[new_data.is_free == True] #好评大于4.5 new_data = new_data[new_data.user_rating >= 4.5]
selected_columns = ["track_name", "lang.num", "size_bytes", "is_free", "price", "user_rating", "rating_count_tot"] new_data = new_data.sort_values(by = ["rating_count_tot","user_rating"], ascending = False).head(10)[selected_columns] rowlabel = ['track_name'] collabel = ["lang.num", "size_bytes", "is_free", "price", "user_rating", "rating_count_tot"] print (new_data.head(5)) |
图8 APP前5好游戏排名