EdX由哈佛大学和麻省理工学院于2012年创立，是一个MOOC课程提供和在线学习平台。
理解数据，确定分析思路
数据来源于kaggle上关于2012-2016年Harvard与MIT在Edx所开设在线课程的数据报告，该报告涵盖了在线课程290们、学员450万、学习总时长2800万小时、获得认证学员25万。我们看一下数据，一共有290个在线课堂数据，字段信息23个。发现主要由两方面组成，一是课程（产品）的数据，二是学员（用户）的数据，所以我们分别从这两个维度进行分析：
1、什么类型的课程更受欢迎？哪些课程的需求量较大？
2、人们更喜欢Harvard还是MIT的课？
3、课程的完成度怎么样？
4、全球在学习edX的是什么样的用户？
数据处理
- 重命名列：为了方便将列名换成中文
- 空值：使用开始→筛选发现223行的讲师名缺失，查询官网填上就好
- 一致化处理 单元格拆分：
课程上线的日期格式是MDY（月日年），全部改成我们习惯的YMD（年月日）
课程分析
- 课程需求量（学员数）分析
1.不同课程的学员数占比
从上图可以看出，Computer Science类的课程学员数最多，占比34.42%，Humanities, History, Design, Religion, and Education类的课程学员数最少，只占18.48%。这说明学员对Computer Science一类的课程需求量最大，其次是Science, Technology, Engineering, and Mathematics，再次是Government, Health, and Social Science，需求量最少的是Humanities, History, Design, Religion, and Education。
这是从Edx平台总体来看，当然不同机构内部的课程需求量也会有所不同，下面我们分别看一下每个机构内部不同课程的需求量。
2.同一机构内不同课程的学员数占比（按机构）
Harvard开设的Computer Science类的课程学员数最多，占了40.85%，Humanities, History, Design, Religion, and Education类的课程学员数次之，这两门课程就占了70%。学生对Science, Technology, Engineering, and Mathematics的需求量最少。
MIT的Science, Technology, Engineering, and Mathematics课程的学员数最多，占36.71%（在Harvard最少），其次是Computer Science（在Harvard最多）和Government, Health, and Social Science，最后是Humanities, History, Design, Religion, and Education的学员数最少（在Harvard占比30.12%排第二）
3.同一课程不同机构的学员数占比
从上图得到，同样是Science, Technology, Engineering, and Mathematics类的课程，80%的学员选择MIT，而同样是Humanities, History, Design, Religion, and Education类的课程，80%的学选择Harvard，而且这两科课程分别在机构内部也是比较受欢迎的。
4.不同课程的学员数变化（按月）
学员对课程的需求量除了不同机构有差异以外，不同的时间点也会影响课程的学员数，像某课程去年1月有多少学员，今年不一定会吸引相同的学员数，所以要从时间维度上对不同类型的课程进行需求分析。
总体上Science, Technology, Engineering, and Mathematics类的课程需求量较大，学员对Computer Science类课程的需求量最小。随时间的波动较大，为了方便观察，下面我们对4种课程分别分析。
5.同一课程的学员数变化（按月）
从上图可以看出，Computer Science这类课程的学员数变化有明显的周期性，在每年的1月份左右学员数达到峰值，表明该课程的需求量在1月份前后最大。其他学科的课程未发现有明显的周期性，可能数据量较小。
- 课程完成度分析
得到认证（获得证书）我们就认为他完成了课程，从上述描述统计可以看出完成课程的学员平均占比只有7.78%，而完成了50%课程的学员数还不到该课程学员数的1/4，也就是说绝大多数学员对课程的完成度都不高，制成箱线图如下：
学员分析
- 学员性别分析
对男性占比和女性占比分别求平均值，发现总体上听课的学员中男性占了2/3，大部分是男性学员。下面再看一下不同课程的男女性差异。
女性大多数更喜欢Humanities, History, Design, Religion, and Education类的课程，对Computer Science类课程的兴趣最低。而82%的男性喜欢Computer Science课程。Humanities, History, Design, Religion, and Education类的课程男女占比差别不大，其他三门课程男性占比远超过女性。
- 学员年龄分析
从上图可以看出平台上的学员年龄跨度从22-53岁。22-32岁对各类课程的需求量普遍都很大，尤其对计算机科学的课程需求极大，40岁以后对课程基本上没有需求。
-
学员学历分析
Government, Health, and Social Science与Humanities, History, Design, Religion, and Education类型课程的学习者多为学士及以上学历。
结论
- 总体上看，计算机科学类的课程比较受欢迎。分别从两个机构看，Harvard的课程中人文、设计、宗教和教育类课程占比较大，MIT的课程中科学、技术、工程和数学类课程占比较大，两个学校的课程各有特色，我们可以根据所需的课程类型选择相应的学校学习。
- 从获得认证的平均占比来看，在线课堂学习的完成率不高。这个和线上学习的特点，自身的自律性有关。
- 平台上的学员男性较女性多，大部分都是学士学位及以上，而且男女对课程的偏好不同，可以针对不同群体推荐适合的课程类型。
