Google Trends， 即谷歌趋势。
谷歌趋势是谷歌旗下一款基于搜索数据推出的一款分析工具。
它通过分析谷歌搜索引擎每天数十亿的搜索数据，告诉用户某一关键词或者话题各个时期下在谷歌搜索引擎中展示的频率及其相关统计数据。
我们为一位客户进行了短暂的咨询工作，他正在构建一个主要基于谷歌搜索词热度和就业率的分析应用程序。
思路是这样的： 用本科就业人数employed-bachelor的数据除以总就业人数employed-all的数据，得出百分比，即本科就业率。
然后把关键词“性别平等”（gender equality）的谷歌趋势google trend的数据整合成月的， 两个数据做成一个表格， 然后作pearson correlation相关性的分析，和可视化：
可下载资源
读取数据
employedall=read.csv("employed-all.csv")
employed_bachelor=read.csv("employed-bachelor.csv")
google=read.csv("gender equality- google trend.csv",skip=4)合并数据
把google trend的数据整合成月的
for(j in c("01","02","03","04","05","06","07","08","09","10","11","12")){
ym=paste(i,"-",j,sep="")
index=grep(ym, google$Week )
monthsum=c(monthsum,sum(as.numeric(google$gender.equality[index])))
随时关注您喜欢的主题
合并google trend的数据和就业数据
result=cbind(monthsum,employed$proportion)
分析相关性可视化
Pearson’s相关性检验
在统计学中，皮尔逊相关系数，是用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间，其绝对值越大说明该两个变量越相关。
cor.test(result$employed,result$google)
首先看Y与X是否有显著关系，即P值大小，接着分析相关关系为正向或负向，也可通过相关系数大小说明关系紧密程度。一般相关系数在0.7以上说明关系非常紧密。p<0.01，因而说明本科就业率和性别平等搜索热度之间有着显著的正相关关系。
可下载资源
关于作者
Kaizong Ye是拓端研究室（TRL）的研究员。Kaizong Ye是拓端研究室（TRL）的研究员。在此对他对本文所作的贡献表示诚挚感谢，他在上海财经大学完成了统计学专业的硕士学位，专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。
本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。
非常感谢您阅读本文，如需帮助请联系我们！
Python混合注意力机制-多变量-LSTM神经网络分析PM2.5、光伏电站、温度时间序列数据及RNN、ARIMAX、XGT、随机森林对比
MATLAB深度学习Transformer神经网络量化金融时间序列预测交易策略回测
【视频讲解】线性时间序列原理及混合ARIMA-LSTM神经网络模型预测股票收盘价研究实例
R语言股价跳跃点识别：隐马尔可夫hmm和GARCH-Jump对sp500金融时间序列分析
