分析标签集合的最佳方法是什么？
根据答复的内容，我已经有成千上万的调查回答被标记了。 每个响应可以有一个标签或多个（最多20个），而且这些标签是相互独立的，而不是被构造成类别子类别或其他东西。
我希望能够做如下的分析：
- 给定标签有多less个实例？
- 哪个标签总体上最常出现？
- 在标签X存在的情况下，哪些其他标签最常出现？
- 所有标签列表中的每一个旁边的计数
- select数据的子集进行类似的分析（例如，按国家）
与我一起工作的人传统上一直在处理Excel中的所有事情（一般的业务策略咨询工作），在这种情况下这是行不通的。 他们的回应是将项目框架改为Excel可以在数据透视表中处理的东西，但是如果我们可以使用更强大的工具来实现更复杂的关系，情况会好得多。
我一直在学习SQLite，但是我开始担心，我想要做的事情会非常复杂。
我也一直在学习Python（因为不相关的原因），有些人想知道ORM工具和一些Python代码可能是更好的方法。
然后有一些像Access（我没有，但可能会愿意得到，如果它是这种事情的甜蜜点）。
总而言之，我很想知道，这些分析是多么困难，总的来说，哪些工具最适合这项工作。 我完全接受这样一个观点，即我正在思考一些或所有问题，并且以任何方式向我提出任何build议。
收集所有的标签到列表中，并使用python collections.Counter和相关的方法来获取频率和其他统计数据。 像这样
>>> from collections import Counter >>> x=['java', 'python', 'scheme', 'scheme', 'scheme', 'python', 'go', 'go', 'c', ... 'c'] >>> freqs = Counter(x) >>> freqs.most_common(1) [('scheme', 3)] >>> 尽pipe关于单个标签的频率的数据应该是非常简单的，但是关于标签之间的关系的数据是非常困难的，并且落在数据挖掘的领域。 假设你有一个响应表，一个标记表和一个response_tag表，这就是我所要做的。
创build一个汇总表，其中列出了每个响应标签的唯一组合，以及一个表示该组合发生次数的列。 表结构应该是combination (id, count) ， combination_tags(combination_id, tag_id) 。 使用过程语句（ORM或SQL游标）填充表，然后使用即席查询来对数据进行抽样。
这不是一个简单的操作，但它会使用简单的RDBMS获得结果，而不必使用企业级数据挖掘解决scheme。
你有一个非常小的数据集，所以你不需要任何forms的ORM，只需要在Python中加载所有的数据并咀嚼它的报告。
SQL作为一种语言对于更复杂的数据分析来说是非常可怕的（例如，你真的想要交叉expression事物等）。
用SQL去吧！ 数据分析function非常强大。 这将允许您在未来提出有关数据的问题。 你还没有想到的问题。
尽pipeSQL作为一种语言似乎有点麻烦，但比“真正的”编程语言使用起来要容易得多。 在你的情况下，SQL接口到Excel，所以用户可以通过他们熟悉的工具访问数据。
如果你真的去了SQL，一个真正的数据库（SQLLite）是比MSAccess更好的解决scheme。
作为一个分析工具，我在SQL中已经足够强大，因此我写了一本关于“使用SQL和Excel进行数据分析”的书。 您可以查看亚马逊评论（http://www.amazon.com/Data-Analysis-Using-SQL-Excel/dp/0470099518/ref=pd_sim_b_1）以了解其效果如何。