数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

小懒爱科比

时间日期辅助列的设立方法

时间日期辅助标的设立方法：在所有统计汇总需要看环比的时候，都要简历时间日期辅助表，具体方法：（其实在excel中生成并倒入使用更为方便）1.进入PQ编辑器，新建空查询，设定函数=List.Dates 来创建日期列表2.为start，steps还要count设定参数，start未开始日期，step为步长，count为输出多少天3.在Pq中选择转换到表，并将日期格式改为日期型否则后面再pp中

18.6973

3

2

0

关注作者

收藏

1309_1565582599

Power BI各表汇总连接规则总结

1.变量的分类a2.影响表连接结果的三个属性：方向性、主附关系、对应关系3.连接关系的分类a判断原则：连接用关键字段里有重复值的叫多表，没有重复值的叫一表各种连接关系的比较：多对多（非主键对非主键），重复项下翻倍，得不到汇总结果一对一（主键对主键），少用（出现频率小），跟业务意义不符4.表连接本质：维度对度量的汇总。（1）汇总方式：①类型1：维度直接汇总度量。

18.9512

3

2

0

关注作者

收藏

1309_1565582599

Power BI 各表汇总连接规则

1.变量的分类a2.影响表连接结果的三个属性：方向性、主附关系、对应关系3.连接关系的分类a判断原则：连接用关键字段里有重复值的叫多表，没有重复值的叫一表各种连接关系的比较：多对多（非主键对非主键），重复项下翻倍，得不到汇总结果一对一（主键对主键），少用（出现频率小），跟业务意义不符4.表连接本质：维度对度量的汇总。（1）汇总方式：①类型1：维度直接汇总度量。

0.0000

0

0

0

关注作者

收藏

1309_1565582599

在power Pivot中创建多维数据透视表

要求：（一）关联左侧四表1.打开PBD--主页--获取数据--Excel--到对应文件夹下选择数据 2.数据导入以后，在导航器选中需要用到的4个工作表 3.主页--转换数据--进入PQ--目的是检查数据类型是否发生改变，以及提升标题行 4.在PQ中检查4个表的数据类型，将第一行用作标题 5.完成后点击关闭并应用进入主界面 6.进入模型界面，检查各表的连接关系是否正

0.0484

1

4

0

关注作者

收藏

liting李

EXCEL运行“规划求解”为什么出现”运行时错误53“?

如图操作规划求解就出现如上报错。解决方案：1. 在环境变量的Path路径里面添加library文件（安装目录里）在你的电脑中的路径，注意添完后加英文半角符号。2. 如果1不行，在自己电脑office安装目录中找到文件Solver32.dll，复制到 c:\windows\system32 下面就可以。

29.7388

1

3

0

关注作者

收藏

1309_1565582599

在Power BI中爬取NBA指定球队名称下的球队常规赛历史数据

1.打开PBD--转换数据--进入PQ2.主页--新建源--空查询 3.在高级编辑器输入自定义参数 4.在返回的查询中输入任意球队名称--调用即可得到对应球队的常规赛数据

18.6869

2

1

0

关注作者

收藏

赵娜0418

机器学习中软间隔和硬间隔

硬间隔：非常强硬非常严格的条件，最后的超平面和间隔边界必须以下2个条件1. 不允许出现误分类点2. 间隔边界内，不能有任何样本点，就算是被正确分类也不可以软间隔，条件放宽一下,在间隔边界内1.允许出现一些样本点2. 甚至允许出现误分类点软间隔下，如果C这个惩罚设置的非常大的话，说明出现带有松弛样本点的代价非常大，所以这个情况下条件会变得非常苛刻，很接近硬间隔，间隔边界之间的距离非

0.7101

6

3

0

关注作者

收藏

M17051121193254

pyecharts地图绘制

1.首先，为了地图上的数据能显示完全，先加载好需要的城市地理坐标数据。 pip install echarts-countries-pypkg 世界 pip install echarts-china-provinces-pypkg 中国-省份 pip install echarts-china-cities-pypkg 中国-城市 pip install echarts-ch

18.6385

1

6

0

关注作者

收藏

1309_1565582599

在Power BI中爬取各城市大气质量数据

获取网页信息思维过程（1）确定要获取信息所在网站（2）解析网址（3）明确应使用什么函数爬数（4）明确所要数据在网址全部数据中的什么位置（5）创建参数表或自定义函数，批量或灵活爬取所要信息（一）首先以爬取北京市大气质量为例1.首先知道要爬网页的网址：http://www.air-level.com/air/beijing/#蓝色为固定部分，红色为可变部分2.进入PBD，主

18.6385

1

1

0

关注作者

收藏

1309_1565582599

爬取各城市大气质量

获取网页信息思维过程（1）确定要获取信息所在网站（2）解析网址（3）明确应使用什么函数爬数（4）明确所要数据在网址全部数据中的什么位置（5）创建参数表或自定义函数，批量或灵活爬取所要信息（一）首先以爬取北京市大气质量为例1.首先知道要爬网页的网址：http://www.air-level.com/air/beijing/#蓝色为固定部分，红色为可变部分2.进入PBD，主

0.0000

0

0

0

关注作者

收藏

1309_1565582599

M函数中一些常用运算符

一个完整的计算表达式由计算数与运算符两部分组成，例如在计算表达式1 2中，1和2是计算数而就是运算符。M函数中运算符的含义有时取决于参与计算的计算数的数据类型，下边是主要运算符列表，供参考：

18.6385

1

1

0

关注作者

收藏

liting李

怎么删MySQL的注册表？

1、在“运行”里键入regedit进入注册表。2、删除目录：HEKY_LOCAL_MACHINE\SOFTWARE\MYSQL3、删除目录：HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services\Eventlog\Application\MySQL4、删除目录：HKEY_LOCAL_MACHINE\SYSTEM\ControlSet002\S

0.0000

0

0

0

关注作者

收藏

小朱520

mod函数为除数函数，可以表达为，mod(10，2)=5

18.6385

1

6

0

关注作者

收藏

1530553748

可视化视觉对象的字段名称更改步骤如下:

1、把项目标题关掉a答：2、把项目标题关掉a3、字段重命名为销售金额后十用户a

43.4085

4

4

0

关注作者

收藏

1530553748

Power Query 使用方法

基础操作记录：1、在Power BI中对数据的每个功能处理，都会生成M函数表达式2、通过操作能用到的功能大概只有200个，但是M函数大概有1000个3、视图选项卡中控制的就是页面展示的内容4、在转换和添加列模块下都有以下的功能：提取、分析、三角函数、舍入、信息、提取、分析。区别在于，转换是直接在原有的行上更改，但是添加列会添加新的列。5、在PQ展示数据中，每一列包括数据类型和数据名称信

0.0722

2

3

0

关注作者

收藏

赵娜0418

MySQL中group by查询

----group by查询每个供应商商品数量select s_id，count(*) as 商品数量（as可省略）from fruitsgroup by s_idorder by count (*) desc;排序总是在最后查询供应商品数量少于两个的供应商id对于分组结果进行筛选使用having子句select s_id，count(*) as 商品数量（as可省略）from

44.6996

8

1

0

关注作者

收藏

赵娜0418

MySQL常用的操作命令

常用的操作命令：insert\update\delete1、insert----语法：insert into 表名 values(各列的值，用逗号隔开)注意：插入的值如果是字符类型，需要用单引号插入的值要与定义的字段类型一致1）不使用列表，直接插入，必须一一对应语法：insert into 表名 values(值用逗号隔开)如果顺序不一样，必须指定字段名和值insert into

0.7166

6

1

0

关注作者

收藏

赵娜0418

机器学习中几种库的介绍

一、Scikit-learn 经典的ML算法Scikit-learn 是最流行的ML 库之一，他支持很多监督学习和非监督学习算法。例如：线性回归，逻辑回归，决策树，聚类，k-means等。他基于两个python库：Numpy 和 Scipy 。他为常见的机器学习和数据挖掘提供了一组算法：聚类，回归和分类。甚至像数据转换，特征选择，集成学习这样的任务也可与通过简短几行代码实现。对于机器学习的

0.7131

5

1

0

关注作者

收藏

1309_1565582599

Power Query基础知识

（一）M函数相关知识1.M函数的注释：单行注释符为// 多行注释符为/*…..*/2.M函数基本表达式：let…in…结构： let用于封装计算结果，并为计算结果命名。 in用于显示结果eg:let 源 = #table( {"客户id","客户名称"}, { {"aa","赵大"},

62.0891

5

0

0

关注作者

收藏

赵娜0418

用户画像分析的误区

1、限于数据，动不敢动。一提用户画像，很多人脑海里立刻蹦出了性别，年龄，地域，爱好等基础信息字段，然后大呼：我们好像没这个数据，于是放弃分析了。可实际想想，知道男性占比真的有那么大意义？知道男性占比65%还是60%真的对业务有帮助？不一定的，贴用户标签有很多方式，不要限于一些难采集的基础信息。2、罗列数据，没有思路。很多人一听到用户画像分析，本能的就开始把数据库里的用户标签往外搬，在报告里码上

44.2068

9

3

0

关注作者

收藏

<1…219220221…531>

CDA考试动态

CDA报考指南