热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
estherAI
python写圣诞树
# -*- coding: utf-8 -*-# @Time : 18-12-26 上午9:32# @Author : Felix Wangimport turtle# 定义圣诞树的绿叶函数def tree(d, s): if d
582.6011
0
0
关注作者
收藏
CDA117513
Python统计：假设检验（课堂代码&笔记）
假设检验import numpy as npimport pandas as pd调试代码的数据集：dir(datasets)# 加载数据（鸢尾花）from sklearn import datasetsdir(datasets)iris_raw=datasets.load_iris()iris_rawiris_raw.target # target是分类,调出iris_raw.data# arr
348.8459
0
0
关注作者
收藏
CDA助教老师
Excel 制作动态数据透视表
方法： 1.用原始数据建数据透视表 2.去公式--定义名称做：data=OFFSET(源数据!$A$1,0,0,COUNTA(源数据!$A:$A),COUNTA(源数据!$1:$1)) 3.更改透视表数据源为data 4.数据源补充内容放到原表下面，刷新透视表,补充内容就会被更新到透视表中
167.7689
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<拉钩网数据探索2>
读取查看文件df = pd.read_csv("lagou-clean.csv") #清洗后的数据df.head(3)df=df.drop(['Unnamed: 0'],axis=1)df.head(3)对薪资这一个特征做一个简单的分析新增列 平均薪资，放在薪资的后面平均薪资为最高薪资和最低薪资的平均值, 比如10k-20k, 平均薪资是 15000df['薪资']=df['薪资'].str.l
255.8567
0
0
关注作者
收藏
申宗康
j建模流程
明确需求：（因变量Y）数据清洗：（重复值、缺失值、异常值、数据编码）变量筛选：（业务、相关分析（看相关系数和散点图）、逐步回归）分割、测试机、训练集（预测）回归：（F检验（检验模型）、t检验（检验各个变量）、R^2(如果是多元线性回归的话再看调整后的R^2)）模型调优：考虑线性性、共线性、内生性、（残差的序列相关性、正态性和同方差）继续优化：（季节变量、高次项、交互项、哑变量）模型测试：测试集
271.7841
0
0
关注作者
收藏
CDA助教老师
Excel函数, DAYS函数与NETWORKDAYS函数
1,NETWORKDAYS函数 计算两个日期间(含两边日期)经过的工作日,第三个参数可以设定节假日.2,DAYS函数计算两个日期的时间点距离,例如2月1日--2月7日, 6天,日期可以加时分秒,但是计算结果仍然是7-1=6天.
45.7233
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<拉钩网数据分析1>
导入查看数据df=pd.read_csv('lagou1.csv')df.head(3)查看数据df.shapedf.info()缺失值处理提取出公司名称缺失的行，并删除该行df[df['公司名称'].isnull()]df.dropna(subset=['公司名称'],axis=0,inplace=True)提取出公司地点有缺失的行, 并且删除这些行df[df['公司地点'].isnull()]
172.3530
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）
读取数据以及数据整理[25]:with open( 'QQ.txt',mode='r',encoding='utf-8') as file: txt=file.read()txt分别提取时间,用户名,聊天内容[27]:#正则表达式提取#提取信息import rere_pat='20[\d-]{8}\s[\d:]{7,8}\s.*[\)>]'#正则表达式,'.*'代表任意组合log_title
48.1037
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<谷歌论文数据清洗>
读取数据df=pd.read_cvs('.csv',index_col=0)df.head()df.info()df.shape数据清洗删除重复数据df.dulpicated().sum()df['标题'].unique()标题处理df['标题']=df['标题'].str.strip('[PDF] ')提取引用次数df['引用次数']=df['引用次数'].str.findall('\d+').
201.2724
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<餐厅订单详情表分析>
导入数据df1=pd.read_excel('.xlxs',sheetname='')df2=...df=pd.concat([df1,df2,df3],axis=0) #axis=0>>>detail_iddf.reset_index(drop=True,inplace=True)df.shapedf,info()清洗数据检查是否存在重复值df.duplicated().sum()删除缺失的字段
206.9696
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<淘宝电商案例>
读取并探索数据df=pd.read_csv('.csv')df.shapedf.info()查看数值型字段的描述性统计信息df.describe(include='all')#If include='all' is provided as an option, the result will include a union of attributes of each type. The inclu
75.5484
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）《Stockholm气温的数据分析》
数据清洗outdoor数据df1=pd.read_csv('.csv',index_col=0) #没有索引，设置/增加df1.columns=['A','B'] #有列名，修改df1.shapedf1.info()df1['']=pd.to_datetime(df1[''],unit='s')indoor 数据df2=pd.read_csv('.tsv',sep='\t',names=['A'.
75.5484
0
0
关注作者
收藏
CDA117513
Pandas中快速转换数据类型的10个技巧（推荐！！！）
目录：将字符串/int转换为int/float将浮点数转换为int转换混合数据类型的列处理缺失值将货币列转换为浮点数将布尔值转换为0/1一次性转换多个数据列读取CSV文件时定义数据类型创建一个自定义函数来转换数据类型astype()与to_numeric()的比较(本文翻译自：https://towardsdatascience.com/converting-data-to-a-numeric-t
75.5484
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<欧洲城市人口普查>
1. 导入数据 df=pd.read_csv('.csv')df.head()2. 初步探索数据2.1. 查看数据类型df.info()2.2. 查看Shapedf.shape2.3. 是否有缺失值3. 对数据进行清洗3.1. 城市 df[''].unique()df['']=df[''].str.strip('[2107]')3.2. 国家df['']=df[''].str.strip()3.3
75.5484
0
0
关注作者
收藏
Adams小乙
统计分析——RFM模型
最近一次消费最近一次消费意指上一次购买的时候。理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6个月的顾客收到营销人员的沟通信息多于31
108.4091
0
0
关注作者
收藏
Adams小乙
数据分析——推荐算法
推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，应用推荐算法比较好的地方主要是网络。所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。 推荐算法的研究起源于20世纪90年代，由美国明尼苏达大学GroupLens研究小组最先开始研究，他们想要制作一个名为Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。
39.8327
0
0
关注作者
收藏
CDA117513
sql面试题练习答疑（社区范围求解！感谢！已解答）
题目：我的答案：select tag,CONCAT(avg_play_progress,'%') as avg_play_progressfrom (select tag,round(avg(if(TIMESTAMPDIFF(SECOND,start_time,end_time)>duration,1,TIMESTAMPDIFF(SECOND,start_time,end_time)/durati
44.5165
0
0
关注作者
收藏
CDA117513
Pandas series 练习题（加强记忆）
2 - Pandas Series exercises.pdf
50.0612
0
0
关注作者
收藏
CDA117513
NumPy(精简笔记<公式速查>)
2. NumPy.pdf
50.0612
0
0
关注作者
收藏
Adams小乙
数据分析——python连接数据库
python连接数据库#%%import pymysql# 插入语句# 打开数据库连接db = pymysql.connect(host="localhost", user="root", password="root", database="python",charset="utf8")# 使用cursor()方法获取操作游标cursor = db.cursor()# 数据列表data = [(
49.0113
0
0
关注作者
收藏
<1…282930…531>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1