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

宋俊花

从源头告诉你如何避开Lookup函数的一些坑，以及拓展Lookup函数的使用场景

Vlookup函数用的很多，Lookup函数用得相对少些，而且因为Lookup函数经常会返回让你无感知的错误数据，所以更加有点讨厌它。但是！存在即合理！ Lookup函数能办一些Vlookup函数办不到的事，而且速度还快！所以决心好好研究下这个函数！终于找到一篇比MS office上还好的文章，这里记录并分享：注：本文转自https://jingyan.baidu.com/article/a378

36.6908

8

3

0

关注作者

收藏

我是大魔王哈哈

简述一下Hive和Mysql的区别

1.查询语言不同：hive是hql语言，mysql是sql语句； 2.数据存储位置不同：hive是把数据存储在hdfs上，而mysql数据是存储在自己的系统中； 3.数据格式：hive数据格式可以用户自定义，mysql有自己的系统定义格式； 4.数据更新：hive不支持数据更新，只可以读，不可以写，而sql支持数据更新； 5.索引：hive没有索引，因此查询数据的时候是通过mapreduce很暴力

26.3330

6

3

0

关注作者

收藏

LXM21

开窗函数——over()中参数的设置

当over中没有指定分区、排序和滑动窗口，默认表中所有记录为一个分区，计算的是分区内的所有行2.当over中，指定了分区，但是没有排序和滑动窗口，默认计算的是分区内的所有行3.当over中指定了排序，但是没有指定滑动窗口，默认计算的是分区内的第一行到当前行4.当over中指定了滑动窗口，默认计算的是分区内滑动窗口范围内的行

40.5386

5

2

0

关注作者

收藏

ALEXSONG_JY

常用函数集合

-- 常用函数select abs(-32);select floor(1.54);select floor(-1.54);select ceiling(1.54);select ceiling(-1.54);select round(1.54);select round(1.54,1);-- 字符串函数select concat('CDA','数据', '分析');select concat('

35.7975

2

1

0

关注作者

收藏

132****7268

开窗函数与聚合函数的区别

开窗函数与聚合函数的区别：聚合函数是将多条记录聚合为一条；而开窗函数是每条记录都会执行，有几条记录执行完还是几条聚合函数也可以用于开窗函数中。当over中没有指定分区、排序和滑动窗口，默认表中所有记录为一个分区，计算的是分区内的所有行所有员工的平均工资：select avg(sal) as avg_sal from emp; -- 聚合函数select *,avg(sal) over() as

35.8593

3

2

0

关注作者

收藏

liting李

怎么让excel中的长数字全显示出来

如上图，怎么让excel中的长数字全显示出来，设置为文本不行。答：1、输入数字后，选中该单元格，点击鼠标右键2、点击“设置单元格格式”3、点击“自定义”并在类型中输入“0”4、点击“确定”即可

35.8782

3

0

0

关注作者

收藏

zjjwf

数据挖掘与统计的算法区别

1.统计模型法（1）计算变量的统计量，如均值、标准差、样本量等，依据这些信息就可以直接计算（一元）线性回归的系数；（2）阶矩模型中均可以利用这类信息直接运算sem等模型。（3）特点：计算速度快，无须重复运算模型。2.最小二乘法（1）多元回归中，ols可以处理多个自变量的情况，寻求残差平方和最小化；（2）将数据视为矩阵，利用线性代数寻求系数最优化，对内存要求很高；（3）大数据场景下，存在线性

24.9743

3

2

0

关注作者

收藏

zjjwf

k-NN 模型评价

1.应用广泛2.计算效率低，耗费计算资源较大3.抗噪性较弱，对噪声数据（异常值）较为敏感4.模型不稳定，可重复性较弱5.需要进行归一化处理

24.9122

2

2

0

关注作者

收藏

gracejpw1117

关于Flume拦截器

1）拦截器注意事项项目中自定义了：ETL拦截器。采用拦截器的优缺点：优点，模块化开发和可移植性；缺点，性能会低一些2）自定义拦截器步骤（1）实现 Interceptor（2）重写四个方法Ø initialize 初始化Ø public Event intercept(Event event) 处理单个EventØ public List intercept(List

25.3511

2

2

0

关注作者

收藏

gracejpw1117

Flume的几种常见Sink

1.Logger Sink 记录INFO级别的日志，一般用于调试。必须配置的属性：属性说明： !channel – !type – The component type name, needs to be logger maxBytesToLog 16 Maximum number of byt

24.8504

1

4

0

关注作者

收藏

若水若谷

Excel ：高级筛选的步骤？

高级筛选4步曲：1. 设置条件区域和复制区域2. 选择列表区域：想要筛选的区域3. 选择条件区域：想要满足的筛选条件4. 选择复制区域：想要粘贴结果的区域

25.1982

2

2

0

关注作者

收藏

读童话的狼

分测试集和训练集，在预处理的前面还是后面

方法1：把训练集和测试集合在一起做归一化，这样特征范围就统一了。之后用训练集做训练，那测试集做测试。但很明显的，在训练模型时，不应该包括任何测试集的信息。这种做法会导致存在人为偏差的模型，不能用。方法2：对训练集单独做归一化，之后对测试集单独做归一化。这种看法看似也可以，重点在于数据量以及数据的排列顺序。在数据量大且数据被充分打乱的前提下，这种做法是可行的。但换句话说，如果有这样的前提假设，那么方

25.1982

2

4

0

关注作者

收藏

LXM21

Mysql批量插入数据

问：插入语句是不是不可用批量插入，只能一条一条写insert语句呢？答：可以一次插入多条记录，也可以从文件批量导入例如：一次插入多条：insert into dept(dname,deptno,loc) values ('accounting',10,'new york'), ('research',20,'dallas'), (30,'sales','

27.4442

4

0

0

关注作者

收藏

姚慧扬

数据分析方法论

树状分析方法论：1.梳理行业常用指标，选取其中一个作为总指标；2.将总指标拆解成其他指标的求和或者乘积，如果指标较少的话，可以将指标拆成不同纬度下的同一指标，逐层下拆，直至不能拆解为止。3.将指标拆解思路排列成树状结构，并增加环比或者同比值，借变化比率来快速定位问题。

25.2870

3

2

0

关注作者

收藏

雯子哦呀呀

pandas中创建Series

Pandas通常是用于数据分析过程中, 数据的清洗, 数据预处理, 数据的描述性分析等过程中.API：应用程序编程接口Pandas可认为是Python中的excelPandas中最主要的两种数据类型是：一维的Series和二维的DataFrame一个Series中只能保存一种数据类型DataFrame是由Series构成的，所以看DataFrame由几个元素构成，就看有几个Series列表转换为D

24.8504

1

2

0

关注作者

收藏

liting李

MySQL多表查询语句

多张数据表或视图的查询叫做连接查询-- 1.笛卡尔积:SELECT * FROM emp,dept;-- 2.等值链接(SELECT * FROM A,B WHERE A.主键=B.外键;)SELECT * FROM emp,dept WHERE dept.deptno = emp.deptno;-- 3.内连接(SELECT * FROM A INNER JOIN B ON A.主键=B.外键;

25.0985

3

4

0

关注作者

收藏

liting李

数据定义语言DDLcreate,alter,drop

-- 一、数据库相关的DDL-- 1.创建数据库CREATE DATABASE mybase;-- 2.创建数据库并指定字符集CREATE DATABASE mybase1 CHARACTER SET UTF8;-- 3.查看所有数据库SHOW DATABASES;-- 4.查看当前使用的数据库SELECT DATABASE();-- 5.修改数据库ALTER DATABASE mybase CH

25.0690

3

0

0

关注作者

收藏

haoyumeng

pandas提取数据信息的一些方法

一个例子：一下是一些股票代码和股票名称,300783 三只松鼠601236 红塔证券603256 宏和科技601698 中国卫通603867 新化股份600968 海油发展300594 朗进科技603863 松炀资源603217 元利科技将这列数据创建成一个 Series,股票名称作为索引,股票代码是数据.data = [300783,601236,603256,601698 ,603867,60

40.1654

3

2

0

关注作者

收藏

永洪科技

做了这么久数据分析没收获，原来一直在做“伪数据分析”

用数据说话已成为流行语，数据分析能力，俨然已经成为互联网人的必备技能。现在各行各业，越来越多的企业都在努力寻求具备数据分析能力的人才和专业数据分析人才，几乎所有的中、高阶产品、运营和市场甚至管理岗位，都对数据分析能力也越来越重视。数据分析的重要性我们已有目共睹，但在日常使用中，我们的数据分析未必是正确的。有不少企业管理者反映，具备业务能力同时又懂数据分析的人才太稀缺了，甚至可以说绝大多数在做“假”

40.1856

4

0

0

关注作者

收藏

赵娜0418

linspace()函数如何使用？

生成指定范围内指定个数的一维数组def linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None):在指定的间隔["start","stop"]内均匀地返回数字。返回“num”个等间距的样本。endpoint是一个bool类型的值，如果为"Ture","stop"是最后一个值，如果为"False",生成的数组不会包

1.4060

3

3

0

关注作者

收藏

<1…133134135…404>

CDA考试动态

CDA报考指南