数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

zxq997

抽样的多种组织形式

1.简单随机抽样（simple random sampling, srs）的定义是：任何样本数为n的样本组合中选的机率都是相等的。2.等距抽样（systematic sampling）也有人称它为系统抽样。是先把全体总数N除以样本数n，得到K，也就是每间隔K个抽一个，再用随机数表自1到K选一个随机数R，则R，R＋K，R＋2K，......，R＋（n－1）K等号码中选。3.分层随机抽样（stra

0.0000

0

6

0

关注作者

收藏

wangjuju123

字典方法 -copy

方法copy返回一个新字典，其包含的键值对与原来的字典相同（这个方法执行的是浅复制，因为值本身是原件，而非副本）。 >>> x = {'username': 'admin', 'machines': ['foo', 'bar', 'baz']} >>> y = x.copy() >>> y['username'] = 'mlh' >>> y['machines'].remove('ba

0.0000

0

2

0

关注作者

收藏

zxq997

点估计和区间估计

用样本平均数来估计总体的平均数称为点估计。点估计命中目标的机会是极低的，因为只凭着少数样本观察值得到的结果要和全体的平均数吻合几乎是不可能的事，所以我们最除了点估计，还要用区间估计。根据中央极限定理和正态分布的特性我们知道这个区间包含着全体平均数μ的机会有68%（为了简洁表达，我们后文省去“约”），的机会有95%，而的机会有99.7%！真正可靠的估计势必要用区间估计，只有这样做我们才可以

0.0000

0

2

0

关注作者

收藏

zxq997

中心极限定理

从均值为，方差为的一个任意总体中抽取容量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ2/n的正态分布。根据中央极限定理，我们知道如果做很多次抽样的话会得到很多个，而这些排起来会形成正态分布，它们的平均数是，标准差是。换句话说，有约68%的会落在之间，有约95%的会落在之间，有约99.7%的会落在之间。把上述的说法稍为转换一下就变成：有68%的会

0.0000

0

3

0

关注作者

收藏

zxq997

什么是玫瑰图？

玫瑰图又称为南丁格尔玫瑰图。南丁格尔（Floarence Nightinggale），英国护士和统计学家。1883年，南丁格尔撰写影响英国军队健康，效率和医院管理的资料中，她创造了一个非凡的原创图形展示方式，这张图显示了人们在1854年7月至次年年底期间死亡的情况。南丁格尔玫瑰图类似于饼图的变形，它可以用转角、扇形面积、以及颜色展现数据的不同维度。

0.0000

0

0

0

关注作者

收藏

zxq997

什么是偏度？

偏度用来刻画偏态的程度。偏态有两种情况：一种是如图所示（左边）的左偏，该变量在负的方向部分严重拖尾；另一种是如图所示（右边）的右偏，在正的方向部分严重拖尾。在实际经济和商业数据分析中，右偏是比较普遍的状态。比如，地区的居民收入、客户购买产品的数量、金额和保险理赔额。

0.0000

0

3

0

关注作者

收藏

zxq997

当知道一个变量的“中心”水平统计量之后，还想知道这个指标到底有多大的代表性。如果这个变量的变化范围非常小，甚至是常数，那么这个水平变量就非常有代表意义；如果这个变量的变化范围非常大，那么水平指标的代表性就相对下降。如表1-1所示，列出了5个常用的离散程度度量指标。

0.0000

0

1

0

关注作者

收藏

詹惠儿

pandas中的groupby如何过滤最多3个计数

数据：以下创建了一个包含200000行的示例数据框，：df = pd.DataFrame()df ['Team'] = ['A1','A1','A1','A2','A2','A2','B1','B1','B1','B2','B2','B2']df ['Competition'] = ['L1','L1','L1','L1','L1','L1','L2','L2','L2','L2','L2

0.0000

0

6

0

关注作者

收藏

詹惠儿

python导入WordCloud包报错

错误：在anaconda python 3.5中输入命令安装wordcloud软件包：python -m pip install D:\folder\wordcloud-1.5.0-cp35-cp35m-win_amd64.whl 显示已安装成功。但是当我尝试输入命令导入时from wordcloud import WordCloud,STOPWORDS，收到报错信息：a想要找到错误的

0.0000

0

2

0

关注作者

收藏

wangjuju123

字典方法 -clear

与其他内置类型一样，字典也有方法。字典的方法很有用，但其使用频率可能没有列表和字符串的方法那样高。你可大致浏览一下本节，了解字典提供了哪些方法，等需要使用特定方法时再回过头来详细研究其工作原理。 1. clear 方法clear删除所有的字典项，这种操作是就地执行的（就像list.sort一样），因此什么都不返回（或者说返回None）。 >>> d = {} >>> d['name'

0.0000

0

1

0

关注作者

收藏

wangjuju123

将字符串格式设置功能用于字典

可使用字符串格式设置功能来设置值的格式，这些值是作为命名或非命名参数提供给方法format的。在有些情况下，通过在字典中存储一系列命名的值，可让格式设置更容易些。例如，可在字典中包含各种信息，这样只需在格式字符串中提取所需的信息即可。为此，必须使用format_map来指出你将通过一个映射来提供所需的信息。 >>> phonebook {'Beth': '9102', 'Alice':

0.0000

0

2

0

关注作者

收藏

wangjuju123

基本的字典操作

字典的基本行为在很多方面都类似于序列。  len(d)返回字典d包含的项（键-值对）数。  d[k]返回与键k相关联的值。  d[k] = v将值v关联到键k。  del d[k]删除键为k的项。  k in d检查字典d是否包含键为k的项。虽然字典和列表有多个相同之处，但也有一些重要的不同之处。  键的类型：字典中的键可以是整数，但并非必须是整数。字典中的键可以是任何不

0.0000

0

1

0

关注作者

收藏

zxq997

数据的计量尺度

数据的计量尺度和具体的统计方法息息相关，大致分为3类，分别是名义测量、次序测量和连续变量测量。这三类测量分别对应三种变量类型，即分类变量，顺序变量和数值变量。连续变量测量可以进一步细分为间距测量和比例测量。（1）名义测量（nominal measurement）是最低的一种测量等级，也称定名测度。其数值仅代表某些分类或属性。比如，用来表示性别（1或2）和民族（1、2、3…）等。这类变量一般不做高

0.0000

0

1

0

关注作者

收藏

wangjuju123

创建和使用字典

字典以类似于下面的方式表示： phonebook = {'Alice': '2341', 'Beth': '9102', 'Cecil': '3258'} 字典由键及其相应的值组成，这种键-值对称为项（item）。在前面的示例中，键为名字，而值为电话号码。每个键与其值之间都用冒号（:）分隔，项之间用逗号分隔，而整个字典放在花括号内。空字典（没有任何项）用两个花括号表示，类似于下面这样：{}

0.0000

0

4

0

关注作者

收藏

zxq997

5个步骤中的主要任务，如图：（1）数据整理涉及数据采集、数据合并与抽样的操作，目的是为了构造分析用到的数据。分析人员根据维度分析获得的结果作为整理数据的依据，将散落在公司内部与外部的数据进行整合。（2）样本探索这个步骤的主要任务是对数据质量的探索。变量质量方面涉及错误值（年龄=-30）、恰当性（客户的某些业务指标为缺失值，实际上是没有这个业务，值应该为“0”）、缺失值（没有客户

0.1790

1

3

0

关注作者

收藏

zxq997

数据分析方法论

CRISP-DM 方法论将数据挖掘项目生命周期分为6个阶段，它们分别是业务理解、数据理解、数据准备、建模、模型评估和模型发布。呈现了通用数据挖掘方法论（CRISP-DM）流程的6个阶段。下面简短地介绍了每个阶段的要点。（1）业务理解Business understanding该初始阶段集中在从商业角度理解项目的目标和要求，通过理论分析转化为数据挖掘可操作的问题，制定实现目标的初步计划

0.1790

1

1

0

关注作者

收藏

wangjuju123

字典的用途

字典的名称指出了这种数据结构的用途。普通图书适合按从头到尾的顺序阅读，如果你愿意，可快速翻到任何一页，这有点像Python中的列表。字典（日常生活中的字典和Python字典）旨在让你能够轻松地找到特定的单词（键），以获悉其定义（值）。在很多情况下，使用字典都比使用列表更合适。下面是Python字典的一些用途： 表示棋盘的状态，其中每个键都是由坐标组成的元组；  存储文件修改时间，其中

0.0000

0

4

0

关注作者

收藏

zxq997

大数据对传统小数据分析的拓展及其区别和联系

数据上：小数据重抽样，大数据重全体。由于传统小数据分析的本质是基于样本推断总体，因此在分析过程中十分注重抽样的科学性。只有抽样是科学的，其推断结果才具有科学意义。而大数据虽然不一定是总体，但由于在建模方法上已经更偏向于机器学习，因此抽样已经不是必要的手段和方法论了。方法上：小数据重实证，大数据重优化。传统的小数据在方法上更重视实证研究，强调在相关理论的前提下建立假设，收集数据，建立模型并验证

0.0000

0

4

0

关注作者

收藏

詹惠儿

R报错：ould not find function

在执行R命令some.function时，经常会收到以下错误消息：Error: could not find function "some.function"在R中遇到这种错误应该怎么解决呢？解决方案：你可以参考以下几点：你有没有正确地写出你的功能名称？在R中名称严格区分大小写。您是否安装了包含该功能的软件包？install.packages("thePackage")（这只需要做

0.0000

0

3

0

关注作者

收藏

詹惠儿

怎么查看R及下载包的版本？

在R里可以直接查看R及下载包的版本，也可以通过jupyter查看。那么在r中如何操作呢？1.要检查R中所执行的版本可使用命令：R --version2.要检查已安装软件包的版本，请执行以下操作。加载库后，您可以执行 sessionInfo ()但要知道所有已安装软件包的列表：packinfo

0.0000

0

2

0

关注作者

收藏

<1…280281282…340>

CDA考试动态

CDA报考指南