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

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

啊啊啊啊啊吖

Python里的排序

一个简单的选择排序重复寻找列表中的最小值，并且不断交换直到列表是有序的。可以在 Python 中仅用几行代码来实现：In[1]: import numpy as npdef selection_sort(x):for i in range(len(x)):swap = i np.argmin(x[i:])(x[i], x[swap]) = (x[swap], x[i])ret

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

numpy里的最值

Python 也有内置的 min 函数和 max 函数，分别被用于获取给定数组的最小值和最大值：In[5]: min(big_array), max(big_array)Out[5]: (1.1717128136634614e-06, 0.9999976784968716)NumPy 对应的函数也有类似的语法，并且也执行得更快：In[6]: np.min(big_array), np

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

数组值求和

n[1]: import numpy as npIn[2]: L = np.random.random(100)sum(L)Out[2]: 55.61209116604941它的语法和 NumPy 的 sum 函数非常相似，并且在这个简单的例子中的结果也是一样的：In[3]: np.sum(L)Out[3]: 55.612091166049424但是，因为 NumPy 的 su

0.0000

0

2

0

关注作者

收藏

<1…280281282…340>

CDA考试动态

CDA报考指南