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

michelle.qin

巧用Excel计算行列式和矩阵

1、行列式的计算公式： = MDETERM(数据区域)，直接回车即可得到结果2、矩阵的乘法公式：= MMULT(矩阵A数据区域,矩阵B数据区域)选中结果区域，输入公式，同时Ctrl+Shift+Enter3、矩阵的逆矩阵公式：= MINVERSE(数据区域)选中结果区域，输入公式，同时Ctrl+Shift+Enter4、输出指定维度的单位矩阵公式：= MUNIT(维度数)选中结果区域，输入公式，同

31.0039

5

5

0

关注作者

收藏

michelle.qin

<复习>统计学 Day1 - part 2

描述统计分析可以从以下五个角度考虑：一、总体规模的描述 —— 总量指标（1）反映一定时间、空间条件下某种现象的总体规模、总水平或总成功的统计指标。（2）分类：二、对比关系的描述 —— 相对指标（1）又称“相对数”，是两个有相互联系的指标数值之比。（2）常用相对指标的计算三、集中趋势的描述 —— 平均指标（1）一组数据向其中心值靠拢的趋势。（2）测度集中趋势：寻找数据水平的代表值或者中心值。（3）指

31.1104

5

1

0

关注作者

收藏

姚慧扬

数据分析流内容

1.需求：搭建业务框架。2.y 量化：连接业务和统计。3.特征选择：区分 x 的重要性，特征选择。4.描述：描述 y 和重要的 x、不合理取值。------------------5.预分析：缺失值、异常值、拟合判断、变量变换、取值编码、特征选择、共线性。6.建模：可視化描述→相关分析→模型。 7.修正：假设条件、优缺点。------------------8.评估：拟合指标和业务评价。9.应用：

30.8409

1

5

0

关注作者

收藏

姚慧扬

数据分析流内容

1.需求：搭建业务框架。2.y 量化：连接业务和统计。3.特征选择：区分 x 的重要性，特征选择。4.描述：描述 y 和重要的 x、不合理取值。------------------5.预分析：缺失值、异常值、拟合判断、变量变换、取值编码、特征选择、共线性。6.建模：可視化描述→相关分析→模型。 7.修正：假设条件、优缺点。------------------8.评估：拟合指标和业务评价。9.应用：

30.8409

1

2

0

关注作者

收藏

liting李

同比和环比能一起做比较吗？

同比和环比都是反映变化速度的指标，由于两者采用的基期不同，因此指标的含义也不同。两者不能拿来直接比较，例如环比不能与同比比较，但是环比可以与环比比较。

51.3514

4

3

0

关注作者

收藏

liting李

计算同比和环比

同比和环比是考察数据变化的两项常用的指标，它们都是基于时间周期的对比，得到的结果都是百分比，区别在于各自对标的周期（基期）不同。同比与历史同时期的比较，例如将 2019 年 11 月的数据与 2018 年 11 月的数据相比，叫同比。同比一般情况下是今年与去年的比较。同比可以用来观察今年和去年相对发展水平的变化。同比增长（下降）率=(本期数-去年同期数)/去年同期数×100%环比与上一个统计周期的

31.2828

5

0

0

关注作者

收藏

是微微呀！

数据分区、交叉验证、网格搜索步骤

数据分区、交叉验证、网格搜索步骤

51.3646

4

1

0

关注作者

收藏

是微微呀！

数据分析流思维导图

个人还是偏爱思维导图，就整理了一下左不过还是老师上课说的东西，希望大家不嫌弃就好

70.6498

5

1

0

关注作者

收藏

是微微呀！

整理了一下python统计的框架~

不太全面还请见谅~

70.4570

2

2

0

关注作者

收藏

michelle.qin

<复习>统计学 Day1 - part 1

统计学：一门收集、处理、分析、解释数据并从中得出结论的科学。【步骤】收集数据→处理数据→分析数据→解释数据抓取清洗方法：两大类爬数（1）描述性分析方法

25.5490

4

2

0

关注作者

收藏

丁绍东

Find The Top 15 Most Popular Movies In 2020

Find The Top 15 Most Popular Movies In 2020 Description: This challenge is to obtain the top-rated in theater movie from rotten tomatoes - In Theaters | Top Box Office.Challenge instruction: ● web

25.5616

5

1

0

关注作者

收藏

姚慧扬

什么是KPI指标?

将原始数据进行维度分组后按照统计规则汇总计算得到的汇总值，此类指标可以帮助决策者快速了解大体的经营情况，往往称之为KPI指标1求和类指标：对度量值进行求和计算得到的指标，诸如销售数量、销售金额指标结合特定维度的统计结果，可以帮助决策者了解总趋势。2 求平均类指标：对度量值进行求平均计算得到的指标，诸如人均消费，月均成单量指标结合特定维度的统计结果，可以帮助决策者了解业务运营的平均水

35.9300

4

1

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

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

cxm272965

Python可视化库——Matplotlib和Seaborn库

数据可视化库——Matplotlibimport matplotlib.pyplot as plt1默认可视化操作plt.plot()：画图plt.show()：显示设置参数plt.xticks(rotation)：变量名倾斜plt.xlable(‘变量名’)：x轴名称plt.ylabel(‘变量名’)：y轴名称plt.title()：标题名称子图fig=plt.figure()：指定默认画图空间

27.5907

2

1

0

关注作者

收藏

cxm272965

深入浅出之dtype( )和astype( )函数

NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。1. 属性dtype用于说明数组中的数据类型的对象2. 函数dtype( )作用：结构化数组类型并加以使用语法：numpy.dtype(object, alig

27.5907

2

4

0

关注作者

收藏

cxm272965

pandas删除某一列的方法

删除sub_grade_列，输入del df['sub_grade_x'] 方法二：采用drop方法，有下面三种等价的表达式：1. df= df.drop('column_name', 1)输入:df,drop('num',axix=1),不改变内存，及输入df的时候，它还是显示原数据 2. df.drop('column_name',axis=1, inplace=True)输入:df.dr

27.4900

1

1

0

关注作者

收藏

cxm272965

Python如何将Series type：object转换为int

1）使用pd.to_numeric进行转换，而解析字符串“ None”时出错2）然后我尝试将NaN替换为None值：替换问题1.1）pd.to_numeric（df ['Var1']，downcast ='integer'）ValueError：无法在位置44816处解析字符串“ None”1.2）df.astype（{'Var1'：'int64'}）。dtypes TypeError：int（）

27.5907

2

5

0

关注作者

收藏

cxm272965

matplotlib画图和 seaborn画图的对比

#__author__ = 'Administrator'#coding:utf-8import pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsdata=pd.read_csv("./dataset/test.csv")#在matplotlib中的画直方图plt.figure()plt.hist(data["Age"

27.5907

2

1

0

关注作者

收藏

cxm272965

关于数据清洗工作的理解

数据清洗是做什么的，为什么要进行数据清洗工作，什么样的数据叫脏数据，脏数据如何进行数据的处理数据清洗(Data cleaning)– 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。数据清洗从名字上也看的出就是把"脏"的"洗掉"，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数

0.1006

1

2

0

关注作者

收藏

<1…495051…340>

CDA考试动态

CDA报考指南