解析思路： VAR2赋值:(收盘价-24日内最低价的最低值)/(24日内最高价的最高值-24日内最低价的最低值)*200*10 输出买卖力度: VAR2的5日[1日权重]移动平均,画绿色 输出异常区: 1500,画黄色 VAR3赋值:成交量(手)/((最高价-最低价)*2-收盘价-开盘价的绝对值) VAR4赋值:(如果收阳线,返回VAR3*(最高价-最低价),否则返回如果收阴线,返回VAR3*(最
zxq997
2019-03-07
MA1:=MA(CLOSE,5); MA2:=MA(CLOSE,10); DIF:=EMA(CLOSE,SHORT)-EMA(CLOSE,LONG); DEA:=EMA(DIF,MID); MACD:=(DIF-DEA)*2,COLORSTICK; DIFF:=SUM(MA1-MA2,0); SUMMACD:=SUM(MACD,0); W1:=BARSLAST(CROSS(MA2,MA1)) 1;
zxq997
2019-03-07
由气泡图衍生得到的, 只是换了标记, 虽然表示方式更灵活, 但是最终效果一般 • 新建工作表 • 选择销售额,产品类别, 选择填充气泡图 • 利润额到颜色, 标记中圆换成文本 • 展开产品类别,最好直接用子类别替换产品类别(文本) • 区域到y(到行), 工具栏选择整个视图, 调颜色, 查看效果, 去掉区域 • 工作表重命名为词云
zxq997
2019-03-07
新建工作表, 日期为x,销售额为y • 日期胶囊右键可以选择具体的格式(日或年月日等), 这里先选择天(年月日), 胶 囊上右键显示筛选器, 可以筛选时间段 • 日期改为年月格式, 区域添加到y • 按ctrl将日期(年月)拖到页面(动态效果), 标记改为圆, 勾选显示历史记录; 点击 显示历史记录选择:全部,轨迹 • 可以尝试其他的折线图, 返回 • 工作表重命名为折线图
zxq997
2019-03-07
有时候需要一部分数据和另外一部分数据对比, 就可以创建集 • 新建工作表, 销售额为x, 省份为y, 降序 • 筛选前15个省份, 选择这15个, 右键(或悬停), 创建集, 命名:销售额前15名省份, 筛选器中去掉筛选 • 新建的集到颜色, 可以改颜色, 右键点击标记面板内的集: 查看在集内显示成员 和集内外显示成员的区别, 可以编辑别名 • 添加利润到x, 利润降序, 选择前15个创建集(可以
zxq997
2019-03-07
左上角数据源名称上单击右键: 编辑数据源筛选器, 添加, 选择区域, 也可以做 筛选, 还可以选择别的变量, 筛选条件多的时候比较方便(不会再筛选器栏显示) • 在任一变量名或者胶囊上右键显示筛选器相当于将其拖到筛选器栏 • 视图中双击某个标签只保留对应的数据 • 胶囊右键-筛选…, 有多种筛选方式, 例如条件: 依据别的字段筛选; 顶部: 按 字段的前几筛选
zxq997
2019-03-07
连接到文件 ,选择连接的excel或者其他格式的数据库文件。 • 可以通过添加添加多个数据源, 建立跨数据源的连接 • 预览数据(将订单工作表拖到右边) • 左连工作表订单和退货(熟悉内连, 左连, 右连和全连, 以及如何定义多个连接id)
zxq997
2019-03-07
Tableau的保存类型有两种: 打包工作簿(.twbx文件), 包含底层数据且未加密; 非打包工作簿(.twb文件), 不包含数据本身, 需要 访问同一数据源的权限 Tableau可以打印为pdf或导出图像, 它们只是快照 Tableau是列存储的方式, 所以基本上行数不受限制(测试过15亿的数据不成问题), 但是如果列比较多可能需要把大表拆成小表, 否则会比较慢
zxq997
2019-03-07
Tableau的优势在于直观性, 所见即所得 Tableau需要干净的数据, 用于描述性分析和探索性分析 Tableau的创作过程没有顺序性, 只需要复制参数, 就可以模仿 Tableau没有自动保存功能, 一定要时刻牢记保存 Tableau可以不限次数的撤销动作 Tableau是只读模式, 只会读取, 不会修改原数据(源文件), 但是可以另外保存修改后的数据
zxq997
2019-03-07
本文介绍一个示例：使用 pymongo 连接 MongoDB，查询MongoDB中的 字符串 记录，并比较字符串之间的相似度。 一，Python连接MongoDB 大致步骤：创建MongoClient---> 获取 DataBase --->获取Collection，代码如下： client = MongoClient(host="127.0.0.1", port=10001) db = clie
zxq997
2019-03-06
之前使用的MySQL是关系型数据库，mongoDB是非关系型数据库（NoSQL）。 介绍mongoDB MongoDB是一个基于分布式文件存储的数据库。由C 语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
zxq997
2019-03-06
(1) 收集数据：可以使用任何方法。 (2) 准备数据：距离计算所需要的数值，最好是结构化的数据格式。 (3) 分析数据：可以使用任何方法。 (4) 训练算法：此步骤不适用于k-近邻算法。 (5) 测试算法：计算错误率。 (6) 使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输 入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。
zxq997
2019-03-06
k-近邻算法采用测量不同特征值之间的距离方法进行分类。 它的工作原理是：存在一个样本数 据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们 只选择样本数据集中前k个最相似的数据，这就是k-近邻算
zxq997
2019-03-06
NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行 列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可 能得到不同的结果，其中NumPy函数库中的matrix与MATLAB中matrices等价。
zxq997
2019-03-06
监督学习的用途： k-近邻算法 线性回归 朴素贝叶斯算法 局部加权线性回归 支持向量机 Ridge回归 决策树 lasso最小回归 无监督学习的用途 K-均值 最大期望算法 DBSCAN parzen窗设计
zxq997
2019-03-06
使用切片（slicing）来访问特定范围内的元素。为此，可使用两个索引，并用冒号分隔： >>> tag = 'Python web site' >>> tag[9:30] 'http://www.python.org' >>> tag[32:-4] 'Python web site' 切片适用于提取序列的一部分，其中的编号非常
zxq997
2019-03-06
Python将从右（即从最后一个元素）开始往左数，因此1是最后一个元素的位置。 greeting = 'Hello' >>> greeting[-1] 'o' 对于字符串字面量（以及其他的序列字面量），可直接对其执行索引操作，无需先将其赋给变量。这与先赋给变量再对变量执行索引操作的效果是一样的。 >>> 'Hello'[1] 'e' 如果函数调用返回一个序列，可直接对其执行索引操作。例如，如果你
zxq997
2019-03-06
序列中的所有元素都有编号——从0开始递增。你可像下面这样使用编号来访问各个元素： >>> greeting = 'Hello' >>> greeting[0] 'H 字符串就是由字符组成的序列。索引0指向第一个元素，这里为字母H。不同于其他一 些语言， Python没有专门用于表示字符的类型，因此一个字符就是只包含一个元素的字 符串。
zxq997
2019-03-06
指定排序方向：为了进行降序必须使用指定desc关键字 select prod_id,prod_price,prod_name from Products order by prod_price desc; #desc 关键字只应用到直接位于其前面的列 select prod_id,prod_price,prod_name from Products order by prod_price desc
zxq997
2019-03-05
按列位置排序：除了能用列名指定排序顺序外，order by还支持相对列位置的排序 select prod_id,prod_price,prod_name from Products order by 2,3; #order by 2,3表示先按prod_price,再按 prod_name进行排序。
zxq997
2019-03-05
