附件文件:products_data.zip案例一:如何将 products_data.zip中的一千张表合并为一张表?代码演>>>## 导入工具包import pandas as pdimport os## 新建空的列表,来装所有的列表df_list = []## 循环读取Excelfor i in os.listdir('./products_data'): # 注意,这里的'./produc
CDA117513
2022-03-31
附件文件:产品销售情况数据.xlsxsample_data.xlsx案例一(产品销售情况数据.xlsx):如何将“产品销售情况数据表”中每个产品的信息提取出来,成为一张单独的表?在Python中进行代码演练>>>导出一千张表(一千个产品)在同个目录文件夹下(操作的时候注意自己新建一个指定文件夹,以防文件数量过多,不好删除)## 导入工具包import pandas as pd## 读取 Excel
CDA117513
2022-03-31
框架:业务要如何自我审视?--电商指标体系.pdf框架:业务要如何自我审视?--电商指标体系(思维导图).pdf目录:三大族谱:财务+经营+体验财务指标: 三张表:利润表(收入&费用&利润&毛利率) 资产负债表(2类资产&投资回报率&股权回报率&资产周转率&财务杠杆) 现金流量表(应付账款天数&存货天数&存货
CDA117513
2022-03-08
目录:1.1:行业研究的意义与内涵1.2:如何观察行业:估计规模&三种视角1.3:如何观察行业:四种模式&三种曲线 四种模式: PEST 波士顿矩阵(横轴:规模/现状,纵轴:潜力/前景) 波特五
CDA117513
2022-03-08
原文出处:https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12281897.0.0.77c92b4abI9m56&postId=286067代码摘抄:import pandas as pdimport datetimeimport matplotlib.pyplot as plt获取数据data=pd.read_excel('./工作/
CDA117513
2022-03-04
目录:1、业务知识2、案例讲解正文:1、业务知识2、案例分析(1)案例背景亚马逊会员活动分析,通过对物流数据的分析定位到问题并制定解决方案。亚马逊广告分析,通过对历史数据的拆解找到适合的产品进行广告投放和优化,广告优化的核心在于关键词和出价。(2)整体分析思路
CDA117513
2022-03-04
假设检验import numpy as npimport pandas as pd调试代码的数据集:dir(datasets)# 加载数据(鸢尾花)from sklearn import datasetsdir(datasets)iris_raw=datasets.load_iris()iris_rawiris_raw.target # target是分类,调出iris_raw.data# arr
CDA117513
2022-02-27
读取查看文件df = pd.read_csv("lagou-clean.csv") #清洗后的数据df.head(3)df=df.drop(['Unnamed: 0'],axis=1)df.head(3)对薪资这一个特征做一个简单的分析新增列 平均薪资,放在薪资的后面平均薪资为最高薪资和最低薪资的平均值, 比如10k-20k, 平均薪资是 15000df['薪资']=df['薪资'].str.l
CDA117513
2022-02-26
网站(博文):https://www.edureka.co/blog/tableau-tutorial/视频(需翻墙):https://www.youtube.com/watch?v=aHaOIvR00So&t=18s
CDA117513
2022-02-23
导入查看数据df=pd.read_csv('lagou1.csv')df.head(3)查看数据df.shapedf.info()缺失值处理提取出公司名称缺失的行,并删除该行df[df['公司名称'].isnull()]df.dropna(subset=['公司名称'],axis=0,inplace=True)提取出公司地点有缺失的行, 并且删除这些行df[df['公司地点'].isnull()]
CDA117513
2022-02-23