数据探索之缺失值处理及代码实现

2017-11-30

数据探索之缺失值处理及代码实现 在数据挖掘中，前期数据预处理，会涉及到很多缺失值的处理问题。 现以python代码实现为例，看如何具体处理的。 所需python包 from pandas import Series, DataFrame import pan ...

R中重复值、缺失值及空格值的处理

2017-11-26

R中重复值、缺失值及空格值的处理 1、R中重复值的处理 unique函数作用：把数据结构中，行相同的数据去除。 python] view plain copy     #导入CSV数据       data ...

SPSS中的转换函数和缺失值函数

2017-07-03

SPSS中的转换函数和缺失值函数 转换函数 NUMBER（strexpr，format）数值。以数字形式返回字符串表达式 strexpr 的值。第二个参数 format 是用于读取 strexpr 的数值格式。因此，如果 NUMBER（name，f8）中 ...

SPSS缺失值：缺失值分析

2017-11-02

SPSS缺失值：缺失值分析 一、缺失值： 具有缺失值的个案会引发严重的问题，因为典型的建模过程会简单地从分析中丢弃这些个案。如果存在少量缺失值（大约低于个案总数的5%），且这些值可以被认为随 ...

【CDA干货】基于Python的数据分析项目开发流程与实战应用研究

2026-08-28

在大数据时代背景下，海量行业数据亟需通过专业化工具挖掘潜在价值，辅助企业业务决策、优化运营模式、规避经营风险。Python凭借语法简洁、开源免费、生态完善的核心优势，成为数据分析项目开发的首选编程语言。依托 ...

【CDA干货】零售客户行为数据挖掘的方法、模型与实战应用研究

2026-08-27

随着新零售模式的快速普及，零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频次、客单价、购物偏好等海量客户行为数据，成为零售企业精细化运营、精准营销、客户留 ...

【CDA干货】Pandas时间数据处理：pd.to_datetime与pd.date_range原理与实战应用

2026-08-26

在数据分析工作中，时间序列是最常见的数据类型之一，订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据中的时间大多以字符串、数字时间戳、不规则文本等格式存储，无法直接完成时间筛选、周 ...

从“杂乱数据”到“分析资产”：CDA数据分析师视角下的数据仓库体系与ETL

2026-08-26

 很多数据分析师能熟练写SQL、做透视表，但当被问到“数据是从哪里来的？经过哪些加工才进入数据仓库？ETL具体做了什么？”时，却常常答不上来。在企业真实环境中，数据仓库体系与ETL是连接原始数据与分析洞察的 ...

【CDA干货】多因素方差分析与线性回归模型的原理、流程与应用对比研究

2026-08-25

在数理统计与数据分析领域，多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经典的线性统计模型，广泛应用于实验数据分析、业务指标归因、变量相关性探究、预测建模 ...

从“整体波动”到“因子归因”：CDA数据分析师视角下的应用效应分解法来分析时间序列

2026-08-21

 很多数据分析师画过趋势图、做过业绩预测，但当被问到“这个月销售额增长20%，到底是长期趋势自然增长，还是促销活动的短期刺激？APP日活下降5%，是季节性回落的正常现象，还是产品体验恶化？”时，却常常答不上 ...

【CDA干货】数据清洗完整基本流程与Python实战案例分析

2026-08-20

在数据分析领域有一句核心准则：垃圾数据进，垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序，也是保障数据质量、确保分析结论真实有效的核心基础。原始业务数据普遍存在缺失、重复、异常 ...

【CDA干货】基于Excel的聚类分析实操方法、流程与业务应用

2026-08-11

在数据分析工作中，聚类分析是典型的无监督学习方法，核心作用是依据数据自身的多维特征，将相似样本自动划分为若干类别，实现“物以类聚”的数据分层。在用户分群、产品分类、门店评级、指标分层、风险筛查等场景中 ...

从“数字”到“数据”：CDA数据分析师视角下的统计基本概念

2026-08-03

很多人把统计学理解为“一堆公式和计算”，却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手，不是会算平均数，而是能通过统计概念洞察业务规律。 统计基本概念并非孤立的理论，而是围绕“数 ...

从“零散明细”到“多维洞察”：CDA数据分析师视角下的透视分析方法

2026-07-31

 许多数据分析师精通Excel函数和SQL查询，但当面对一张上万行的销售明细表，要快速回答“哪个地区销量最高”“哪款产品增长最快”“不同客户类型的复购率有何差异”时，却习惯于逐行筛选、逐个汇总，耗时费力且容 ...

从“静态数据”到“动态资产”：CDA数据分析师视角下的表结构数据获取、加工与使用

2026-07-30

 很多数据分析师掌握了Excel函数、会写SQL查询，但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数据”时，却常常答不上来。其实，真正的专业能力不在于“会处理数据”，而在于“懂数据 ...

从“单元格”到“字段”：CDA数据分析师视角下的表结构数据特征

2026-07-29

 很多数据分析师精通Excel单元格操作，但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结构数据更适合海量数据处理”时，却常常答不上来。其实，理解表结构数据是掌握数据库和 ...

从“单元格”到“洞察”：CDA数据分析师视角下的表格结构数据类型、获取、引用、查询、计算与其他重要功能

2026-07-28

 数据分析师八成以上的时间在和数据表格打交道，但许多人拿到Excel后习惯性地先算、先分析，结果回头发现漏了一列关键数据，日期格式混乱，跨表计算反复出错——根源在于没有建立完整的“表格六步法”意识。读数 ...

从“行列规范”到“业务洞察”：CDA数据分析师视角下的表格结构数据特征

2026-07-27

 很多数据分析师每天与Excel打交道，但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“表格结构数据和表结构数据有什么区别”时，却常常答不上来。其实，表格结构数据是数据 ...

从“数据”到“洞察”：CDA数据分析师视角下的统计制图（数据可视化）的搭建方法与步骤

2026-07-24

 很多数据分析师能熟练计算均值、标准差，但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选图表”“制图有哪些必须遵循的规范步骤”时，却常常答不上来。其实，统计制图不是“画 ...

从“工具操作”到“方法驾驭”：CDA数据分析师视角下的数据分析六种核心分析方法

2026-07-23

 很多数据分析师精通Excel、SQL、Python等工具，但当被问到“面对一个具体的业务问题，该用什么分析方法”“描述性分析和诊断性分析有什么区别”“六种分析方法如何组合使用”时，却常常答不上来。其实，工具只是 ...