数据分析中的缺失值处理

2017-12-01

数据分析中的缺失值处理 没有高质量的数据，就没有高质量的数据挖掘结果，数据值缺失是数据分析中经常遇到的问题之一。当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理。但在实际数据中，往往 ...

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 ...

数据清洗之python实现缺失值处理

2020-07-24

在实际的数据清洗过程中，我们经常会遇到数据内容丢失的情况，这些丢失的数据内容就是缺失值。缺失值的产生的原因多种多样，主要分为机械原因和人为原因。 机械原因，也就是由于例如，数据存储失败，存储器损坏 ...

常用的python缺失值处理方法有哪几种？

2020-07-06

缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。 python缺失的处理一般情况下有三种方法： （1）删掉缺失值数据 删除法是 ...

数据分析实践入门：缺失值处理、重复值处理、异常值处理等

2020-05-11

从菜市场买来的菜，总有一些是坏掉的不太好的，所以把菜买回来之后要做一遍预处理，也就是把那些坏掉的不太好的部分扔掉。现实中大部分的数据都类似于菜市场的菜品，拿到手以后会有一些不好的数据，所以都要先做 ...

R语言缺失值处理

2017-11-25

R语言缺失值处理 缺失值 1. is.na 确实值位置判断 注意: 缺失值被认为是不可比较的，即便是与缺失值自身的比较。这意味着无法使用比较运算 符来检测缺失值是否存在。例如，逻辑测试myvar == NA的结果永远不会 ...

R语言中的缺失值处理

2017-02-27

R语言中的缺失值处理 在处理一些真实数据时，样本中往往会包含缺失值（Missing values)。我们需要对缺失值进行适宜的处理，才能建立更为有效的模型，使得后续预测分析能有更小的偏差。本文将罗列不同的缺失值处 ...

CDA 数据分析师：读懂时间序列，让历史数据成为业务预测的 “指南针”

2025-09-30

在企业日常运营中，“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”，金融机构想预判 “下周股价波动趋势”，零售门店想确定 “明日库存该备多少”。这些问题的答案，藏在 “时间序 ...

【CDA干货】XGBoost 决策树：原理、优化与工业级实战指南

2025-09-29

XGBoost 决策树：原理、优化与工业级实战指南 在机器学习领域，决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型，但传统决策树存在 “易过拟合、精度有限、对噪声敏感” 等缺陷。而 XGBoost（Extreme ...

CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线”

2025-09-26

CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中，“数据从哪里来” 是 CDA（Certified Data Analyst）数据分析师面临的第一个核心问题。无论是电商平台的用户订单、金融机构 ...

CDA 数据分析师：表结构数据 “获取 - 加工 - 使用” 全流程的赋能者

2025-09-19

CDA 数据分析师：表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据（如数据库表、Excel 表、CSV 文件）是企业数字化运营的 “核心载体”，其价值实现依赖 “获取（源头）- 加工（提纯）- 使用（落地） ...

CDA 数据分析师：激活表格结构数据价值的核心操盘手

2025-09-15

CDA 数据分析师：激活表格结构数据价值的核心操盘手 表格结构数据（如 Excel 表格、数据库表）是企业最基础、最核心的数据形态 —— 从零售门店的销售明细表，到金融机构的客户信贷记录表，再到互联网平台的用户行为 ...

【CDA干货】Excel 数据聚类分析：从操作实践到业务价值挖掘

2025-09-10

Excel 数据聚类分析：从操作实践到业务价值挖掘 在数据分析场景中，聚类分析作为 “无监督分组” 的核心工具，能从杂乱数据中挖掘隐藏的相似性规律（如用户分群、产品分类、区域特征聚合）。相较于 SPSS、Python 等 ...

【CDA干货】数据清洗工具全景指南：从入门到进阶的实操路径

2025-08-29

数据清洗工具全景指南：从入门到进阶的实操路径 在数据驱动决策的链条中，“数据清洗” 是决定后续分析与建模有效性的 “第一道关卡”—— 据 Gartner 统计，数据分析师约 60% 的时间消耗在清洗脏数据（如缺失值、异 ...

CDA 数据分析与量化策略分析流程：协同落地数据驱动价值

2025-08-29

CDA 数据分析与量化策略分析流程：协同落地数据驱动价值 在数据驱动决策的实践中，“流程” 是确保价值落地的核心骨架 ——CDA 数据分析流程解决 “数据怎么用” 的问题，量化策略分析流程解决 “策略怎么跑” 的问 ...

【CDA干货】季节性分解外推法：解锁时间序列预测的规律密码

2025-08-26

季节性分解外推法：解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域，准确的预测是规避风险、提升效率的关键。而时间序列数据（如月度销售额、季度产量、年度能耗）因受多种因素影响，往往呈现复 ...

【CDA干货】K-S 曲线、回归与分类：数据分析中的重要工具

2025-08-07

K-S 曲线、回归与分类：数据分析中的重要工具​ 在数据分析与机器学习领域，K-S 曲线、回归和分类是三个核心概念与工具，它们各自承担着不同的角色，又在实际应用中相互关联、协同作用，共同为数据解读、预测和决策 ...

CDA 备考干货：Python 在数据分析中的核心应用与实战技巧

2025-07-08

CDA 备考干货：Python 在数据分析中的核心应用与实战技巧​ ​ 在 CDA 数据分析师认证考试中，Python 作为数据处理与分析的核心工具，贯穿 LevelⅠ 到 LevelⅢ 的全级别考核内容。无论是基础的数据清洗、可视化，还 ...

CDA 干货分享：统计学的应用

2025-06-18

CDA 干货分享：统计学的应用​ ​ 在数据驱动业务发展的时代浪潮中，统计学作为数据分析的核心基石，发挥着无可替代的关键作用。CDA（Certified Data Analyst，认证数据分析师）所分享的统计学知识与实践技巧，能够 ...

【干货】指标波动归因分析：数据背后的故事

2025-02-25

在当今这个数据驱动的时代，几乎每一个业务决策都离不开对数据的深入分析。而其中，指标波动归因分析更是至关重要的一环。无论是电商的销售额、金融市场的股价变动，还是医疗健康领域的患者数据变化，数据指标的波动 ...