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：数据分析基础范式的践行者与价值放大器

2025-11-13

在数据量爆炸式增长的今天，企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结果反复推翻”的困境，核心原因在于缺乏统一的“基础范式”作为行动纲领。数据分析基础 ...

【CDA干货】金融统计实战案例：银行个人信贷违约预测的统计分析与风险应用

2025-11-11

金融统计不是单纯的 “数据计算”，而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估，到投资组合的收益波动分析，再到监管合规的数据报送，统计方法是金融机构控制风险、提升收益的核心 ...

【CDA干货】数据挖掘核心步骤与实战：以零售企业客户流失预测为例

2025-11-04

在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升收入、优化体验” 的隐性规律。但数据挖掘并非 “拿到数据就建模” 的无序过程，需遵循 ...

CDA 数据分析师：逻辑回归实战指南 —— 二分类预测与业务决策的核心工具

2025-10-31

在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户是否会购买产品”“识别交易是否为欺诈”。这类问题无法用预测数值的线性回归解决，而 ...

CDA 数据分析师：数据清洗实战指南 —— 筑牢数据分析的 “质量防线”

2025-10-23

在数据分析全流程中，“数据清洗” 恰似烹饪前的食材处理：若食材（数据）腐烂变质、混杂异物（脏数据），即便拥有精湛的烹饪技巧（分析模型），也无法烹制出符合要求的佳肴（可靠结论）。据行业调研显示，CDA（Cert ...

【CDA干货】数据清洗如何守住真实性？从方法到落地的保真指南

2025-10-17

数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”，但前提是不破坏数据的真实业务含义。现实中，很多数据清洗操作却走向 “失真陷阱”：比如为了 “数据整齐” 删除真实的 ...

CDA 数据分析师：用效应分解法，剖开时间序列的 “增长密码”

2025-10-09

在 CDA 数据分析师的日常工作中，常会遇到这样的困惑：某电商平台 11 月 GMV 同比增长 20%，但究竟是 “长期趋势自然增长”，还是 “双 11 促销拉动”，或是 “新用户结构优化带来的增量”？若仅看时间序列的表面变 ...

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 ...