6种数据格式对比，用Jupyter+pandas高效数据分析

2020-10-27

编译：刘早起(有删改) 来源：towardsdatascience、GitHub等 在使用python进行数据分析时，Jupyter Notebook是一个非常强力的工具，在数据集不是很大的情况下，我们可以使用pandas轻松对txt或csv等纯文 ...

excel常见函数

2026-09-02

CDA数据分析师 出品 作者：李诗怡 一、8个核心数据清洗函数 1. TRIM：一键清除多余空格（最常用） 作用：仅保留文本中"单词/字符之间的1个空格"，删除开头、结尾及中间的多余空格（比如从网页复制的数据常带此问题 ...

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）

2026-09-02

 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 ...

【CDA干货】Python中urllib与requests库的核心区别与场景应用对比

2026-09-01

网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能，Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操作。二者均可完成GET、POST等常见网络请求，但在底层定位、语法逻辑、功能完整性、使 ...

【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】基于Python实现JSON文件批量转换CSV格式的方法与实战

2026-08-27

在数据分析、爬虫采集、接口开发、数据归档等场景中，JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式，适配程序读取、嵌套数据存储，灵活性强但可读性差、不便于表格统计；CSV为纯文本表格格式， ...

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 ...

从“杂乱信号”到“有序资产”：CDA数据分析师视角下的数据分类

2026-08-24

 很多数据分析师拿到数据就开始清洗、建模，但当被问到“这批数据属于什么类型——结构化还是非结构化？分类变量还是数值变量？各适合使用哪种统计分析方法”时，却常常语塞。其实，数据分类是数据分析的“第一道 ...

【CDA干货】Excel多组并列直方图的制作方法与数据对比分析应用

2026-08-20

在数据分析与数据可视化工作中，直方图是展示数据分布特征、离散程度、集中区间的核心图表，能够直观呈现数值数据的频次分布规律。常规单一直方图仅能展示单组数据特征，无法满足多组别、多维度数据横向对比需求。而 ...

【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】SQL日期转换函数的用法、实战场景与数据处理应用

2026-08-13

在数据库数据分析、数据清洗、报表统计与业务查询场景中，日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样，包含标准时间戳、年月日格式、时分秒完整格式、字符串格式等，杂乱的日期格式会直接导致 ...

【CDA干货】基于Pandas库的Excel多字段条件筛选数据处理方法与实战应用

2026-08-12

在数据分析日常工作中，Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式，面对多字段叠加条件、复杂逻辑筛选、大批量数据处理时，存在操作繁琐、卡顿低效、易出错、无 ...

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 ...

【CDA干货】Excel卡方检验实操指南：原理、步骤、结果解读与避坑指南

2026-07-28

在问卷调研、用户分群、效果对比等业务数据分析中，分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经典统计方法，能够科学判断两个分类变量是否存在关联、多组样本的分布是否存在显著差异 ...

【CDA干货】数据清洗核心技术体系：缺失值填充、去重、异常值与一致性校验全解

2026-07-24

在数据分析、业务建模与数字化运营体系中，原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题，直接用于分析与建模会导致结论偏差、模型失效、决策失误。数据质量决定了数据价值的上限，而数据清洗是数据 ...

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“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

2026-07-17

 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】如何利用统计学方法开展数据分析：流程、方法与实战应用

2026-07-16

在数字化分析时代，原始数据本身不具备业务价值，只有通过科学的统计学方法加工、拆解、验证与解读，才能挖掘数据背后的规律、差异与关联。统计学是数据分析的核心底层逻辑，所有数据复盘、效果验证、用户研究、业务 ...

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

2026-06-22

 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 ...