shuffle是一个能产生奇迹的地方，不管是在 Spark 还是Hadoop中，它们的作用都是至关重要的。 在Spark中，一般在执行reduceByKey、groupByKey、sortByKey、countByKey、join、cogroup等操作时，会发生shuff ...
2020-05-13
HDFS集群有两类节点，并以管理者-工作者模式运行，即一个NameNode（管理者）和多个DataNode（工作者）。 NameNode是Master节点，有点类似Linux里的根目录，是管理文件系统的命名空间。管理数据块映射 ...
2020-05-12
桑基是何许图也 据小z不严谨的抽样提问统计，90%想学习桑基图的旁友，都是被她妖艳炫酷的外表所吸引。 而桑基图真正代表了什么？和类似图表相比的独特性是什么？ ...
2020-05-12
Series数据结构 Series是一种类似于一位数组的对象，由一组数据及一组与之相关的数据标签（即索引）组成。 上面这样的数据结构就是Series，第一列数字是数据标签，第二列是具体的数据 ...
2020-05-12
Python在数据分析领域受到社会大众的欢迎，一般而言，在windows上也是能运行Python程序的，不过前提是需要安装python解释器。但是绝大多数的python程序都是跑在Linux机器上的，所以我们需要配置一台linu ...
2020-05-12
Kudu是一个列式存储的用于快速分析的NoSQL数据库，提供了类似SQL的查询语句，与RDBMS十分类似，有**PRIMARY KEY **，基于主键查询而不是HBase的RowKey。 kudu拥有毫秒级延迟 与其他大数据数据库不同，Kud ...
2020-05-12
什么是卡方分布呢？ 卡方分布（chi-square distribution），又名西格玛分布，统计学领域的应用学科，是统计学中的一个非常有用的著名分布。 当n个相互独立的随机变量ξ₁，ξ₂，...,ξn ，均服从标 ...
2020-05-12
俗话说的好，工欲善其事，必先利其器。很多从事数据统计分析工作的朋友应该会深有感触，苦于自己80%的时间在做数据清洗，而仅仅只有20%的时间在优化模型、分析统计结果等，今天我们就来介绍下SQL数据清洗。 因此， ...
2020-05-12
（1）Excel实现 缺失值填充前后的对比如下图所示： 在数据中年龄用数字填充合适，但是性别用数字填充就不太合适，那么可不可以分开填充呢？答案是可以的，选中想要被填充的那一列，按照填充全部数据的方式进行填充 ...
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 ...
2020-05-11
《python统计分析》以基础的统计学知识和假设检验为重点，简明扼要地讲述了Python在数据分析、可视化和统计建模中的应用。 主要包括Python的简单介绍、研究设计、数据管理、概率分布、不同数据类型的假设检 ...
2020-05-11
最近，看到一道有关T分布的试题《T分布是一条以0为中心左右对称的曲线吗？》确实，T分布是以0为中心，左右对称的一簇单峰曲线。不过，当其自由度越小，曲线的峰度越低，尾部越高，当自由度趋于无穷大时，t分布就是标 ...
2020-05-11
混淆矩阵(Confusion Matrix)，也成为误差矩阵，是用n行n列矩阵形式来表示的表，这张表通过对比已知分类结果的测试数据的预测值和真实值表来描述衡量分类器的性能。 在二分类的情况下，混淆矩阵是展示预测 ...
2020-05-11
统计分析中的长尾分布理论认为，由于成本和效率的因素，过去人们只会关注重要的人或事，如果用需求曲线来描述，受精力与成本等客观因素的限制，人们通常只会关注曲线的“头部”，而选择忽略曲线的“尾部 ...
2020-05-11
现在大数据成为一个热门话题， 然而无论是网页、产品信息、车辆的功能、文本、病例，还是气象等数据， 对数据的理解的第一步就是要理解数据之间的关联。认同这一点的话， 就能够理解为什么图论在将来能够为人们的 ...
2020-05-11
最近在接触kaggle的竞赛示例，练习了一下，感觉受益匪浅。同时，心中也有个问题。拿到数据之后第一件事是什么？分析数据的情况？怎么分析？分析之后如何去处理数据呢？等等一些数据分析的工作。其中，大家都可能非 ...
2020-05-11
python数据挖掘，指用python对数据进行处理，从大型数据库的分析中，发现预测信息的过程。 什么是数据挖掘？ 数据挖掘（英文全称Data Mining，简称DM），指从大量的数据中挖掘出未知且有价值的信息和只 ...
2020-05-11
一提到深度学习，大部分人会觉得一定非常难，其实不然，深度学习背后的主要原因是人工智能应该从人脑中汲取灵感，而python深度学习，指的是使用编程语言Python来进行深度学习。 众所周知，Python是一门 ...
2020-05-11
说道SQL难不难学的问题，应该是见仁见智吧！对于有目标的人而言，学习SQL就会变得简单，大家一定相信这点。当然，千里之行始于足下，学习并没有什么捷径，只能靠努力。 SQLServer是一个可扩展的、高性能的、为分布 ...
2020-05-09
随着科技的日新月异，人们对数据的依赖稳步上升中，尤其在商业等领域，对于企业而言正确且连贯的数据流，是他们做出快速、精准的决策的重要依据之一。因此，建立正确的数据流和数据结构才能保证最好的结果，这个过程 ...
2020-05-09如何考取数据分析师证书：以 CDA 为例 在数字化浪潮席卷各行各业的当下，数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析：驱动企业高效决策的核心引擎 在数字经济时代，企业面临着前所未有的数据洪流，如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战：数据整合的灵活之道 在 MySQL 数据库的日常操作中，我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas：数据科学的瑞士军刀 在数据驱动的时代，面对海量、复杂的数据，如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL：数据操作的 “后悔药” 指南 在数据库操作中，误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择：何时用t.test，何时用wilcox.test？ t 检验与 Wilcoxon 检验的选择：何时用 t.test，何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙（深度研究报告、发展指导白皮书） 发布机构：CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧：提升序列建模效能的关键 在循环神经网络（RNN）家族中，长短期记忆网络（LSTM）凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下，CDA 数据分析师认证愈发受到瞩目，成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中，数据透视表凭借其强大的数据汇总和分析功能，成为了 Excel 用户 ...
2025-07-11尊敬的考生： 您好！ 我们诚挚通知您，CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师：连接数据与业务的价值转化者 在大数据与商业智能（Business Intelligence，简称 BI）深度融合的时代，BI ...
2025-07-10SQL 在预测分析中的应用：从数据查询到趋势预判 在数据驱动决策的时代，预测分析作为挖掘数据潜在价值的核心手段，正被广泛 ...
2025-07-10数据查询结束后：分析师的收尾工作与价值深化 在数据分析的全流程中，“query end”（查询结束）并非工作的终点，而是将数 ...
2025-07-10CDA 数据分析师考试：从报考到取证的全攻略 在数字经济蓬勃发展的今天，数据分析师已成为各行业争抢的核心人才，而 CDA（Certi ...
2025-07-09【CDA干货】单样本趋势性检验：捕捉数据背后的时间轨迹 在数据分析的版图中，单样本趋势性检验如同一位耐心的侦探，专注于从单 ...
2025-07-09year_month数据类型：时间维度的精准切片 在数据的世界里，时间是最不可或缺的维度之一，而year_month数据类型就像一把精准 ...
2025-07-09CDA 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 ...
2025-07-08SPSS 中的 Mann-Kendall 检验：数据趋势与突变分析的有力工具 在数据分析的广袤领域中，准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试：需要多久？如何规划？ CDA（Certified Data Analyst）数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08
