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 ...
2020-05-092025 年，数据如同数字时代的 DNA，编码着人类社会的未来图景，驱动着商业时代的运转。从全球互联网用户每天产生的2.5亿TB数据， ...
2025-05-27CDA数据分析师证书考试体系（更新于2025年05月22日）
2025-05-26解码数据基因：从数字敏感度到逻辑思维 每当看到超市货架上商品的排列变化，你是否会联想到背后的销售数据波动？三年前在零售行 ...
2025-05-23在本文中，我们将探讨 AI 为何能够加速数据分析、如何在每个步骤中实现数据分析自动化以及使用哪些工具。 数据分析中的AI是什么 ...
2025-05-20当数据遇见人生：我的第一个分析项目 记得三年前接手第一个数据分析项目时，我面对Excel里密密麻麻的销售数据手足无措。那些跳动 ...
2025-05-20在数字化运营的时代，企业每天都在产生海量数据：用户点击行为、商品销售记录、广告投放反馈…… 这些数据就像散落的拼图，而相 ...
2025-05-19在当今数字化营销时代，小红书作为国内领先的社交电商平台，其销售数据蕴含着巨大的商业价值。通过对小红书销售数据的深入分析， ...
2025-05-16Excel作为最常用的数据分析工具，有没有什么工具可以帮助我们快速地使用excel表格，只要轻松几步甚至输入几项指令就能搞定呢？ ...
2025-05-15数据，如同无形的燃料，驱动着现代社会的运转。从全球互联网用户每天产生的2.5亿TB数据，到制造业的传感器、金融交易 ...
2025-05-15大数据是什么_数据分析师培训 其实，现在的大数据指的并不仅仅是海量数据，更准确而言是对大数据分析的方法。传统的数 ...
2025-05-14CDA持证人简介： 万木，CDA L1持证人，某电商中厂BI工程师 ，5年数据经验1年BI内训师，高级数据分析师，拥有丰富的行业经验。 ...
2025-05-13CDA持证人简介： 王明月 ，CDA 数据分析师二级持证人，2年数据产品工作经验，管理学博士在读。 学习入口：https://edu.cda.cn/g ...
2025-05-12CDA持证人简介： 杨贞玺 ，CDA一级持证人，郑州大学情报学硕士研究生，某上市公司数据分析师。 学习入口：https://edu.cda.cn/g ...
2025-05-09CDA持证人简介 程靖 CDA会员大咖，畅销书《小白学产品》作者，13年顶级互联网公司产品经理相关经验，曾在百度、美团、阿里等 ...
2025-05-07相信很多做数据分析的小伙伴，都接到过一些高阶的数据分析需求，实现的过程需要用到一些数据获取，数据清洗转换，建模方法等，这 ...
2025-05-06以下的文章内容来源于刘静老师的专栏，如果您想阅读专栏《10大业务分析模型突破业务瓶颈》，点击下方链接 https://edu.cda.cn/g ...
2025-04-30CDA持证人简介： 邱立峰 CDA 数据分析师二级持证人，数字化转型专家，数据治理专家，高级数据分析师，拥有丰富的行业经验。 ...
2025-04-29CDA持证人简介： 程靖 CDA会员大咖，畅销书《小白学产品》作者，13年顶级互联网公司产品经理相关经验，曾在百度,美团,阿里等 ...
2025-04-28CDA持证人简介： 居瑜 ，CDA一级持证人国企财务经理，13年财务管理运营经验，在数据分析就业和实践经验方面有着丰富的积累和经 ...
2025-04-27数据分析在当今信息时代发挥着重要作用。单因素方差分析（One-Way ANOVA）是一种关键的统计方法，用于比较三个或更多独立样本组 ...
2025-04-25
