- 博客(8)
- 收藏
- 关注
RSS订阅原创 订单分时段活动分析(Power Query)
1. 背景电商大促期间，例如在双十一正式期的活动中，这一天中不同时间段内的不同商品可能会参见不同利益点的促销，以促进完成当天的销售目标，在活动结束之后，往往需要对这些活动的效果进行复盘，统计出各个时间段的总体销售情况，以及各个利益点活动的销售情况，如下图所示：需要使用到的表格：商品信息表：主要字段有包括：商品SPU（主键）、商品ID、商品品类、商品季节、各个利益点报名情况此时商品信息表的主键是商品ID，但是我们需要所有利益点的活动处理至一行中，即转换成下表订单明细表：主要字段包括：订单号、
2020-12-30 16:47:43
924
原创 订单数据分析-实战
1. 京东订单数据准备1.1 京东订单数据介绍2020年5月25日10%抽样数据大家电-家用电器-冰箱70K+1.2 数据清洗缺失值处理用户城市和省份信息有部分缺失，部分订单的订单中支付时间为空值数据逻辑错误格式内容一致性2. 订单数据分析的基本思路2.1 数据监控对于订单数据，在业务中最常见的是使用可视化报表来监测订单关键指标的变化，并在一定维度上进行下钻数据指标维度细分订单总量有效订单、取消订单、待支付订单GMV(所有有效订单的总交易额)
2020-10-11 16:46:56
5771
原创 python数据可视化-matplotlib基础
使用matplotlib作图注意事项：由于默认的pyplot字体并不支持中文字符的显示，因此需要通过甚至font.sans-serif参数来改变绘图时的字体，使得图形可以正常显示中文。同时用于更改字体后，会导致坐标轴中欧给的部分字符无法显示，因此需要同时更改axes.unicode.minus参数plt.rcParams['font.sans-serif']="SimHei"plt.rcParams['axes.unicode_minus']=False1. 创建画布与创建子图构建出一张空白画
2020-09-20 15:17:58
2489
1
原创 分类与预测-LogisticRegression
1. 分类与预测1.1 介绍与实现过程分类和预测是预测问题两种主要类型分类主要是预测分类标号（离散属性），构造一个分类模型，输入样本的属性值，输出对应的类别，将每个样本映射到预先定义好的类别中。预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值，是指即那里两种或两种以上变量间相互依赖的函数模型，然后进行预测和控制。实现过程第一步：学习，通过归纳分析训练样本集建立数据模型，得到相应规则第二步：分类/预测：先用已知的测试样本评估准确性，通过检验后对未知数据进行预测1.2
2020-09-06 17:16:31
2089
原创 资金流入流出预测-时间序列
目录1.基于周期因子的时间序列预测2.具体操作1. 以星期为周期的中位数预测1.基于周期因子的时间序列预测提取时间序列的周期周期性特征进行预测确定周期、 计算周期因子方法1:除以周均值，按列取中位数方法2:季节指数计算方式，获得每个工作日或周末均值，再除以整体均值计算base预测=base*周期因子** 观察序列，当序列呈现周期性变化的时候，可以使用周期因子法作为baseline **如何预测下个月每天的情况获得每日（1-31号）的均值统计（周一到周日）每日的频次基于星期周
2020-08-22 20:17:21
1041
原创 资金流入流出预测-数据分析与探索
这里写自定义目录标题数据分析与探索1. 数据探索和准备步骤功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入数据分析与探索1. 数据探索和准备步骤时间序列图：便于观察数据的特点（周期性、震荡幅度）数据分布可视化：直方图
2020-08-20 23:56:49
1478
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人