- 博客(5)
- 收藏
- 关注
RSS订阅原创 深耕大数据分析与应用：从理论到实践的成长与感悟
大数据分析与应用的学习之旅，是一段充满挑战与收获的旅程。通过这段学习，我系统掌握了数据预处理、EDA、建模分析等核心技能，积累了丰富的编程实践经验，更重要的是，建立了“数据驱动决策”的思维模式。在未来的学习和工作中，我将继续深耕以下几个方向：1. 深化技术学习：重点学习Spark、Flink等分布式计算框架，提升处理海量数据的能力；深入研究机器学习和深度学习算法，提升模型构建和优化能力。2. 加强业务理解：深入了解行业业务逻辑，将数据分析与业务场景更紧密地结合，提升分析结果的落地价值。
2025-12-25 15:20:38
796
原创 Hadoop心得体会
其实WordCount案例虽然简单，但已经覆盖了MapReduce的核心逻辑：用分治思想拆分大任务，用映射-归约思想处理数据，Hadoop框架负责底层的分布式调度、数据传输和容错。对于新手来说，不用一开始就纠结底层原理，先把这个案例的代码跑通，理解清楚Map和Reduce的作用，再慢慢深入优化技巧和分布式特性。记住：MapReduce编程的核心是“把业务逻辑拆成Map和Reduce两个函数”，剩下的分布式处理工作，Hadoop都会帮你搞定。
2025-12-03 15:51:19
598
原创 数据可视化心得体会
在当今数字化时代，数据如同汹涌的浪潮，不断地向我们涌来。从商业领域的销售数据、市场调研数据，到科学研究中的实验数据、观测数据，再到日常生活中的健康数据、消费数据，数据的规模和复杂性与日俱增。面对如此庞大的数据量，如何从中提取有价值的信息，成为了摆在我们面前的一大挑战。数据可视化，正是应对这一挑战的有力武器。数据可视化，简单来说，就是将数据以图形、图表、地图、信息图等直观的视觉形式呈现出来，让数据中的信息和模式一目了然。它不仅仅是一种展示数据的方式，更是一种强大的数据分析和沟通工具。
2025-11-08 17:21:52
706
原创 数据可视化心得体会
**观察分布**：**直方图**（用于单一变量的分布）、**箱线图**（用于显示中位数、四分位数和异常值）、**散点图**（用于两个连续变量的关系）。4. **叙事与说服**：高级的可视化能够将一个复杂的故事串联起来，引导观众沿着你的逻辑思路前进，最终产生共鸣并被说服。* **高精度通道**：基于位置的编码（如散点图）、基于长度的编码（如柱状图）是人类感知最精确的。* **揭示关系**：**散点图**是研究两个变量相关性的利器，**气泡图**则可以引入第三个变量（用气泡大小表示）。
2025-11-02 22:29:13
362
原创 Python数据分析可视化学习：从基础到实践的成长之路
而seaborn是基于matplotlib开发的高级库，它简化了绘图流程，内置了美观的样式和常用的统计可视化功能（如回归图、箱线图等），能让我们更高效地画出具有统计意义且美观的图形，不过它的很多功能底层还是依赖matplotlib实现，二者互补，不是替代关系。直方图用于展示数据的分布情况，它的区间是连续的，柱子之间没有间隙，比如前面绘制的电影评分分布直方图，每个柱子代表一个评分区间的频率。箱线图能很好地展示不同年份票房数据的离散程度、中位数、异常值等信息，帮助发现某些年份票房的特殊表现。
2025-06-23 08:50:12
319
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