数据分析初阶——各变量初步探索（1）

最新推荐文章于 2024-10-16 09:31:22 发布

joeyoung18

最新推荐文章于 2024-10-16 09:31:22 发布

阅读量396

点赞数

分类专栏： SQL 文章标签：数据分析 mysql 数据库大数据

本文链接：https://blog.csdn.net/joeyoung18/article/details/106022879

版权

博客介绍了在数据分析的初期阶段，对Kaggle E-commerce数据集中订单国家分布、顾客与产品数量进行了探索。发现英国订单最多，接着是德国。数据包含3684种产品，4372位顾客，22190个订单。约16.5%的订单被取消。文章还提到了如何使用有条件COUNT函数的方法。

摘要由CSDN通过智能技术生成

本分析数据集采用Kaggle的E-commerce data。

数据分析思路：Kaggle-Customer Segmentation

数据导入详见：数据分析初阶——数据导入

数据初步处理详见：数据分析初阶——数据初步处理

1. 各变量初步探索

在进行数据分析前，需要先对各个字段做简单的了解。

InvoiceNo：订单号。如果在单号前有加C，意思是这个订单是一个取消订单。

StockCode：商品代码。如果是同一商品则是唯一的。

Description：商品描述。

Quantity：订单商品数量。

InvoiceDate：订单日期。

UnitPrice：商品单位价格。

CustomerID：客户ID。

Country：客户所在国家。

1.1 国家

SELECT Country,count(*) FROM ecom.data
GROUP BY Country

对Country计数，结果如下：

表1 订单国籍分布计数（部分）

Country

United Kingdom

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

joeyoung18

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

数据分析初阶——数据初步处理

joeyoung18的博客

05-09

617

本分析数据集采用Kaggle的E-commerce data，数据导入部分详见此处：数据分析初阶——数据导入 1. 数据结构分析

C语言初阶——1.基本数据类型

Sunrise的博客

01-02

435

C语言初阶——1.基本数据类型

参与评论您还未登录，请先登录后发表或查看评论

Pandas的数据初步探索（学习笔记）

diaodongqi2084的博客

03-04

207

Pandas数据结构　　　　　　　　与R语言一样，python也常用于数据分析。除了常用的科学计算库Numpy和绘图库matplotlib之外，pandas也给python提供了强大助力。　　　　首先要认识pandas的两种强大的数据结构Series和DataFrame。其中Series就是序列，类似一维数组，索引在左边，值在右边；而DataFrame则是类似于二维数组。 ...

动手学数据分析Day1

fymobo的博客

06-15

185

数据读取与初步观察 1.1.1 任务一：导入numpy和pandas import pandas as pd import numpy as np 1.1.2 任务二：载入数据 import os os.getcwd() train = pd.read_csv('train.csv') train_table = pd.read_table('train.csv', sep=',') #read_table将整个文件读入为单列表格，指定sep=','参数可使其效果与read_csv一致 train_ta

数据挖掘之数据探索

OY_palada

09-25

1288

以上为个人整理资料，资料来源百度。

数据分析初步

天伤星的博客

04-10

827

探索性数据分析(Exploratory Data Analysis, EDA)是指对已有的数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征等手段探索数据的结构和规律的一种数据分析方法。数据及背景 https://tianchi.aliyun.com/competition/entrance/231784/information（阿里天池-零基础入门数据挖掘） EDA的目标熟悉数据集...

C语言初阶——3.数组

Sunrise的博客

01-29

394

C语言初阶——3.数组

【C语言】——指针（初步认识指针）

沉淀物

10-25

2791

指针——初阶

数据分析师之路

03-19

数据分析师的职业道路充满挑战与机遇，从初阶的数据呈现到高级的智能挖掘，每一步都需要不断学习和实践。通过与业务团队的紧密合作，数据分析师能够发挥更大价值，推动企业决策的科学化与智能化。在未来，随着大数据...

数据探索和数据准备的步骤

成鹏的专栏

07-04

6735

数据探索和数据准备的步骤前言如我们所知，数据分析工作的70%的时间都用作于数据清洗，数据探索和数据准备当中，这可以说是数据分析的核心所在。数据清洗主要是工具层面上的，这里先不讨论。我们这里讨论数据探索和数据准备的六大步骤。变量的识别单变量的分析双变量的分析处理缺失值处理异常值特征提取(Feature Engineering) 变量的识别在对数据分析之前，我们需要去识别变量，去了解变量

数据分析之数据初步探索流程图思维导图

weixin_44668131的博客

08-20

1032

以上是笔者自己整理，后续有补充会继续完善。

数据探索大致流程

m0_46926492的博客

02-07

1976

在拿到数据后，首先要进行的是数据探索分析（），它可以有效的帮助我们熟悉数据集，了解数据集。初步分析变量间的相互关系以及变量与预测值之间的关系，并且对数据进行初步处理，如：数据的异常和缺失处理等，以便使数据集的结构和特征让接下来的预测问题更加可靠数据探索分析还可以获得有关数据清理的宝贵灵感(缺失值处理，特征降维…)获得特征工程的启发获得对数据集的感性认识意义数据决定了问题能够被解决的最大上限，而模型只决定如何逼近这个上限。

机器学习——数据探索大致流程

Dunkle.T的博客

04-05

1471

什么是EDA 在拿到数据后，首先要进行的是数据探索性分析（Exploratory Data Analysis），它可以有效的帮助我们熟悉数据集、了解数据集。初步分析变量间的相互关系以及变量与预测值之间的关系，并且对数据进行初步处理，如：数据的异常和缺失处理等，以便使数据集的结构和特征让接下来的预测问题更加可靠。并且对数据的探索分析还可以： 1.获得有关数据清理的宝贵灵感（缺失值处理，特征降维…） 2.获得特征工程的启发 3.获得对数据集的感性认识意义：数据决定了问题能够被解决的最大上限，而模型只决定

每天一个数据分析题（五百零八）- 机器学习模型

shiguangre的博客

10-14

364

内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！D. SVM的处理方法是只考虑support vectors，也就是和分类最相关的少数点，去学习分类器。逻辑回归和支持向量机（SVM）都是经典的机器学习模型，逻辑回归和SVM的联系与区别，不正确的是？B. 二者都可以增加不同的正则化项。A. 二者都可以处理分类问题。C. 二者都是参数模型。

Python近红外光谱数据分析技术

最新发布

a1561702198的博客

10-16

1093

Python近红外光谱数据分析技术

基于Python的京东食品数据分析和可视化系统

计算机学姐的博客

10-11

1157

基于Python的京东食品数据分析和可视化系统

Pandas | 通过PUBG数据集进行数据分析并理解函数使用

HG0724的博客

10-14

946

在这种情况下，‘count’ 聚合函数计算每个组中非NA/null值的数量，然后将这个计数应用到每个组内的每个元素上。在Pandas中，groupby 方法用于对数据进行分组，而 transform 和 count 是对分组后的数据进行操作的两种不同方法。你可以根据你的具体需求和数据的大小选择最适合的方法。在Pandas中，你可以使用几种不同的方法来判断一个DataFrame的某一列是否没有重复值。是基于整数位置的索引器，它接受行和列的整数位置作为输入。是基于标签的索引器，它接受行和列的标签作为输入。

Python的matplotlib可视化工具基本操作（数据分析生成图表）

Wgq0731的博客

10-11

848

plt.hist()是利用pyplot工具打点调用hist直方图函数创建直方图，第一个参数为绘图所需的数据，第二个参数是设置这个图表的颜色。坐标轴标签（Axis Labels）使用 plt.xlabel() 和 plt.ylabel() 函数为 x 轴和 y 轴设置标签。坐标轴范围（Axis Limits）使用 plt.xlim() 和 plt.ylim() 函数设置坐标轴的范围。坐标轴刻度（Ticks）使用 plt.xticks() 和 plt.yticks() 函数自定义坐标轴的刻度。

每天一个数据分析题（五百零五）- 提升方法

shiguangre的博客

10-12

488

内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！提升方法（Boosting），是一种可以用来减小监督式学习中偏差的机器学习算法。基于Boosting的集成学习，其代表算法不包括？D. 随机森林。

Sun云计算技术：数据仓库DW初阶与云基础

在数据仓库（DW）初阶阶段，我们关注的是如何构建和利用数据仓库来支持企业的决策制定。数据仓库是一个专门设计用于数据分析的系统，它整合了来自不同业务系统的数据，提供了单一的视图，以便进行报告、分析和挖掘。...