day_1.数据分析师进阶必备之myql

最新推荐文章于 2025-04-29 15:21:55 发布
最新推荐文章于 2025-04-29 15:21:55 发布
阅读量40 收藏
点赞数
文章标签： wps
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_58118436/article/details/133249583
版权
本文指出，尽管MySQL在数据处理中常见，但在底层数据分析工作中，Excel凭借其强大的功能如VLOOKUP、SUMIF、XLOOKUP和数据透视表，足以胜任。作者强调了Excel的基础操作，如Crtl+Shift+L筛选和C+V复制，以及与MySQL功能的部分重叠。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

嘿嘿，你们肯定是被标题骗过来的，其实最底层的数据分析工作是不用mysql的，只用excel，强大的excel，excel中我们用到的最核心的可能也就是Ctrl+shift+L键进行的筛选了，我是进入到工作中才开始学习excel的，结合具体的业务很快就可以上手，要求也不是很高，用的最多的就是vlookup函数匹配，还有sumif函数，以及Xlookup函数，数据透视表大家如果想学的话，自己去搜吧，因为我大学的时候没有怎么系统的去学习过excel只是学习过一些mysql，这两个其实有些功能是相同的

增，删，改，查。excel中的增加，一般都是我们直接C+V大法，删除的话选中某些行，快捷删除，，，等等，这只是一些基础的

shell实例手册
yonggeit的博客
05-27 6299
shell实例手册 1文件{ touch file # 创建空白文件 rm -rf 目录名 # 不提示删除非空目录(-r:递归删除 -f强制) dos2unix # windows文本转linux文本 unix2dos # linux文本转windows文本 enca filename ...
AI入门系列——数据分析
General_zy的博客
02-27 3364
人工智能（Artificial Intelligence，AI）之研究目的是通过探索智慧的实质，扩展人类智能——促使智能主体会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、专家系统等）、会学习（知识表示，机器学习等）、会行动（机器人、自动驾驶汽车等）。一个经典的AI定义是：“ 智能主体可以理解数据及从中学习，并利用知识实现特定目标和任务的能力。”从技术层面来看，现在所说的人工智能技术基本上就是机器学习方面的（也就是，机器学习技术是入门AI的核心技术
如何掌握好python数据分析技能_从负基础起步，掌握数据分析技能
weixin_39571179的博客
12-21 186
笔者向我们说明了学会数据分析对于运营人的重要性，并介绍了如何掌握数据分析技能。作为一个在大学与统计、数学、计算机这些学科完全绝缘的语言学专业的毕业僧，同时又是一个从医疗销售半路出家转行到互联网的产品运营。连数据零基础都算不上，到现在玩得转SQL，写得了代码，利用这些工具极大地提升了工作效率，也帮助我获得了更多的职场机会。这篇文章来说下，怎么掌握数据分析技能。一、为什么学习数据分析1. 运营的尴尬：...
Python快速进阶知识点【岗前必备技能】
GhostWorld
06-17 6886
Python 课程方向： Web全栈（前端Vue，后端服务（前端App-小程序、 Android/iOS 手机App、 H5 响应式网站）、 自动化测试（UI/功能性测试、 接口测试）、开发运维（Linux、部署、 Docker） ） 、 数据分析+AI+开发（爬虫、Excel文件处理、商业化Power BI、Numpy+Pandas+Notebook+sklearn机器学习算法模型、 Tensorflow/keras/PyTouch 深度机器 学习框架） 【重要提示】感兴趣的同学，可以加Disen.
Linux云计算高端架构师+DevOps高级虚拟化高级进阶视频
kubernetes中文社区
08-22 2370
课程大纲 1.开班典礼(1)_rec.mp4 2.开班典礼(2)_rec.mp4 3.开班典礼(3)_rec.flv 4.Linux操作系统系统安装及启动流程（1）_rec.flv 5.Linux操作系统系统安装及启动流程（2）_rec.flv 6.Linux必备命令讲解（1）_rec.flv 7.Linux必备命令讲解（2）_rec.flv 8.Linux必备命令讲解及系统启动流程（1）_rec...
mysql存储过程 limit_mysql存储过程 limit
weixin_42524499的博客
01-19 382
SQL分页查询代码SQL Server关于分页 SQL 的资料许多，有的使用存储过程，有的使用游标。本人不喜欢使用游标，我觉得它耗资、效率低；使用存储过程是个不错的选择，因为存储过程是颠末预编译的，执行效率高，也更灵活。先看看单条 SQL 语句的分页 SQL 吧。方法1：适用于 SQL Server 2000...文章nieson2014-01-031412浏览量Mysql 5.7存储过程的学习M...
大数据新视界 -- 大数据大厂之 Impala 性能优化：解锁大数据分析的速度密码（上）（1/30）
【青云交】华为云云享专家，在技术圈个人影响力位居前 17，跻身博客之星 TOP23。全国原力、全网领军人物双料登顶，作者周榜位居前二，苏州地区各榜也统统拿下榜首之位，实力爆棚！
11-03 1633
本文围绕 Impala 性能优化展开，阐述其对大数据分析效率和企业决策的关键意义，剖析数据规模与复杂度、查询优化等挑战。介绍数据存储（分区、压缩）和查询（索引、语句重塑）优化策略，并通过电商和金融案例展示效果。对比 Impala 与 Hive、Spark SQL 的优劣，强调 Impala 在 OLAP 查询的优势。还介绍了可视化工具对优化的助力。鼓励读者分享 Impala 使用中的优化经验，同时预告下一篇将深入探讨数据存储分区相关内容。
数据分析
qq_27997957的博客
05-12 226
https://zhuanlan.zhihu.com/p/61628903 一、为什么学习数据分析 1、运营的尴尬：运营人需要一个硬技能 每个初入行的新人都会察觉到，运营是一个似乎并没有自己的核心竞争力和安全感的工作。因为每天的工作好像都被各种琐事所围绕，而只有一个主题是永恒不变的，那就是---提需求，不断的提各种需求。 运营人需要一个硬核技能，提升自己的职业价值，提高自己的职业安全感，而...
大数据新视界 --大数据大厂之 Druid 查询性能提升：加速大数据实时分析的深度探索
【青云交】华为云云享专家，在技术圈个人影响力位居前 17，跻身博客之星 TOP23。全国原力、全网领军人物双料登顶，作者周榜位居前二，苏州地区各榜也统统拿下榜首之位，实力爆棚！
10-04 3388
本文深入探讨 Druid 查询性能优化。阐述 Druid 架构，分析数据存储、摄入方式与查询性能的关系，介绍优化策略如存储格式、索引维护、摄入模式调整和查询语句优化，还通过交通、游戏等行业案例展示优化效果。
mysql数据库，语法语句总结。以及事务理解-基础篇
weixin_62414347的博客
01-16 811
数据库Sql语句DDL语句操作数据库操作数据库的表结构表结构的修改：sql数据类型：DML语句(增删改)插入数据删除数据修改数据DQL语句(查询)基本查询条件查询综合操作查询DCL控制语句函数数值函数日期函数：约束多表查询内连接外连接自连接联合查询子查询标量子查询列子查询行子查询表子查询事务事务的隔离级别（由低到高，性能由高到低）读未提交 等级 1读已提交 等级 2可重复读 等级4串行化隔离 等级8数据库进阶存储引擎
SQL免费课程|零基础入门|数据分析必备|Mysql数据库 - SQL打卡-Day1学习任务
在数据分析过程中，SQL可用于从数据库中提取和分析数据，进行数据聚合、筛选、排序和连接等操作，为数据分析提供支持。 ## 1.3 学习SQL的必要性和意义 学习SQL可以让数据分析人员更好地理解和操作数据库，提高数据...
Superset全方位实战指南：构建属于你的数据仪表板
Apache Superset作为一种开源的商业智能工具，以其丰富的数据可视化和直观的用户界面受到数据分析师的青睐。本文旨在全面介绍Superset的概述、基础设置、数据源集成、数据可视化技巧、进阶功能及性能优化。文章首先...
python框架Flask带你从入门到精通
黑技的博客
01-08 493
flask从入门到精通教程可视化学习。
【lxml.etree在Web Scraping中的应用】：爬虫开发者的利器
# 1. Web Scraping与lxml.etree概述 在信息技术日新月异的今天，Web Scraping（网络抓取）技术已经成为获取网络信息的重要手段。它允许开发者从网页中提取所需数据，而lxml.etree是Python中一个功能强大且灵活的库...
wps批注线条怎么取消去掉wps批注后有竖线
Java&Develop的博客
04-28 223
wps批注线条怎么取消去掉wps批注后有竖线
深度探索：DeepSeek赋能WPS图表绘制 
qq_57128262的博客
04-26 1066
若生成的图表不符合预期，用户可再次向DeepSeek提出修改需求，DeepSeek会根据新的需求调整代码，用户重新运行代码，直至获得满意的图表，从而实现了从数据到可视化图表的高效转化。在明确需要绘制不同产地的汽车重量与马力之间的散点气泡图后，用户向DeepSeek提出精确的绘图需求：“制作表格中horsepower列与weight列的气泡图，标签分类为origin列，使用Seaborn库绘图，并能在wps中的excel中进行脚本运行”。这些数据为深入分析汽车性能与属性之间的关系提供了丰富的信息。
增强版wps-plugin-deepseek开源插件是DeepSeek 支持的 WPS 插件，在您的办公工作流程中提供智能文档自动化和 AI 驱动的生产力增强
struggle2025的博客
04-27 1434
增强版wps-plugin-deepseek开源插件专为WPS Office插件开发打造的Vue模板，搭配Vite构建工具，提供丰富的WPS API实操示例。虽然官方提供了TypeScript扩展包，但支持程度有限，因此本项目选择使用JavaScript进行开发。
Markdown转WPS office工具pandoc实践笔记
最新发布
肖永威的专栏
04-29 497
Markdown转WPS office工具pandoc实践笔记
如何删除此电脑上的迅雷下载、WPS云盘、百度网盘
gusijin的博客
04-28 277
按 Win + R 调出 运行 输入 regedit 后点击确定，打开注册表编辑器。我们安装软件后，此电脑中出现这种情况，感觉很碍眼，那我们怎么将他移除呢？在 NameSpace 目录下右键需要删除的项，选择删除。
用python实现以下要求。1，用pandas库读取bike_day.csv文件，查看前5行，后2行。2选择instant，dteday,yr,casual,registered共五行数据，将缺失值丢弃，处理后的数据导出到bike_day_user.txt，数据之间用空格分隔，每行末尾包含换行符。3，读取bike_day_user.txt，计算列casual与列registered和，并作为一个新的列cnt添加到原始数据，导出到新的Excel文件bike_day_user_cnt.xlsx。4读取bike_day_user_cnt.xlsx，计算列cnt最大值，最小值；分别统计2011年和2012年cnt的年平均值，以及2011年和2012年每个月的月平均值。5，将上一步计算得出的2011年和2012年共享单车租凭用户的月平均值以及水平柱状图可视化显示，y轴代表月份，刻度为每个月份，包括图例，图标题，填充颜色为蓝色，保存为bike_day_user_cnt.png，分辨率不低于300dpi
05-27
好的，以下是Python代码实现： ``` import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1. 读取并查看数据 bike_day = pd.read_csv('bike_day.csv') print(bike_day.head(5)) # 前5行 print(bike_day.tail(2)) # 后2行 # 2. 处理数据并导出到文件 bike_day_user = bike_day[['instant', 'dteday', 'yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ', index=False, header=False) # 3. 读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant', 'dteday', 'yr', 'casual', 'registered']) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) # 4. 读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') print('cnt最大值:', bike_day_user_cnt['cnt'].max()) print('cnt最小值:', bike_day_user_cnt['cnt'].min()) print('2011年cnt年平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean()) print('2012年cnt年平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean()) print('2011年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean()) print('2012年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean()) # 5. 可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean(), color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean(), color='lightblue', label='2012') ax.set_yticks(np.arange(1, 13)) ax.set_yticklabels(['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300) ``` 这段代码实现了对给定数据的读取、处理、统计、可视化和保存等功能。其中： - 第1步使用`pandas`库读取`bike_day.csv`文件，并分别查看前5行和后2行数据。 - 第2步选择5列数据并将缺失值丢弃，处理后的数据导出到`bike_day_user.txt`文件中。 - 第3步读取`bike_day_user.txt`文件，并添加新的一列`cnt`表示共享单车租赁用户总数，将处理后的数据导出到`bike_day_user_cnt.xlsx`文件中。 - 第4步读取`bike_day_user_cnt.xlsx`文件，并对`cnt`列进行最大值、最小值、年平均值和月平均值的统计。 - 第5步使用`matplotlib`库进行数据可视化，并保存为`bike_day_user_cnt.png`文件。 希望这个代码可以帮到你！
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值