第二十三天-数据分析入门实战

最新推荐文章于 2024-07-18 11:02:17 发布
最新推荐文章于 2024-07-18 11:02:17 发布
阅读量916 收藏 24
点赞数 19
分类专栏： 自学Python从零开始到量化交易 文章标签： 数据分析 数据挖掘 大数据 python pandas
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/qq_34960590/article/details/136692366
版权

目录

1.常用的数据获取网站

2.分析电信用户流失率

字段说明

1.读取数据

2.数据分析describe

3.数据验证

4.分析目的

1.整体流失情况：人数、比例、流失率

2.性别：人数、比例、流失率

3.老人：人数、比例、流失率

4.是否有配偶：人数、比例、流失率

5.是否经济独立（Yes or No）：人数、比例、流失率

6.数据洞察：现象、溯源、建议

 7.优化编写通用方法

1.常用的数据获取网站

2.和鲸：和鲸社区 - Heywhale.com

2.分析电信用户流失率

数据地址：https://www.heywhale.com/mw/project/646f0246bf6378dc90a5233f/dataset

字段说明

字段解释
customerID用户ID
gender性别
SeniorCitizen是否是老年人（1代表是）
Partner是否有配偶（Yes or No）
Dependents是否经济独立（Yes or No）
tenure用户入网时间
PhoneService是否开通电话业务（Yes or No）
MultipleLines是否开通多条电话业务（Yes 、 No or No phoneservice）
InternetService是否开通互联网服务（No、DSL数字网络或filber potic光线网络）
OnlineSecurity是否开通网络安全服务（Yes、No or No internetservice）
OnlineBackup是否开通在线备份服务（Yes、No or No internetservice）
DeviceProtection是否开通设备保护服务（Yes、No or No internetservice）
TechSupport是否开通技术支持业务（Yes、No or No internetservice）
StreamingTV是否开通网络电视（Yes、No or No internetservice）
StreamingMovies是否开通网络电影（Yes、No or No internetservice）
Contract合同签订方式（按月、按年或者两年）
PaperlessBilling是否开通电子账单（Yes or No）
PaymentMethod付款方式（bank transfer、credit card、electronic check、mailed check）
MonthlyCharges月度费用
TotalCharges总费用
Churn是否流失（Yes or No）

1.读取数据

#数据地址：https://www.heywhale.com/mw/project/646f0246bf6378dc90a5233f/dataset
file_name = "WA_Fn-UseC_-Telco-Customer-Churn.csv"
# 读取数据
df = pd.read_csv(file_name)
# 更改列名为中文
df=df.rename(columns={'customerID': '用户ID',"gender":"性别","SeniorCitizen":"是否是老年人（1代表是）","Partner":"是否有配偶（Yes or No）","Dependents":"是否经济独立（Yes or No）","tenure":"用户入网时间","PhoneService":"是否开通电话业务（Yes or No）","MultipleLines":"是否开通多条电话业务（Yes 、 No or No phoneservice）","InternetService":"是否开通互联网服务（No、DSL数字网络或filber potic光线网络）","OnlineSecurity":"是否开通网络安全服务（Yes、No or No internetservice）","OnlineBackup":"是否开通在线备份服务（Yes、No or No internetservice）","DeviceProtection":"是否开通设备保护服务（Yes、No or No internetservice）","TechSupport":"是否开通技术支持业务（Yes、No or No internetservice）","StreamingTV":"是否开通网络电视（Yes、No or No internetservice）","StreamingMovies":"是否开通网络电影（Yes、No or No internetservice）","Contract":"合同签订方式（按月、按年或者两年）","PaperlessBilling":"是否开通电子账单（Yes or No）","PaymentMethod":"付款方式（bank transfer、credit card、electronic check、mailed check）","MonthlyCharges":"月度费用","TotalCharges":"总费用","Churn":"是否流失（Yes or No）"})
print("df.head:", df.head())

out：

df.head:          用户ID      性别  是否是老年人（1代表是）  ...   月度费用      总费用  是否流失（Yes or No）
0  7590-VHVEG  Female             0  ...  29.85    29.85               No
1  5575-GNVDE    Male             0  ...  56.95   1889.5               No
2  3668-QPYBK    Male             0  ...  53.85   108.15              Yes
3  7795-CFOCW    Male             0  ...  42.30  1840.75               No
4  9237-HQITU  Female             0  ...  70.70   151.65              Yes

[5 rows x 21 columns]

2.数据分析describe

describe,默认只识别int，float数值类型的，只会打印出3列数据

print("列类型",df.dtypes)
print("df.describe:", df.describe())

out

列类型 用户ID                                                              object
性别                                                                object
是否是老年人（1代表是）                                                       int64
是否有配偶（Yes or No）                                                  object
是否经济独立（Yes or No）                                                 object
用户入网时间                                                             int64
是否开通电话业务（Yes or No）                                               object
是否开通多条电话业务（Yes 、 No or No phoneservice）                           object
是否开通互联网服务（No、DSL数字网络或filber potic光线网络）                            object
是否开通网络安全服务（Yes、No or No internetservice）                          object
是否开通在线备份服务（Yes、No or No internetservice）                          object
是否开通设备保护服务（Yes、No or No internetservice）                          object
是否开通技术支持业务（Yes、No or No internetservice）                          object
是否开通网络电视（Yes、No or No internetservice）                            object
是否开通网络电影（Yes、No or No internetservice）                            object
合同签订方式（按月、按年或者两年）                                                 object
是否开通电子账单（Yes or No）                                               object
付款方式（bank transfer、credit card、electronic check、mailed check）     object
月度费用                                                             float64
总费用                                                               object
是否流失（Yes or No）                                                   object
dtype: object

df.describe:        是否是老年人（1代表是）       用户入网时间         月度费用
count   7043.000000  7043.000000  7043.000000
mean       0.162147    32.371149    64.761692
std        0.368612    24.559481    30.090047
min        0.000000     0.000000    18.250000
25%        0.000000     9.000000    35.500000
50%        0.000000    29.000000    70.350000
75%        0.000000    55.000000    89.850000
max        1.000000    72.000000   118.750000

查询所有的

print("df.describe:", df.describe(include="all"))

out:

df.describe:               用户ID    性别  是否是老年人（1代表是）  ...         月度费用   总费用  是否流失（Yes or No）
count         7043  7043   7043.000000  ...  7043.000000  7043             7043
unique        7043     2           NaN  ...          NaN  6531                2
top     7590-VHVEG  Male           NaN  ...          NaN                     No
freq             1  3555           NaN  ...          NaN    11             5174
mean           NaN   NaN      0.162147  ...    64.761692   NaN              NaN
std            NaN   NaN      0.368612  ...    30.090047   NaN              NaN
min            NaN   NaN      0.000000  ...    18.250000   NaN              NaN
25%            NaN   NaN      0.000000  ...    35.500000   NaN              NaN
50%            NaN   NaN      0.000000  ...    70.350000   NaN              NaN
75%            NaN   NaN      0.000000  ...    89.850000   NaN              NaN
max            NaN   NaN      1.000000  ...   118.750000   NaN              NaN

3.数据验证

1.验证缺失值

print("验证数据是否有确实值",df.isnull())
#验证数据是否有确实值的个数
print("验证数据是否有确实值",df.isnull().sum())

out

验证数据是否有确实值        用户ID     性别  是否是老年人（1代表是）  ...   月度费用    总费用  是否流失（Yes or No）
0     False  False         False  ...  False  False            False
1     False  False         False  ...  False  False            False
2     False  False         False  ...  False  False            False
3     False  False         False  ...  False  False            False
4     False  False         False  ...  False  False            False
...     ...    ...           ...  ...    ...    ...              ...
7038  False  False         False  ...  False  False            False
7039  False  False         False  ...  False  False            False
7040  False  False         False  ...  False  False            False
7041  False  False         False  ...  False  False            False
7042  False  False         False  ...  False  False            False

[7043 rows x 21 columns]
验证数据是否有确实值 用户ID                                                             0
性别                                                               0
是否是老年人（1代表是）                                                     0
是否有配偶（Yes or No）                                                 0
是否经济独立（Yes or No）                                                0
用户入网时间                                                           0
是否开通电话业务（Yes or No）                                              0
是否开通多条电话业务（Yes 、 No or No phoneservice）                          0
是否开通互联网服务（No、DSL数字网络或filber potic光线网络）                           0
是否开通网络安全服务（Yes、No or No internetservice）                         0
是否开通在线备份服务（Yes、No or No internetservice）                         0
是否开通设备保护服务（Yes、No or No internetservice）                         0
是否开通技术支持业务（Yes、No or No internetservice）                         0
是否开通网络电视（Yes、No or No internetservice）                           0
是否开通网络电影（Yes、No or No internetservice）                           0
合同签订方式（按月、按年或者两年）                                                0
是否开通电子账单（Yes or No）                                              0
付款方式（bank transfer、credit card、electronic check、mailed check）    0
月度费用                                                             0
总费用                                                              0
是否流失（Yes or No）                                                  0
dtype: int64

2. 验证是否有重复值

print("验证是否有重复值",df.duplicated())
print("验证是否有重复值,指定列",df["是否是老年人（1代表是）"].duplicated())

out:

验证是否有重复值 0       False
1       False
2       False
3       False
4       False
        ...  
7038    False
7039    False
7040    False
7041    False
7042    False
Length: 7043, dtype: bool
验证是否有重复值,指定列 0       False
1        True
2        True
3        True
4        True
        ...  
7038     True
7039     True
7040     True
7041     True
7042     True
Name: 是否是老年人（1代表是）, Length: 7043, dtype: bool

4.分析目的

1.整体流失情况：人数、比例、流失率

print(df["是否流失（Yes or No）"].drop_duplicates())
liushi1=df[df["是否流失（Yes or No）"]=="Yes"]["是否流失（Yes or No）"].count()
liushi0=df[df["是否流失（Yes or No）"]=="No"]["是否流失（Yes or No）"].count()

out:

流失人数： 1869
未流失人数： 5174
流失率： 0.2653698707936959

2.性别：人数、比例、流失率

#只过滤流失率的数据
liushi1_data=df[df["是否流失（Yes or No）"]=="Yes"]
#性别：人数、比例、流失率
print(df["性别"].drop_duplicates())
xingbNan=df[df["性别"]=="Male"]["性别"].count()
xingbNv=df[df["性别"]=="Female"]["性别"].count()

#男性流失率： 男性流失人数/男性人数
liushiNan=len(liushi1_data[liushi1_data["性别"]=="Male"])/xingbNan
print("男性流失人数：",liushiNan)
liushiNv=len(liushi1_data[liushi1_data["性别"]=="Female"])/xingbNv
print("女性流失人数：",liushiNv)

out:

0    Female
1      Male
Name: 性别, dtype: object
男性流失人数： 0.2616033755274262
女性流失人数： 0.26920871559633025

3.老人：人数、比例、流失率

#老人：人数、比例、流失率
print(df["是否是老年人（1代表是）"].drop_duplicates())
laonr0=len(df[df["是否是老年人（1代表是）"]==0])
laonr1=len(df[df["是否是老年人（1代表是）"]==1])
print("非老年人人数:",laonr0)
print("老年人人数:",laonr1)
#计算流失率：老年人流失人数/ 老年人人数

liushiLaonr0=len(liushi1_data[liushi1_data["是否是老年人（1代表是）"]==0])/laonr0
print("非老年流失人数：",liushiLaonr0)
liushiLaonr1=len(liushi1_data[liushi1_data["是否是老年人（1代表是）"]==1])/laonr1
print("老年人流失人数：",liushiLaonr1)

out:

0     0
20    1
Name: 是否是老年人（1代表是）, dtype: int64
非老年人人数: 5901
老年人人数: 1142
非老年流失人数： 0.23606168446026096
老年人流失人数： 0.4168126094570928

4.是否有配偶：人数、比例、流失率

# 是否有配偶：人数、比例、流失率
print(df["是否有配偶（Yes or No）"].drop_duplicates())
peio0 = len(df[df["是否有配偶（Yes or No）"] == "No"])
peio1 = len(df[df["是否有配偶（Yes or No）"] == "Yes"])
print("无配偶人数:", peio0)
print("有配偶人数:", peio1)

# 计算流失率：无配偶流失人数/ 无配偶人数
liushiPeio0 = len(liushi1_data[liushi1_data["是否有配偶（Yes or No）"] == "No"]) / peio0
print("无配偶流失率：", liushiPeio0)
liushiPeio1 = len(liushi1_data[liushi1_data["是否有配偶（Yes or No）"] == "Yes"]) / peio1
print("有配偶流失率：", liushiPeio1)

out:

0    Yes
1     No
Name: 是否有配偶（Yes or No）, dtype: object
无配偶人数: 3641
有配偶人数: 3402
无配偶流失率： 0.32957978577313923
有配偶流失率： 0.1966490299823633

5.是否经济独立（Yes or No）：人数、比例、流失率

#是否经济独立（Yes or No）：人数、比例、流失率
print(df["是否经济独立（Yes or No）"].drop_duplicates())
jingjdl0 = len(df[df["是否经济独立（Yes or No）"] == "No"])
jingjdl1 = len(df[df["是否经济独立（Yes or No）"] == "Yes"])
print("非经济独立人数:", jingjdl0)
print("经济独立人数:", jingjdl1)

# 计算流失率：非经济独立流失人数 / 非经济独立人数
liushiJingjdl0 = len(liushi1_data[liushi1_data["是否经济独立（Yes or No）"] == "No"]) / jingjdl0
print("非经济独立流失率：", liushiJingjdl0)
liushiJingjdl1 = len(liushi1_data[liushi1_data["是否经济独立（Yes or No）"] == "Yes"]) / jingjdl1
print("经济独立流失率：", liushiJingjdl1)

out:

0     No
6    Yes
Name: 是否经济独立（Yes or No）, dtype: object
非经济独立人数: 4933
经济独立人数: 2110
非经济独立流失率： 0.3127914048246503
经济独立流失率： 0.15450236966824646

6.数据洞察：现象、溯源、建议

1.性别：

男性流失人数： 0.2616033755274262
女性流失人数： 0.26920871559633025

无特殊性

2.是否老年人

非老年流失人数： 0.23606168446026096
老年人流失人数： 0.4168126094570928

老年人相对于非老年人，更容易流失

3.是否有配偶

无配偶流失率： 0.32957978577313923
有配偶流失率： 0.1966490299823633

单身用户更容易流失

4.经济独立

非经济独立流失率： 0.3127914048246503
经济独立流失率： 0.15450236966824646

非经济独立用户更容易流失

 7.优化编写通用方法

1. 编写通用方法，用于计算列类型为分类的

2.下面计算用户产品属性的分析

def calc_cate(col, types):
    """
    计算列类型，为多个分类的数据，计算：人数、比例、流失率
    :param col: 列名
    :param types:  分类，数组类型
    :return:
    """
    print("***********************计算开始{}*******************************".format(col))
    print("计算列：{}，分类：{}".format(col, types.values))
    for type in types:
        # 计算分类下的总人数
        zongrs = len(df[df[col] == type])
        print("【{}】的下【{}】,总人数为：{}".format( col, type, zongrs))
        #计算流失人数 分类下流失人数/ 该分类下人数
        liusrs= len(liushi1_data[liushi1_data[col] ==type])
        liuslv=liusrs/zongrs
        print("【{}】的下【{}】,总人数为：{}，流失率{}".format(col, type, liusrs,liuslv))


    print("***********************计算结束{}*******************************".format(col))


# 计算用户属性
# "MultipleLines": "是否开通多条电话业务（Yes 、 No or No phoneservice）",
#                        "InternetService": "是否开通互联网服务（No、DSL数字网络或filber potic光线网络）",
#                        "OnlineSecurity": "是否开通网络安全服务（Yes、No or No internetservice）",
#                        "OnlineBackup": "是否开通在线备份服务（Yes、No or No internetservice）",
#                        "DeviceProtection": "是否开通设备保护服务（Yes、No or No internetservice）",
#                        "TechSupport": "是否开通技术支持业务（Yes、No or No internetservice）",
#                        "StreamingTV": "是否开通网络电视（Yes、No or No internetservice）",
#                        "StreamingMovies": "是否开通网络电影（Yes、No or No internetservice）",
yonghusxCol = ["是否开通电话业务（Yes or No）",
               "是否开通多条电话业务（Yes 、 No or No phoneservice）",
               "是否开通互联网服务（No、DSL数字网络或filber potic光线网络）",
               "是否开通在线备份服务（Yes、No or No internetservice）",
               "是否开通设备保护服务（Yes、No or No internetservice）",
               "是否开通技术支持业务（Yes、No or No internetservice）",
               "是否开通网络电视（Yes、No or No internetservice）",
               "是否开通网络电影（Yes、No or No internetservice）"]

for col in yonghusxCol:
    calc_cate(col, df[col].drop_duplicates())

out

***********************计算开始是否开通电话业务（Yes or No）*******************************
计算列：是否开通电话业务（Yes or No），分类：['No' 'Yes']
【是否开通电话业务（Yes or No）】的下【No】,总人数为：682
【是否开通电话业务（Yes or No）】的下【No】,总人数为：170，流失率0.24926686217008798
【是否开通电话业务（Yes or No）】的下【Yes】,总人数为：6361
【是否开通电话业务（Yes or No）】的下【Yes】,总人数为：1699，流失率0.2670963684955196
***********************计算结束是否开通电话业务（Yes or No）*******************************
***********************计算开始是否开通多条电话业务（Yes 、 No or No phoneservice）*******************************
计算列：是否开通多条电话业务（Yes 、 No or No phoneservice），分类：['No phone service' 'No' 'Yes']
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【No phone service】,总人数为：682
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【No phone service】,总人数为：170，流失率0.24926686217008798
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【No】,总人数为：3390
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【No】,总人数为：849，流失率0.2504424778761062
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【Yes】,总人数为：2971
【是否开通多条电话业务（Yes 、 No or No phoneservice）】的下【Yes】,总人数为：850，流失率0.286098956580276
***********************计算结束是否开通多条电话业务（Yes 、 No or No phoneservice）*******************************
***********************计算开始是否开通互联网服务（No、DSL数字网络或filber potic光线网络）*******************************
计算列：是否开通互联网服务（No、DSL数字网络或filber potic光线网络），分类：['DSL' 'Fiber optic' 'No']
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【DSL】,总人数为：2421
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【DSL】,总人数为：459，流失率0.1895910780669145
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【Fiber optic】,总人数为：3096
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【Fiber optic】,总人数为：1297，流失率0.4189276485788114
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【No】,总人数为：1526
【是否开通互联网服务（No、DSL数字网络或filber potic光线网络）】的下【No】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通互联网服务（No、DSL数字网络或filber potic光线网络）*******************************
***********************计算开始是否开通在线备份服务（Yes、No or No internetservice）*******************************
计算列：是否开通在线备份服务（Yes、No or No internetservice），分类：['Yes' 'No' 'No internet service']
【是否开通在线备份服务（Yes、No or No internetservice）】的下【Yes】,总人数为：2429
【是否开通在线备份服务（Yes、No or No internetservice）】的下【Yes】,总人数为：523，流失率0.21531494442157267
【是否开通在线备份服务（Yes、No or No internetservice）】的下【No】,总人数为：3088
【是否开通在线备份服务（Yes、No or No internetservice）】的下【No】,总人数为：1233，流失率0.39928756476683935
【是否开通在线备份服务（Yes、No or No internetservice）】的下【No internet service】,总人数为：1526
【是否开通在线备份服务（Yes、No or No internetservice）】的下【No internet service】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通在线备份服务（Yes、No or No internetservice）*******************************
***********************计算开始是否开通设备保护服务（Yes、No or No internetservice）*******************************
计算列：是否开通设备保护服务（Yes、No or No internetservice），分类：['No' 'Yes' 'No internet service']
【是否开通设备保护服务（Yes、No or No internetservice）】的下【No】,总人数为：3095
【是否开通设备保护服务（Yes、No or No internetservice）】的下【No】,总人数为：1211，流失率0.3912762520193861
【是否开通设备保护服务（Yes、No or No internetservice）】的下【Yes】,总人数为：2422
【是否开通设备保护服务（Yes、No or No internetservice）】的下【Yes】,总人数为：545，流失率0.2250206440957886
【是否开通设备保护服务（Yes、No or No internetservice）】的下【No internet service】,总人数为：1526
【是否开通设备保护服务（Yes、No or No internetservice）】的下【No internet service】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通设备保护服务（Yes、No or No internetservice）*******************************
***********************计算开始是否开通技术支持业务（Yes、No or No internetservice）*******************************
计算列：是否开通技术支持业务（Yes、No or No internetservice），分类：['No' 'Yes' 'No internet service']
【是否开通技术支持业务（Yes、No or No internetservice）】的下【No】,总人数为：3473
【是否开通技术支持业务（Yes、No or No internetservice）】的下【No】,总人数为：1446，流失率0.4163547365390153
【是否开通技术支持业务（Yes、No or No internetservice）】的下【Yes】,总人数为：2044
【是否开通技术支持业务（Yes、No or No internetservice）】的下【Yes】,总人数为：310，流失率0.15166340508806261
【是否开通技术支持业务（Yes、No or No internetservice）】的下【No internet service】,总人数为：1526
【是否开通技术支持业务（Yes、No or No internetservice）】的下【No internet service】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通技术支持业务（Yes、No or No internetservice）*******************************
***********************计算开始是否开通网络电视（Yes、No or No internetservice）*******************************
计算列：是否开通网络电视（Yes、No or No internetservice），分类：['No' 'Yes' 'No internet service']
【是否开通网络电视（Yes、No or No internetservice）】的下【No】,总人数为：2810
【是否开通网络电视（Yes、No or No internetservice）】的下【No】,总人数为：942，流失率0.33523131672597867
【是否开通网络电视（Yes、No or No internetservice）】的下【Yes】,总人数为：2707
【是否开通网络电视（Yes、No or No internetservice）】的下【Yes】,总人数为：814，流失率0.30070188400443293
【是否开通网络电视（Yes、No or No internetservice）】的下【No internet service】,总人数为：1526
【是否开通网络电视（Yes、No or No internetservice）】的下【No internet service】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通网络电视（Yes、No or No internetservice）*******************************
***********************计算开始是否开通网络电影（Yes、No or No internetservice）*******************************
计算列：是否开通网络电影（Yes、No or No internetservice），分类：['No' 'Yes' 'No internet service']
【是否开通网络电影（Yes、No or No internetservice）】的下【No】,总人数为：2785
【是否开通网络电影（Yes、No or No internetservice）】的下【No】,总人数为：938，流失率0.33680430879712747
【是否开通网络电影（Yes、No or No internetservice）】的下【Yes】,总人数为：2732
【是否开通网络电影（Yes、No or No internetservice）】的下【Yes】,总人数为：818，流失率0.29941434846266474
【是否开通网络电影（Yes、No or No internetservice）】的下【No internet service】,总人数为：1526
【是否开通网络电影（Yes、No or No internetservice）】的下【No internet service】,总人数为：113，流失率0.07404980340760157
***********************计算结束是否开通网络电影（Yes、No or No internetservice）*******************************

退休的梦想
关注
  • 19
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python数据分析与挖掘实战 第二版百度云_《Python数据分析与挖掘实战》PDF+完整源码...
weixin_39632471的博客
12-03 1万+
该楼层疑似违规已被系统折叠隐藏此楼查看此楼本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。基础篇(第1～5章)...
数据分析之实战项目——电商用户行为分析
热门推荐
天阑之蓝的博客
06-07 3万+
电商用户行为分析 分析背景和目的 随着互联网和电商的发展，人们习惯于网上购物。在国内，电商平台深受欢迎，每年的双11，双12活动，大量的用户在淘宝平台浏览商品，或收藏或加入购物车或直接购买。通过对用户的行为分析，探索用户购买的规律，了解商品的受欢迎程度，结合店铺的营销策略，实现更加精细和精准的运营，让业务获得更好的增长。
【图书推荐】《Hive入门与大数据分析实战》
brucexia的专栏
06-17 725
Hive是基于Hadoop的一个数据仓库工具，用来进行数据的提取、转换、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive能将结构化的数据文件映射为一张数据库表，并能提供SQL查询分析功能，将SQL语句转换成MapReduce任务来执行，从而实现对数据进行分析的目的。本书配套示例源码、PPT课件、教学大纲。
数据分析之Pandas 基础入门
zhouzhiwengang的专栏
04-11 2575
在 CSV 文件中指定了一个列，然后使用index_col可以实现自定义索引。
数据分析实战
qq_21675753的博客
03-24 9619
数据分析实战数据分析基础数据分析全景图及修炼指南学习数据挖掘的最佳路径学数据分析要掌握哪些基本概念用户画像：标签化就是数据的抽象能力数据采集：如何自动化采集数据数据采集：如何用八爪鱼采集微博上的“D&G”评论数据分析算法数据分析实战数据分析工作 数据分析基础 数据分析全景图及修炼指南 当我们谈论数据分析的时候，都在讲些什么呢？ 这里我可以把数据分析分成三个重要的组成部分。 1、数据采集。它是我们的原材料，也是最“接地气”的部分，因为任何分析都要有数据源。 2、数据挖掘。它可以说是最“高大上”的部分，
Python数据分析入门到实战.txt
03-24
Python数据分析入门到实战；章节1:第一天：数据分析入门 章节2:第二天：Numpy数据处理库（1） 章节3:第三天：Numpy数据处理库（2） 章节4:第四天：Pandas库数据处理库（1） ...章节21:第二十天：机器学习项目实战（2）
rapidminer使用手册 [RapidMiner数据分析与挖掘实战] 全17章
04-26
第二章“设计分析流程”讲解了如何构建和执行数据分析流程。流程设计是RapidMiner的核心，它通过一系列操作节点（operators）来实现数据处理和建模。 第三章“数据和结果可视化”阐述了如何利用RapidMiner对数据...
Android开发入门与实战 第二版 源码 最新更新
06-29
《Android开发入门与实战 第二版》是一本专为初学者设计的Android编程书籍，旨在帮助读者快速掌握Android应用开发的基础知识和实践技巧。书中涵盖了从安装开发环境到创建完整应用的全过程，提供了丰富的实例和源码，...
每天一个数据分析题（四百二十九）- 假设检验
shiguangre的博客
07-15 267
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！在假设检验问题中，原假设为H0 ，给定显著水平为α，则正确的是。B. p（接受H0 | H0 不正确）=1-α。D. p（拒绝H0 | H0 不正确）=1－α。A. p(接受H0 | H0 正确)=α。C. p（拒绝H0 | H0 正确）=α。
每天一个数据分析题（四百三十一）- 卡方检验
shiguangre的博客
07-15 295
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！在列联表分析中，下列不能用卡方检验的是（）A. 多个构成的比较。C. 多个均值的比较。B. 多个率的比较。D. 以上都不是。
原来，BI数据分析也是有模板的
qq_43696218的博客
07-15 456
以奥威BI方案为例，它不仅提供了强大的数据分析功能，还包含丰富的BI数据分析报表模板，帮助企业高效、准确地洞察数据背后的价值。BI数据分析并非遥不可及，通过奥威BI方案及其丰富的BI数据分析报表模板，企业可以更加高效、准确地洞察数据背后的价值。例如，在零售行业中，奥威BI零售数据分析方案以“人、货、场、供、财”为核心，深入剖析零售业务中的各个环节。奥威BI方案是一款针对多行业、多场景的全面数据分析解决方案，结合了大数据、云计算等先进技术，为企业提供高效、智能的数据分析服务。BI数据分析报表模板的优势。
套用BI方案做数据可视化是种什么体验？
qq_43696218的博客
07-16 479
不同于传统数据分析工具繁琐的设置流程，奥威BI提供了丰富的模板库和拖拽式的操作界面，即便是非技术背景的用户也能快速上手。我仅需简单几步，便能将复杂的数据源接入系统，并通过预设的图表模板，轻松实现数据的可视化展现。在数据可视化的基础上，奥威BI方案还融入了智能分析的功能。这种智能化的分析方式，不仅帮助我快速发现了业务中的潜在问题，还为我提供了数据驱动的决策支持。近期，我有幸体验了奥威BI方案进行数据可视化的全过程，这不仅是一次技术上的探索，更是一次对高效、智能数据分析的深刻感受。团队协作，共享数据智慧。
XPS数据分析及分峰处理（拟合）的步骤与实践
wj45500的博客
07-16 393
​ XPS即X射线光电子能谱，是一种用于表面分析的技术，能够提供样品表面几纳米深度范围内元素的化学状态信息。XPS数据分析及分峰处理（拟合）是获取可靠、准确结果的关键步骤。
数据分析——numpy教程
qq_52649952的博客
07-15 810
可以用来存储和处理大型矩阵，比python自身的嵌套列表结构要高效，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅里叶变换、基本线性函数，基本统计运算和随机模拟等。scale:标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦。order：{'C','F'}，默认值为C，C（行主序），F（列主序）order：{'C','F'}，默认值为C，C（行主序），F（列主序）
每天一个数据分析题（四百三十五）- 统计分析
shiguangre的博客
07-18 174
A. 多阶段抽样是先将一个很大的总体划分为若干个子总体，即一阶单位，再把一阶单位划分为若干个更小的单位，称为二阶单位，照此继续下去划分出更小的单位，依次称为三阶单位、四阶单位等。然后分别按随机原则逐阶段抽样。抽样是统计分析中常用的技术手段，现有一抽样的描述：“将总体中的所有单位（抽样单位）按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其它样本单位”，这种抽样方法称为（ ）D. 系统抽样。
Python常用的数据分析和可视化库
十步杀一人-千里不留行
07-15 498
Python 也有很强的数据分析和可视化能力，拥有许多强大的框架和库。
每天一个数据分析题（四百三十六）- 正态分布
最新发布
shiguangre的博客
07-18 170
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！X为服从正态分布的随机变量N(2, 9), 如果P(X>c)=P(X
数据分析常用工具汇总
零度°C的博客
07-13 1258
对常用数据分析工具进行汇总与优缺点分析。
Shiro源码入门与实战剖析
最后，第23行的`subject.logout()`用于清除会话中的用户信息，实现用户退出功能。 整个过程涉及到了Shiro的几个关键概念：配置文件、安全管理器、Subject（代表当前会话中的用户）、身份验证和授权。通过对这些核心...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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