- 博客(67)
- 收藏
- 关注
RSS订阅原创 产品经理-技术名词3
技术名词31.数据库中存储的是2.文件传输有关技术/协议3.Linux命令4.分布式数据库产品的特点5.以下哪些协议只使用了TCP协议：6.TCP/IP四层网络模型7.HTTPs8.计算机病毒的特征：9.android开发用的是java语言10.在网上传输音乐文件，以下格式中最高效简洁的是MP311.计算机三类系统总线12.世界上第一个投入运行的分组交换网：ARPANET14.智能手机操作系统15.链表16.Cookie17.I2C总线18.压力测试（Stress Test）19.虚拟交换（Virtual
2020-06-22 16:30:08
412
原创 产品经理笔试-技术名词2
产品经理笔试-技术名词21.算法是解决问题的有限运算序列2.OSI七层结构3.OA系统4.同一进程下的多个线程可以共享哪一种资源：5.javascript基本数据类型：6.算法的时间复杂度取决于7.比特币8.CPU核心指标：10.VOD11.命令12.物联网的基础13.神经网络常用学习算法14.云计算的领域15.内核浏览器1.算法是解决问题的有限运算序列2.OSI七层结构分别是：物理层、数据链路层、网络层、传输层、会话层、表示层、应用层。物理层：网卡中继器,用来复原网络中的信号并重新发送到其他网
2020-06-20 21:06:12
743
原创 产品经理-产品文档笔记
BRD：为“商业需求文档”的英语缩写，全称为：BusinessRequirementDocument MRD：市场需求文档。（英文全称：Market Requirement Document，MRD） PRD：产品需求文档是将商业需求文档（BRD）和市场需求文档（MRD）用更加专业的语言进行描述。FRD：Final Business Requirements Document，即最终确认的商业需求文档PRD基于市场需求的针对某个产品的完整需求定义文档，包括需求分析产品方案，产品原型，其最核心的内容是：
2020-06-18 14:54:07
314
原创 产品经理-用户研究笔记
这里写目录标题1.产品的感知2.定量研究与定性研究的区别4.访谈5.情景分析法1.产品的感知感知即意识对内外界信息的觉察、感觉、注意、知觉的一系列过程。感知可分为感觉过程和知觉过程。题目中的感知是从产品的角度判定，影响用户对产品的感知主要有以下三个方面：1、经验对感知的影响：不同用户对相同的产品，会因为不同的经验而影响感知，所以在产品初期就要明确我们产品的目标用户，并针对目标用户进行调研、原型测试等方面的工作，减少用户对产品的学习是良好用户体验的前提；2、环境对感知的影响：不同的人对一句话或一段话完
2020-06-18 14:43:30
431
转载 QQ和微信的区别
QQ和微信的区别。1.产品定位QQ：“每一天，乐在沟通”，是一款基于互联网的社交通讯软件。QQ是PC互联网的产物，侧重社交，更娱乐化。微信：“一个生活方式”，是一款基于移动端的即时通讯软件。微信是移动互联网的产物，侧重沟通，更商务化。2.用户群体QQ：中小学生、青少年，QQ偏于“年轻化”。微信：中青年、大学生、工作人士，中老年人，微信偏于“去年轻化”。3…功能特色QQ：QQ的功能是针对年轻用户喜欢表达个性、乐于接受各种新鲜玩法、想要寻求更多关注而题提出的，包括兴趣部落、QQ看点、怼图功能、语
2020-06-18 12:14:40
1276
原创 需求分析专项练习
1.马斯洛需求层次理论低到高按层次分为五种，分别是：生理需求、安全需求、社交需求、尊重需求和自我实现需求。2.定价是采购的重要环节，常见的竞争性报价适用于：买方没有优先考虑的供应商3.探索性因子分析是在对于观测数据背后存在多少个因子一无所知时使用的方法，判断因子个数可以看特征根和累积贡献率，特征根代表某一因子可解释的总变异量，特征根越大代表该因子解释力越强，特征根大于1才可被视为一个因子。累积贡献率法要求几个因子的贡献率加起来大于85%4.用户需求分析中，为了洞察用户的真实需求，以下最适合的方法是：参
2020-06-17 17:18:28
833
转载 功能迭代
之前文章讲了太多偏实操的方法论，感觉并没有传递出核心的产品思维，这篇文章开始转变下思路，具体实操不讲太多，多分享我关于做产品的思考先列下新功能迭代和引入的思路：事前需求来源：用户调研和用户反馈产品数据分析团队成员（BOSS、运营、市场、技术、客服等）提出的需求PM自身对产品的思考和重构事后效果评估：数据分析用户反馈行业反馈商业价值产品中已有的功能如何迭代？既然是已有功能，重点在于事后效果评估，综合衡量当前功能的真实收益，有无明显短板和不足，发现问题和瓶颈，并针对性提出解决方案，进一
2020-06-17 15:45:26
1412
原创 产品经理笔试-技术名词1
1.移动设备常见的屏幕分辨率 ：4：3的整数倍以及3：2常见2.英特网上用于数据传输的主要协议：HTTPSIP（Session Initiation Protocol，会话初始协议）多媒体通信协议实时传输协议（Real-time Transport Protocol或简写RTP）是一个网络传输协议Real-time Transport Control Protocol或RTP Control Protocol或简写RTCP）是实时传输协议（RTP）的一个姐妹协议。MAC 地址也叫物理地址、硬件地址
2020-06-15 16:51:13
947
原创 产品经理面试题库1
牛客网产品经理面试题1.请说一下你是如何理解互联网思维的？2.请你简要说明一下视频秀场与传统的视频网站的区别吧。4.来说一下，从2005年的超级女声，到如今的我是歌手、蒙面歌手等，你怎么看音乐真人秀节目的演变？5.根据你对面向消费者的产品（To C 类）、面向企业的产品（To B 类）的认识，结合最近的案例来阐述这2类产品在品牌营销方式上的区别。1.请说一下你是如何理解互联网思维的？互联网思维，是在（移动）互联网+、大数据、云计算等科技不断发展的背景下，对市场、用户、产品、企业价值链乃至对整个商业生态进
2020-06-15 15:11:30
3372
原创 Datawhale零基础入门CV赛事(街景字符编码识别)-Task1 赛题理解
街景字符编码识别赛事介绍赛事介绍二级目录三级目录赛事介绍赛题名称：零基础入门CV之街道字符识别赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此可以选择很多相应的paper作为思路参考。赛题数据赛题来源自Google街景图像中的门牌号数据集（The Street View Hous
2020-05-20 19:23:15
214
1
原创 520表白----python 文字生成图片
工科生滴浪漫~环境 pycharm + PIL库PIL库是用来进行图像处理的库，它可以将图片读为类，非常简单方便地对图形进行处理。需要注意的是，安装的命令是pip install pillow原图： QAQ~~~太撩了啊。wsl效果图： 要不要这么给力啊！！！酷代码：# 导入必要模块import osfrom PIL import Image, ImageFont, ImageDraw# 读取图片，填充文字，图片和文字的属性str_out = '我爱你' #st
2020-05-20 17:07:01
1331
转载 Python pandas库中的isnull()函数
isnull()：判断缺失值import pandas as pdimport numpy as np df = pd.DataFrame(np.random.randn(10,6))# Make a few areas have NaN valuesdf.iloc[1:3,1] = np.nandf.iloc[5,3] = np.nandf.iloc[7:9,5] = np.nan 0 1 2 3 4
2020-05-19 16:53:49
2990
1
原创 pd.apply--对数据表应用函数
DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds)API返回：Series or DataFrame参数：func：函数，可应用于每个列或行。axis=0：{0 or ‘index’, 1 or ‘columns’}, default 0 函数所应用的轴，0 or ‘index’: 列，1 or ‘columns’: 行raw=False：bool, default False。res
2020-05-19 14:38:25
2969
转载 pdset_option ----设置指定选项的值
python的set_option选择常用1、pd.set_option(‘expand_frame_repr’, False)True就是可以换行显示。设置成False的时候不允许换行2、pd.set_option(‘display.max_rows’, 10)pd.set_option(‘display.max_columns’, 10)显示的最大行数和列数，如果超额就显示省略号，这个指的是多少个dataFrame的列。如果比较多又不允许换行，就会显得很乱。3、pd.set_option(
2020-05-19 09:48:18
1810
转载 深入理解series和dataframe,及其区别
一个dataframe可以看做是由多个series组成的。series可以看做一个一维的字典，而dataframe可以看作是一个二维的字典。原文链接，赞
2020-05-14 14:20:43
2968
转载 Pandas中loc和iloc函数用法详解（源码+实例）
loc函数：通过行索引 “Index” 中的具体值来取行数据（如取"Index"为"A"的行）iloc函数：通过行号来取行数据（如取第二行的数据）本文给出loc、iloc常见的五种用法，并附上详细代码。原文链接，超详细...
2020-05-14 13:40:33
400
转载 python报错ModuleNotFoundError: No module named 'cPickle'
在python3.x下使用如下代码：import cPickle as pk会报如下错误：ImportError: No module named ‘cPickle’原因：python2有cPickle，但是在python3下，是没有cPickle的；解决办法：将cPickle改为pickle即可，代码如下：import pickle as pkpython编程需要格外注意pytho...
2020-04-21 09:31:19
6590
原创 python3 -sorted函数 对所有可迭代的对象进行排序操作 sorted(corr_list,key=lambda x: -abs(x[0]))
sorted() 函数对所有可迭代的对象进行排序操作。返回重新排序的列表。sort 与 sorted 区别：sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操 作。list 的 sort 方法返回的是对已经存在的列表进行操作，无返回值，而内建函 数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。当待排sorted...
2020-04-02 16:20:38
858
原创 jupyter notebook 报错AttributeError: module 'matplotlib' has no attribute 'subplots'
1.确定正常安装了matplotlib2.import matplotlib.pyplot as plthttps://blog.csdn.net/qq_42273575/article/details/88118404
2020-04-01 11:39:18
4563
原创 评价指标RMSE、MSE、MAE、MAPE、SMAPE 、R-Squared——python+sklearn实现
MSE 均方误差（Mean Square Error）RMSE 均方根误差（Root Mean Square Error)其实就是MSE加了个根号，这样数量级上比较直观，比如RMSE=10，可以认为回归效果相比真实值平均相差10MAE 平均绝对误差（Mean Absolute Error)MAPE 平均绝对百分比误差（Mean Absolute Percentage Error)...
2020-03-06 19:33:04
13442
原创 sns.heatmap（热力图）的用法简介
seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square...
2020-03-05 17:45:05
21215
原创 numpy.tril_indices_from——返回下三角形的索引
numpy.tril_indices_from(arr, k=0)作用：返回arr的下三角形的索引参数arr : array_like要返回的列表k : int, optional对角平移量numpy.tril_indices_from之父：numpy.tril_indicesnumpy.tril_indices(n, k=0, m=None) API作用： 返回(n, m)...
2020-03-05 17:18:31
1390
原创 pandas.DataFrame.corr——计算列之间相关性
DataFrame.corr(self, method=‘pearson’, min_periods=1) API作用：计算列之间的相关性，不包括缺省值参数说明：method：可选值为{‘pearson’, ‘kendall’, ‘spearman’} pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性 ...
2020-03-05 16:50:15
4059
转载 Python3 格式化输出 %s ， %d ， %f 等
表格总结：例如：print("I am %d years old." %(25))#输出效果：I am 25 years old.https://www.cnblogs.com/alfred0311/p/7735539.html
2020-03-04 15:08:36
539
原创 python 中的.iloc[:,0]和x[:,0]
Dpandas.DataFrame.iloc.iloc[] API功能：纯整数位置索引的位置选择，主要是基于整数位置，但也可以与布尔数组一起使用。使用： 使用有点复杂 API 写的很清楚.iloc[行：列]冒号表示从*到 *逗号表示 * 和 *[:,0]对于X[:,0];是取二维数组中第一维的所有数据对于X[:,1]是取二维数组中第二维的所有数据对于X[:...
2020-03-03 16:55:51
17773
原创 pandas.DataFrame函数解析
class pandas.DataFrame(data=None, index: Optional[Collection] = None, columns: Optional[Collection] = None, dtype: Union[str, numpy.dtype, ExtensionDtype, None] = None, copy: bool = False) APIDataFra...
2020-03-03 11:42:14
359
原创 matplotlib中plt.legend使用方法
函数功能：给图形加上图例。matplotlib.pyplot.legend(*args, **kwargs)APIloc：图例在图中的地理位置如 plt.legend（loc=‘upper left’）图例在左上角
2020-03-02 17:27:28
1769
2
转载 tight_layout
tight_layout会自动调整子图参数，使之填充整个图像区域。https://www.jianshu.com/p/91eb0d616adb
2020-03-02 17:12:17
2905
1
原创 ValueError: Found input variables with inconsistent numbers of samples: [404, 102]
问题原代码from sklearn.linear_model import LinearRegressionlr = LinearRegression()lr.fit(x_train, y_train)pre_test = lr.predict(x_test)pre_test = lr.predict(x_train)报错ValueError: Found input vari...
2020-03-02 17:01:17
24305
6
原创 plt.subplots()
首先一幅Matplotlib的图像组成部分介绍。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。所属关系如下：subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, ...
2020-02-29 15:03:14
21643
2
原创 python+sklearn,机器学习-线性回归实现-以披萨尺寸预测价格
实例：思路：简单而直观的方式是通过数据的可视化直接观察成交价格与尺寸间是否存在线性关系。对于本实验的数据来说，散点图就可以很好的将其在二维平面中进行可视化表示。代码# **用matplotlib画出图形**import matplotlib.pyplot as plt%matplotlib inlinefrom matplotlib.font_manager import F...
2020-02-16 15:07:25
5323
2
原创 TypeError: unsupported format string passed to numpy.ndarray.__format__
a_ = np.array([12]).reshape(-1, 1)a = model.predict(a_)print("预测一张12英寸的披萨：{:.2f}".format(a))报错：TypeError: unsupported format string passed to numpy.ndarray.format传递给numpy.ndarray.__format__的不支持的...
2020-02-15 16:55:08
22268
2
原创 ValueError: Expected 2D array, got 1D array instead
x_train = np.array([6, 8, 10, 14, 18])y_ = np.array([7, 9, 13, 17.5, 18])model.fit(x_train, y_)错误ValueError: Expected 2D array, got 1D array instead期望2维数组，输入的是一维数组Reshape your data either using...
2020-02-15 16:28:04
21477
1
原创 plt.plot()函数参数介绍
官网介绍1、plt.plot(*args, scalex=True, scaley=True, data=None, **kwargs)x轴数据，默认range(len(y))y轴数据，fmt : str, optional 格式字符串，例如“ro”代表红圈。scalex, scaley : bool, optional, default: True这些参数确定视图限制是否适用于数据限制...
2020-02-15 15:16:22
29266
原创 pandas.unique
APIpandas.unique(values)返回一个“独一无二”的值例如：>>> pd.unique(pd.Series([2, 1, 3, 3]))array([2, 1, 3])>>> pd.unique([('a', 'b'), ('b', 'a'), ('a', 'c'), ('b', 'a')])array([('a', 'b')...
2019-12-27 16:19:31
2537
原创 No module named 'cPickle'
代码：#数据到文件存储import cPickle错误：ModuleNotFoundError: No module named 'cPickle'解决方法：import pickle注：p小写
2019-12-27 16:05:50
477
原创 pandas.DataFrame
APIpandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)具有标记轴(行和列)的二维大小可变、可能异构的表格数据结构。算术运算在行和列标签上对齐。可以将其视为连续对象的类似于字典的容器。是主要的panda数据结构。Parameters:data : ndarray (structure...
2019-12-24 15:58:15
162
原创 pandas.Series
APIpandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)Parameters:data : array-like, Iterable, dict, or scalar valueContains data stored in Series.Changed in ve...
2019-12-24 15:37:02
143
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