数据分析
分享在学习数据分析中的一些知识点和心得
sky丶Mamba
爱学习的研究僧=》无脑打工人
展开
-
SPSS常用方法及操作
SPSS常用方法检验正态性相关性分析线性回归分析卡方检验独立样本T检验配对样本T检验单因素方差分析及多重比较非参数检验(秩和检验)二元Logistic回归分析案例分析检验正态性1 直方图正态曲线2 P-P图、Q-Q图3 KS检验(样本量>=2000)、SW检验(样本量<2000):P>0.05时表示服从正态性相关性分析俩个变量平等,俩个变量均为连续数值型变量之间的相关性分析——peason相关分析(正态)系数r,P<0.05才进行分析,r>0.7强正相关等原创 2021-09-24 22:13:47 · 22866 阅读 · 1 评论 -
Excel重要知识点及学习分享
在学习数据分析中excel一段时间后,记录如下:前言:数据分析工具有很多,分析语言也有python、R等,但是excel作为最基本的工具,它的简单易用、普遍性是不可替代的,所以excel要掌握好。在之后学习sql和python时,都可以把里面对数据的处理和excel的操作对应起来,这样结合excel、sql、python一起学习,能大大提高学习效果。文末有网址分享!!!excel基本技能:基本数据操作及条件格式应用技能各类基本函数公式应用技能基本图标及数据透视图表应用技能简单VBA功能原创 2021-08-18 10:22:38 · 2778 阅读 · 0 评论 -
python爬虫 豆瓣Top250排名 bs4
豆瓣Top250排名定向爬虫 实例介绍功能描述输入:书籍排名URL链接输出:书籍排名信息的屏幕输出技术路线:requests-bs4定向爬虫:仅对输入URL进行爬取,不扩展爬取程序的结构设计步骤一:从网络上获取豆瓣电影排名网页内容 getHTMLText()步骤二:提取网页内容中信息到合适的数据结构fillDBList()步骤三:利用数据结构展示并输出结果 printDBList()思路:首先对页面进行分析,F12查看源代码,我们发现书的信息都在 ol 标签中,而每一本书又包含原创 2021-06-17 10:44:41 · 624 阅读 · 9 评论 -
numpy库中数组和列表区别
既然在python中有了列表类型,为什么还需要numpy库?首先介绍NumPy:NumPy是一个开源的Python科学计算基础库一个强大的N维数组对象 ndarray广播功能函数整合C/C++/Fortran代码的工具线性代数、傅里叶变换、随机数生成等功能NumPy是SciPy、Pandas等数据处理或科学计算库的基础使用NumPy比使用列表的好处在哪里?在编程上对批量数据处理时得到了简化,NumPy库底层采用C语言实现,提升了程序的性能。数组对象可以去掉元素间运算所需的循环,使原创 2021-05-30 11:06:40 · 614 阅读 · 0 评论 -
Python数据分析之可视化GitHub上受欢迎项目
学习数据分析过程中的一些小实例,一方面加深我对代码的理解,另一方面希望对在看的您有一点小帮助。import requestsfrom plotly.graph_objs import Barfrom plotly import offline# 执行API调用并存储响应url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'headers = {'Accept': 'applica.原创 2021-03-19 15:19:11 · 974 阅读 · 1 评论 -
Python数据分析之绘制温度图表:CSV格式
简介:个人在学习数据分析中的一些小实例分享,数据集在我的资源里,请自行下载import csvimport matplotlib.pyplot as pltfrom datetime import datetime# 解决中文显示问题plt.style.use('seaborn')plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体plt.rcParams['axes.unicode_minus'] = False # 解决保存图像.原创 2021-03-16 17:54:34 · 1019 阅读 · 3 评论 -
Python数据分析之制作全球地震散点图:JSON格式
简介:个人在学习数据分析中的一些小实例分享,数据集在我的资源里,请自行下载import plotly.express as pximport jsonimport pandas as pdfilename = 'data/eq_data_30_day_m1.json'with open(filename) as f: all_eq_data = json.load(f) all_eq_dicts = all_eq_data['features'] mags, titl.原创 2021-03-16 17:27:08 · 1628 阅读 · 7 评论