Python数据分析
文章平均质量分 94
Smilecoc
这个作者很懒,什么都没留下…
展开
-
线性回归原理推导与应用(二):Python一元线性回归实战
Python一元线性回归实战部分原创 2024-08-23 10:55:19 · 626 阅读 · 0 评论 -
线性回归原理推导与应用(一):一元线性回归原理
线性回归原理公式推导原创 2024-08-22 10:49:40 · 655 阅读 · 0 评论 -
Pandas包(一):Pandas入门与对象的创建查看
Pandas 概览Pandas 入门教程原创 2020-07-02 13:55:39 · 519 阅读 · 0 评论 -
Python库积累之pandasql:在 Python 中对Dataframe使用 SQL
在 Python 中对Dataframe使用 SQL语句假设你对SQL非常的熟悉,或者你想有更可读的代码。或者您只是想在dataframe上运行一个特殊的SQL查询。或者,也许你来自R,想要一个sqldf的替代品。原创 2021-03-22 17:24:31 · 6367 阅读 · 0 评论 -
时间序列(三):ARIMA模型实战
什么是 ARIMA模型ARIMA模型的全称叫做自回归移动平均模型,全称是(ARIMA, Autoregressive Integrated Moving Average Model)。也记作ARIMA(p,d,q),是统计模型(statistic model)中最常见的一种用来进行时间序列预测的模型。ARIMA模型是一种自回归模型,只需要自变量即可预测后续的值。ARIMA模型要求时序数据是稳定的,或者经过差分处理后稳定,如果不稳定的数据,是无法捕捉到规律的。比如股票数据用ARIMA无法预测的原因就是股票原创 2021-02-25 21:48:15 · 12363 阅读 · 7 评论 -
时间序列(二):时间序列平稳性检测
时间序列的平稳性、随机性检验在拿到时间序列数据后,首先要对数据的随机性和平稳性进行检测, 这两个检测是时间序列预测的重要部分。根据不同检测结果需要采取不同的分析方法。为什么时间序列要求平稳性呢?平稳性就是要求由样本拟合出的曲线在未来一段时间内仍然能够以现有的形态和趋势发展下去,这样预测结果才会有意义。对于平稳声序列, 它的均值和方差是常数, 现已有一套非常成熟的平稳序列的建模方法。 通常是建立一个线性模型来拟合该序列的发展 借此提取该序列的有用信息。对于非平稳序列, 由于它的均值和方差不稳定, 处理原创 2021-01-30 22:32:55 · 19251 阅读 · 5 评论 -
时间序列(一):时间序列数据与时间序列预测模型
时间序列定义:时间序列是按照一定的时间间隔排列的一组数据,其时间间隔可以是任意的时间单位,如小时、日、周月等。比如,每天某产品的用户数量,每个月的销售额,这些数据形成了以一定时间间隔的数据。通过对这些时间序列的分析,从中发现和揭示现象发展变化的规律,并将这些知识和信息用于预测。比如销售量是上升还是下降,销售量是否与季节有关,是否可以通过现有的数据预测未来一年的销售额是多少等。对于时间序列的预测,由于很难确定它与其他变量之间的关系,这时我们就不能用回归去预测,而应使用时间序列方法进行预测。采用时间序列原创 2021-01-30 22:32:34 · 111076 阅读 · 8 评论 -
英雄联盟胜利因素分析
在《英雄联盟》的比赛中过程中会有很多因素会影响游戏是否胜利,例如一血,是否拿到小龙和男爵,是否率先推掉水晶等,一般这些资源会对比赛胜利产生影响。通过这个项目,我想更好的了解这些目标中哪一个是赢得英雄联盟游戏最重要的。就此提出的问题如下:1.英雄联盟最重要的获胜条件是什么?2.当某些因素发生后如何让去预测这场比赛是否会胜利数据获取与探索性数据分析(EDA)原始数据与源码可以微信后台回复英雄联盟胜利因素分析获取原始数据中给出了包括比赛ID,是否胜利,以相关资源的获取数量,包括塔,龙,水晶的等因素原创 2020-09-06 12:52:02 · 987 阅读 · 0 评论 -
京东商品评论爬虫(二)情感分析与词云图的制作
之前我们已经通过爬虫将京东的商品评论抓取下来,本文进行后续的操作原文章的地址:首先我们将数据从之前存入的数据库中取出来#从数据库中取出评论 数据def gettxt(): conn= sqlite3.connect("comments.db") sql='select comment from Comments_jd' cursor=conn.execute(sql)#执行查询语句,返回sqlite3.Cursor object text=cursor.fetchal原创 2020-06-07 16:48:26 · 2480 阅读 · 2 评论 -
Python数据分析实战之营销组合模型
营销组合模型概述Marketing Mix Modeling (MMM)营销组合模型是一套统计分析技术,用来测量和预测不同营销行为对销售及ROI的影响。它被用来测量整体的marketing effectiveness并用来在不同的营销渠道中决定最优的预算分配Marketing Mix中的“Mix”一词最早指的是Mix of 4Ps(Product,Price,Place & Promotion)。早期MMM分析的目的就是为了理解并找到这4P的最优组合,同时测量并预测不同的营销活动对销售的不同影响原创 2020-05-28 00:35:18 · 3115 阅读 · 1 评论