2019年1月总结

有点惭愧,第一月的执行率很不好,主要是自己经常会懒惰!先来看看2019年元旦时立下的计划:

1.作息保持规律。

保证作息规律,才有充沛的精力去学习和生活!如果没有特殊情况,每天晚上11点前睡觉,早上7点前起。每月记录自己坚持做到的天数。

2.制定学习和生活计划。

  • 每月保证5篇以上原创性的技术博客。
  • 每月看完一本非技术的书籍,三个月看完一本技术性书籍。
  • 每周运动三次以上。
  • 学会存钱和理财。

3.提高社交能力

作为做技术的,这方面还是欠缺的,多参加技术沙龙,读书会或户外旅游等活动,同时工作中学会主动与同事打交道,特别是要敢于与领导交流。

现在看第一点作息保持规律,这个做的不好,一个月大概就有三四天达成了。我觉得合格的是一个月要达成20天左右吧。

然后第二点制定学习和生活计划,也不好,执行情况如下:
1.原创性的技术博客只写了两篇,还差三篇!
2.没有看非技术性的书,技术性的书比如jvm原理解析就翻了几页,估计忘得差不多了!
3.估计一周就运动了一次左右吧。
4.自己目前能做的就是开源节流。
5.只有一二点做好了,提高技术功底了,才有机会进入大公司。

最后第三点提高社交能力,跟直接领导的交流和反馈做的还行,不过跟同事或领导交流的一些细节得关注下。没有抽时间去参加技术沙龙或读书会。

鉴于一月份的执行情况,这次二月份的计划具体点,不管是否处于春节假期,也尽量按计划去执行!具体如下:

1.作息保持规律。

每天晚上11点前睡觉,早上7点前起。改变晚上拖拉和早上赖床的习惯,争取达成20天。

2.制定学习和生活计划。

  • 写五篇关于多线程及线程池的原创技术博客。
  • 看完顺势而为:雷军传;由于之前java并发编程实战看了快一半了,这个月就看完。
  • 回杭州后每周家里健身一次,健身房健身两次。

3.提高社交能力

参加elasticsearch或大数据沙龙一次。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面是一份关于纽约市 Airbnb 开放数据的数据分析项目: # New York City Airbnb Open Data EDA ## 项目简介 在这个项目中,我们将对 2019 纽约市 Airbnb 开放数据进行探索性数据分析(EDA)。我们将使用数据分析工具和可视化方式来探索数据集中的特征和变量,以便更好地了解纽约地区 Airbnb 的房源类型、价格分布、入住率等信息。 ## 项目背景 Airbnb 是一个在线市场,让人们可以在世界各地寻找短期住宿和旅游体验。纽约市是 Airbnb 最受欢迎的目的地之一,拥有大量的房源和旅行者。通过分析纽约市 Airbnb 开放数据,我们可以更好地了解纽约市的 Airbnb 市场,帮助旅行者更好地选择适合自己的住宿,也可以为房东提供更好的市场参考。 ## 数据集 数据集来自于 Inside Airbnb 网站,该网站收集了世界各大城市的 Airbnb 开放数据。数据集包含了 2019 纽约市的 Airbnb 订单数据,共 48,895 条记录,每条记录包含了以下变量: - id: 房源 ID - name: 房源名称 - host_id: 房东 ID - host_name: 房东姓名 - neighbourhood_group: 社区组别(Bronx, Brooklyn, Manhattan, Queens, Staten Island) - neighbourhood: 社区名称 - latitude: 纬度 - longitude: 经度 - room_type: 房间类型(Entire home/apt, Private room, Shared room) - price: 价格 - minimum_nights: 最少入住天数 - number_of_reviews: 评论数 - last_review: 最近一次评论时间 - reviews_per_month: 每评论数 - calculated_host_listings_count: 房东拥有的房源数量 - availability_365: 一中可预订的天数 ## 项目步骤 在这个项目中,我们将按照以下步骤进行数据分析: 1. 导入数据集并进行数据预处理,包括缺失值处理、数据类型转换等操作。 2. 探索数据集中的变量分布情况,包括对数值变量和分类变量的分析。 3. 分析不同社区组别中 Airbnb 房源的分布情况,包括房源数量和价格水平。 4. 分析不同房间类型的 Airbnb 房源的分布情况,包括房源数量和价格水平。 5. 分析不同社区组别和房间类型的 Airbnb 入住率情况,包括每个社区组别和每种房间类型的平均入住率和最高入住率。 6. 探索评论数和每评论数与 Airbnb 房源价格之间的关系,包括使用散点图、相关系数等方式。 7. 分析不同社区组别和房间类型的 Airbnb 房东数量和拥有的房源数量,包括使用直方图、饼图等方式。 ## 项目总结 通过对纽约市 Airbnb 开放数据的探索性数据分析,我们可以更好地了解纽约市的 Airbnb 市场,包括房源数量和价格水平、入住率、评论数与房源价格之间的关系、房东数量和拥有的房源数量等,这些信息可以为旅行者提供更好的参考,同时也为房东提供更好的市场参考。这个项目还可以拓展到其他城市的 Airbnb 开放数据分析上。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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