weixin_42193164的博客

1.挖掘需求 云音乐的评论 暗恋 男女友 青春 揣摩用户心理满足用户深层次的需求 产生粘性 和品相关群体之上：爱现心理 （鄙视链 满足成就感）小众产品应该和产品风格挂钩 罗永浩共鸣心理 科比退役歌单群体极化 群体容易相互认同相互鄙视 适当允许群体见的矛盾 需要控制住 关注核心群体的动向 关注意见领袖 留住意见领袖洞察用户需求 培养同理心 设身处地的站在用户场景思考多读书，多看电影，听...

数据样本抽样样本具有代表性（比例保持一致）样本比例平衡以及样本不平衡时如何处理尽量使用全量数据Hadoop spark1.异常值（空值）处理1.识别异常值和重复值Pandas：isnull（）/duplicated2.直接丢弃Pandas：drop（）/dropna（）/drop_duplicated()3.异常值（空值）处理当是否有异常当作一个新的属性，代替原值Pandas...

#交叉分析left # piv_tb=pd.pivot_table(df, values="left", index=["department", "salary"], columns=["time_spend_company"],aggfunc=np.mean) # piv_tb=pd.pivot_table(df, values="left",index=["depar.

1. 交叉分析2.分组与钻取钻取定义：钻取是改变分析的维度，变换分析的粒度。钻取分为向下钻取和向上钻取。连续分组：连续属性的分组需要离散化。第一步是看其数据分布第二步看有无分隔和拐点第三步可以使用kmeans或者不纯度GINI系数来计算。3.相关分析不连续数据相关性分析二类属性相关性分析–person相关系数多类属性相关性分析–熵## 因子分析...

1.假设检验原假设H0 反命题为H1选择检验统计量根据显著水平（一般为0.05），确定拒绝域根据P值或样本统计值，作出判断卡方检验：两因素之间有无强联系T分布：两因素之间有无分布关系2.方差检验（F分布）检验样本之间两两之间是否有关3.相关系数两组数据分布趋势变化趋势（正相关，负相关，不相关）Pearson相关系数Speraman相关系数（只与名词有关）4.线性...

柱状图import pandas as pdimport numpy as npdf = pd.read_csv("/Users/chris/Desktop/Python Course/Show/HR.csv")import seaborn as snssns.set_style(style="darkgrid")sns.set_context(context="paper",font...

1. 以HR数据为例1. 了解数据1.倒入数据了解标题栏import pandas as pddf = pd.read_csv("/Users/chris/Desktop/Python Course/Show/HR.csv")df.head(10)2.数学基础1.集中趋势均值，中位数，众位数，分位数（4分位数）Q1=（n+1）*0.25Q2=（n+1）*0.5Q3=（n+1...

1.数据分析的含义：使用统计分析的方法，提取有用的信息，总结和概括的过程。2.数据分析流程：数据获取-探索分析与可视化（数据分析）-预处理数据-分析建模-模型评估（数据挖掘）1. 数据获取##1. 数据仓库将所有业务书经汇总处理，构成数据仓库记录全部事实部分维度与数据的整理（数据集市-DM）#数据仓库和数据库的区别1.仓库面向主题存储，数据库面向业务存储2.数据库针对应用，仓库针...

Python数据获取——爬虫（1）1. 利用Request()方法req = urllib.request.Request(url,headers)构建请求对象res = urllib.request.urllopen(req)构建响应对象html = res.read().decode(“utf-8”)获取内容import urllib.requestimport urllib.pa...

商业分析–introTo make a better decision in Business数据类型(Type of data)1.Quantitative & Categorical2.Cross section 横截面数据3.Tims serious data 时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列5相对随机分布:给定一个事件A，事件...