数据分析笔记

最新推荐文章于 2024-05-30 14:59:09 发布
最新推荐文章于 2024-05-30 14:59:09 发布
阅读量2.8k 收藏 4
点赞数
分类专栏： 笔记 数据分析 文章标签： 数据库 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47661047/article/details/116004116
版权

数据分析

写在前面：这些笔记是我在网络上看视频而记下的。

一、认识常见的数据指标

1.DAU & MAU

  1. DAU(Daily Active User)，日活跃用户数量；
    MAU（Monthly Active User），月活跃用户人数。

  2. DAU结合MAU一起使用，用来衡量服务的用户粘性以及服务的衰退周期。

数据统计系统的定义

  1. 预制报表的统计系统（友盟、百度统计、GA…）都是基于 事件上报 进行统计。
    （1）今天上报事件 → 这个用户是活跃的
    例如：1.用户访问页面，页面加载成功后会向统计系统上报Page View事件
最低0.47元/天 解锁文章
昵称都给注册了
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
商务数据分析与应用学习笔记
hejnhong的博客
07-09 6970
一、数据分析认知 1. 商务数据分析目的 （1）了解现状 流量来源分析：多少流量，流量来自哪里。 客户行为分析：多少客户，具有哪些属性。 （2）挖掘原因 转化率分析：流量多，但订单少；退货和退款率高。 订单漏洞分析：看的人多，买的人少。 （3）预测趋势 营销统计与预测：销售额、客户流失量、推广费 2. 数据分析目的 额涡为 ...
CatVsDog-数据分析笔记
05-29
CatVsDog-数据分析笔记CatVsDog-数据分析笔记CatVsDog-数据分析笔记
数据分析笔记 指南
qq_42244167的博客
01-28 1991
数据分析学习指南 笔记 数据分析是算法工程师的基本修养,需要对数据的高度敏感. 常用开源工具Python3,Numpy库,Pandas库,Matplotlib库,Scipy库;一步到位**Anaconda **. 傻瓜式防呆工具 SPSS(可破解) , 别忘了 EXCEL很多基本数据分析功能够用 最好用的工具MATLAB ,yyds 主要需要学,画图,数据处理,矩阵运算等功能 以上工具掌握2条,恭喜你已经是优秀的数据分析工程师了. ...
基于cat12和SPM12进行SBM数据分析笔记
Sophia2023的博客
01-09 1万+
基于cat12和SPM12进行SBM数据分析笔记
数据分析笔记-认识数据分析（一）
weixin_41270045的博客
03-09 2693
帮助快速认识数据分析，及所含内容。
戴戴戴师兄-数据分析课程笔记（第一讲）
lydiali的博客
12-09 2638
本文详细记录了b站“戴戴戴师兄”的数据分析课程第一讲的授课内容，主要内容包括：数据分析的基本概念、数据分析的流程、及现实应用，并对课程中提到的九种实际工作中常用的目标拆解方法进行了详细的补充。
定性数据分析笔记
weixin_41992565的博客
06-04 8821
数据的结构： 名义数据：性别，职业，婚姻状况，宗教信仰 诸如此类 次序数据：学历，职称，医院级别 数值型数据分为两大类 计数数据 计量数据 定性数据描述性分析（“单一类别变量”） 图表法（条形图，一致图（18年刚产生的），等等） 数值计算 （比例，相对风险和优势比） 定性变量的关联性研究(“研究多个类别变量”) 列联分析:两两研究，每次只研究两个变量关系 对应分析：“变量关系”,“次...
大数据分析笔记 (7) - 时间序列分析(Time Series Analysis)
weixin_43861350的博客
11-24 7990
大数据分析笔记 - 时间序列分析总览Box-Jenkins方法ARIMA (自回归求和移动平均模型)自相关函数 (ACF)自回归模型部分自相关函数 (Partial autocorrelation function - PACF)移动平均模型 (Moving Average Models - MA)自回归移动平均模型 (ARMA - Autoregression Moving Average Model)ARIMA Model 总览 时间序列分析试图模型化一段时间内观测到的数据的底层结构。一个时间序列 (表
【学习笔记】商业数据分析
少年休闲海
11-19 3047
商业数据分析 商业数据分析是指以数据和商业理论为基础，通过寻找数据规律，结合业务背景，依靠统计软件和可视化工具，以优化企业经营决策为目的，洞察经营数据背后的规律等，从而为企业提供生产力和业务效益，其中数据本身仅仅是事实和数字，不产生任何价值。 数据分析的困境 结构化思维 类似金字塔思维，把需要分析的问题按不同的方向分类，然后不断拆分细化，从而全方位地思考问题。一般先把所有能想到的想法都写下来，然后整理归纳成金字塔模型，可以借助思维导图工具来辅助分析（XMind）。 比如销售部门某月
基于cat12和SPM12进行大脑VBM数据分析笔记2——统计分析
热门推荐
Sophia2023的博客
12-04 1万+
基于cat12和SPM12进行大脑VBM数据分析笔记2——相关分析
Pandas数据分析笔记
01-23
适合新手的pandas数据分析笔记，ipynb格式。包括12个部分，包含代码和解释，快速入门pandas~
python数据分析笔记
01-24
定做，在开发效率和执行效率上均不适合直接用于数据分析，尤其是大数据的分析和处理。幸运 的是， NumPy为Python插上了翅膀，在保留Python语言优势的同时大大增强了科学计算和数据处 理的能力。更重要的是， NumPy与...
自己总结的R语言数据分析笔记
04-11
自己总结的R语言笔记，适合初学者使用，以下是部分展示 利用 ggplot2 绘折线图 前面我们说过 ggplot2 放置散点图是 ggplot（） + geom_point（）格式，替换折线 图，我们只需要再加上 geom_line（）。在这里说明一下...
数据分析笔记（自己学习数据分析时做的笔记，包括pandas、numpy）
07-19
数据分析笔记（自己学习数据分析时做的笔记，包括pandas、numpy）
书籍学习|基于SprinBoot+vue的书籍学习平台(源码+数据库+文档)
JIngJaneIL的博客
05-28 1245
首先,论文一开始便是清楚的论述了平台的研究内容。其次,剖析平台需求分析,弄明白“做什么”,分析包括业务分析和业务流程的分析以及用例分析,更进一步明确平台的需求。然后在明白了平台的需求基础上需要进一步地设计平台,主要包罗软件架构模式、整体功能模块、数据库设计。本项目软件架构选择B/S模式和java技术，总体功能模块运用自顶向下的分层思想。再然后就是实现平台并进行代码编写实现功能。论文的最后章节总结一下自己完成本论文和开发本项目的心得和总结。通过书籍学习平台将会使书籍学习各个方面的工作效率带来实质性的提升。
如何mysql数据导入到mongdb
codemami的博客
05-30 1394
由于MySQL和MongoDB的数据模型不同（例如，MySQL使用关系模型，而MongoDB使用文档模型），你可能需要转换数据的格式。使用MongoDB驱动程序：你也可以使用MongoDB的官方驱动程序（如Python的pymongo）来编写脚本，将数据直接插入到MongoDB中。注意：如果你的JSON文件包含多个文档，并且它们不是作为数组的一部分（即每个文档都在其自己的行上），则需要使用--jsonArray选项。手动转换：对于小型数据集，你可以手动编辑SQL或CSV文件，将其转换为JSON格式。
oracle中的INTERVAL函数学习总结
weixin_42821740的博客
05-30 482
简单学懂interval函数
行列视（RCV）能否在指定时间生成报表数据？
最新发布
2401_83701843的博客
05-30 183
需要注意的是，要实现指定时间生成报表数据的功能，用户需要确保行列视（RCV）系统已经正确配置并连接了相应的数据源，同时还需要根据实际需求进行报表格式和计算逻辑的设置。此外，系统的稳定性和性能也是影响报表生成的重要因素，用户需要确保系统能够正常运行并处理大量的数据。其次，关于指定时间生成报表数据的需求，用户可以通过行列视（RCV）的定时任务功能来实现。综上所述，行列视（RCV）具备在指定时间生成报表数据的能力，但具体实现方式需要根据系统的配置和使用需求来确定。
r语言入门与数据分析笔记
09-19
R语言是一种功能强大的开源编程语言和环境，广泛应用于数据分析和统计建模。入门R语言的过程，我可以分享一些我自己的笔记和经验。 首先，入门R语言需要准备好安装R语言和RStudio的环境。RStudio是R语言的一个集成开发环境，提供了更加友好的界面和便捷的操作。安装完毕后，我们可以打开RStudio开始学习。 接下来，建议通过在线教程、视频教程或者书籍来学习R语言的基础知识和语法。了解R语言的数据结构，如向量、矩阵、数据帧等，掌握R语言的基本运算和函数操作等非常重要。 在学习过程中，我发现通过实际操作来巩固知识是非常有效的。可以尝试使用R语言处理一些简单的数据集，如读取数据、数据清洗和数据可视化等。这样可以更好地理解R语言的功能和应用。 另外，熟悉R语言的常用包和函数也是非常重要的。R语言有很多强大的数据分析包，如ggplot2、dplyr和tidyr等。通过学习它们的基本用法和常见函数的操作，可以更好地进行数据分析和统计建模。 同时，我也建议多参与R语言的相关社区和论坛，与其他R语言爱好者交流和分享经验。这不仅可以解决遇到的问题，还能学习到更多实际案例和应用技巧。 最后，持续学习和实践是掌握R语言的关键。不断地阅读学习材料、参与项目和练习编程，都是提高R语言技能的有效途径。 希望以上简要的笔记对入门R语言和数据分析有所帮助。R语言具有强大的数据分析能力，相信通过不断学习和实践，你可以在数据分析领域取得更好的成果。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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