- 博客(6)
- 收藏
- 关注
RSS订阅原创 git命令使用github
github相关设置ssh设置1.创建密钥ssh-keygen -t ed25519 -C "git@github.com"Enter file in which to save the key (/xxxx/xxx/.ssh/id_ed25519): # 回车Enter passphrase (empty for no passphrase): # 回车Enter same passphrase again: # 回车2.后台启动ssheval "$(ssh-agent
2022-04-24 01:02:14
351
转载 RFM电商数据分析（4）
本文纯属复现和鲸社区大佬Phoenix的分析过程，及大部分代码，此处贴上地址：原文地址s26 = s25_data2[s25_data2['月新老客户']=='新客户'].groupby('month').agg(新用户数量=('月新老客户','count'),新用户销量=('buy_count','sum'),新用户销售额=('amount','sum'))s26['新用户数量环比增长'] = s26['新用户数量'].diff()s26['新用户数量环比增长率%'] = s26['新用户数量']
2021-10-20 20:59:26
242
转载 RFM电商数据分析（3）
本文纯属复现和鲸社区大佬Phoenix的分析过程，及大部分代码，此处贴上地址：原文地址s15 = df.groupby('user_id').agg(消费金额=('amount', 'sum')).describe(percentiles=[0.01, 0.1, 0.25, 0.5, 0.75, 0.9, 0.99])s15s15.消费金额 = round(s15.消费金额,2)data_pair = [list(z) for z in zip(s15.index, s15.消费金额.valu
2021-10-20 20:48:40
346
转载 RFM电商数据分析（2）
在（一）中已经初步清洗完了数据，接下来进行实战分析RFM电商数据分析（一）数据准备df['event_time'] = pd.to_datetime(df['event_time'])df['order_id'] = df['order_id'].astype('object')df['product_id'] = df['product_id'].astype('object')df['category_id'] = df['category_id'].astype('object')df[
2021-10-20 20:33:59
291
转载 RFM电商数据分析（1）
本文纯属复现和鲸社区大佬Phoenix的分析过程，及大部分代码，此处贴上地址：原链接地址分析过程：一 准备分类导入必要包数据来源公开社区，564169条/15行/94MB 某电子产品2020/01/05-2020/11/25销售数据 二 数据处理1. 导入数据，将字段名改为中文名称2. 为了后期分析用户数据，创建新的字段：日期 / 月份 / 小时 / 周 / 3. 字段解释 4. 处理缺失数据 5. 处理重复数据 6. 处理异常值 三 计算指标。(金额/销量/
2021-10-20 20:15:11
373
2
原创 MySql for Mac安装教程
MySql for Mac2021年8月29日，我用macbook air下载了MySql-8.0.26，并试图使用Navicat Premium连接mysql。第一次连接失败，错误提示：2003 - Can’t connect to MySQL server on ‘127.0.0.1’ (61 “Connection refused”)于是我疯狂谷歌。发现我用终端无法调出mysql第N次连接失败，错误提示：2059 - Authentication plugin ‘caching_sha2_
2021-08-30 14:12:09
3729
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人