小水滴真的是太可爱了吧
小水滴真的是太可爱了吧
全部文章
【数据分析与挖掘】
linux(1)
mysql(1)
python(2)
【Excel】(1)
【Lambda大数据开发】(51)
【Linux基础与高级】(49)
【PhotoShop】(4)
【Python基础与提高】(47)
【Python工程师面试题】(6)
【Web后端】(19)
【产品经理专栏】(2)
【前端】(95)
【力扣面试刷题】(12)
【吴恩达机器学习】(34)
【吴恩达深度学习】(31)
【小问题解决】(27)
【数据产品】(2)
【数据分析岗位面试】(25)
【数据库】(62)
【数据结构与算法专栏】(45)
【新冠病毒】(2)
【机器学习与深度学习】(165)
【爬虫】(68)
【网络基础与高级】(57)
【面向对象】(14)
产品技能(1)
数据挖掘竞赛(8)
题解(1)
归档
标签
去牛客网
登录
/
注册
小水滴真的是太可爱了吧的博客
全部文章
/ 【数据分析与挖掘】
(共105篇)
数据分析之Power BI(三):Power BI如何导入自定义视觉图像(附上百种自定义视觉图像)
自定义图像下载资源:https://download.csdn.net/download/qq_35456045/12235168
2020-09-22
0
0
数据分析之Power BI(四):瀑布图的绘制
2020-09-22
0
518
可视化缺失值的库——missingno的使用方法和案例演示
可视化缺失值的库——missingno 文章目录 可视化缺失值的库——missingno 1.安装程序包并加载 2.导入训练数据集 3.无效矩阵的数据密集显示 4.条形图 5.热图相关性 6.树状图 1.安装程序包并加载 #pip ins...
2020-09-22
0
904
skewness and kurtosis偏态和峰度的解释和演示、数据的偏度和峰度——df.skew()、df.kurt()
skewness (偏态) <mark>正偏态分布(positive skewness distribution)<mark>是指频数分布的高峰偏于左侧,偏态系数为正值的频数分布形态。偏态分布分为</mark>正偏态</mark>和<mark&...
2020-09-22
0
2255
多变量之间的关系可视化——Seaborn.pairplot
文章目录 1.导入需要用的包 2.基本格式 数据指定 特殊参数 基础参数 返回 3.多变量之间的关系图 (1)散点图 (2)指定分类变量的散点图 使用调色板 ...
2020-09-22
0
1115
用pandas_profiling生成一个全面的可视化和数据报告
安装包: pip install pandas_profiling -i https://pypi.douban.com/simple 如果出现失败,重新运行一次即可,他会自动匹配到正确的包帮你卸载并安装正确的版本 导入包正确: 生成数据报告: prf = pandas_profili...
2020-09-22
0
521
python封装的异常值处理函数(包括箱线图去除异常值等)
# 这里我包装了一个异常值处理的代码,可以随便调用。 def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值,默认用 box_plot(scale=3)进行清洗 :param data: 接收 pandas...
2020-09-22
0
895
用Python进行时间处理合集(最详细了,不断更新,建议收藏)
用Python进行时间处理合集 文章目录 用Python进行时间处理合集 一、Time 1.1.获取当前时间 1.2.将时间戳转化为时间元组 1.3.struct_time(时间元组)中各部分的含义...
2020-09-22
0
867
用户画像(一):我对用户画像的理解
文章目录 什么是用户画像你知道吗 为什么需要用户画像你知道吗 什么是用户画像你知道吗 在我的理解就是用户信息的标签化,您只需要掌握以下几点就好了: Persona是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型 根据用户的目标、行为和观点的差异,将...
2020-09-22
0
995
用户画像(二):给大家分享一套我建立用户画像的思维
文章目录 怎么建立用户画像呢 例子 用户画像的应用 怎么建立用户画像呢 要贴标签,先要有数据,一般讲用户数据划分为静态信息数据、动态信息数据两大类。 静态数据:用户相对稳定的信息,如性别、地域、职业、消费等级等。 动态数据:用户不停变化的行为信息,如浏览网页...
2020-09-22
0
1026
首页
上一页
2
3
4
5
6
7
8
9
10
11
下一页
末页