舍友居然在看·知网都搜不到的知识：湖仓一体
沃尔玛拥有世界上最大的数据仓库系统，它利用数据挖掘方法对交易数据进行分析后发现"跟尿布一起购买最多的商品竟是啤酒！后来经过大量实际调查和分析，发现在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒，这是因为美国的太太们常叮嘱她们的丈夫下班后为小孩
Python大数据-电商产品评论情感数据分析
一、项目背景网上购物已经成为大众生活的重要组成部分。人们在电商平台上浏览商品并购物，产生了海量的用户行为数据，用户对商品的评论数据对商家具有重要的意义。利用好这些碎片化、非结构化的数据，将有利于企业在电商平台上的持续发展，同时，对这部分数据进行分析，依据评论数据来优化现有产品也是大数据在企业经营中的
t 检验的 3 种常用方法及在 Python 中使用样例
本文将介绍 t 检验的 3 种变体以及何时使用它们以及如何在 Python 中运行它们。
大数据分析-零基础学Tableau+超详细讲解+示例练习（四）
前文回顾：零基础学Tableau（一）：条形图、直方图绘制：传送门零基础学Tableau（二）：折线图、饼图、环形图绘制：传送门零基础学Tableau（三）：树形图、气泡图、词云图绘制：传送门
大数据分析-零基础学Tableau+超详细讲解+示例练习（三）
零基础学Tableau+超详细讲解+示例练习（三）：凸显表、树形图、气泡图、词云图绘制
大数据分析-零基础学Tableau+超详细讲解+示例练习（二）
零基础学Tableau+超详细讲解+示例练习（二）：折线图饼图环形图
深入了解 TabNet ：架构详解和分类代码实现
Google发布的TabNet是一种针对于表格数据的神经网络，它通过类似于加性模型的顺序注意力机制（sequential attention mechanism）实现了instance-wise的特征选择，还通过encoder-decoder框架实现了自监督学习。
利用seaborn画带数值分布的箱型图
多类别箱型图，分类数据可视化、利用python的seaborn
R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战
R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战目录R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战#基本语法#向量反序#dataframe列反序#dataframe行反序#基本语法rev(x)#向量反序vec <- 1:10
多分类任务的混淆矩阵
今天我将讨论如何在多分类中使用混淆矩阵评估模型的性能。
R语言ggplot2可视化彩色水平条形图并基于条形长度和数值标签长度、自定义最优化配置标签在条形内部或者条形外部
R语言ggplot2可视化彩色水平条形图并基于条形长度和数值标签长度、自定义最佳配置标签在条形内部或者条形外部
R语言使用t.test函数计算两组独立数据的t检验（Independent t-test）
R语言使用t.test函数计算两组独立数据的t检验（Independent t-test）
数据变异性的度量 - 极差、IQR、方差和标准偏差
variability被称作变异性或者可变性，它描述了数据点彼此之间以及距分布中心的距离。它告诉你点是倾向于聚集在中心周围还是更广泛地分散。
Error in select(., cyl, mpg) : unused arguments (cyl, mpg)
Error in select(., cyl, mpg) : unused arguments (cyl, mpg)目录Error in select(., cyl, mpg) : unused arguments (cyl, mpg)问题：解决：完整错误：问题：#由于来自MASS包的select（
pandas这么多实用又常用的技能，还不快快收藏起来
自从我整理完这两篇关于pandas的博文之后，我从博文的阅读以及收藏的数据中不难得知，大家对于这类实用性的博文的认可，同时我自己在工作中有时也会发现，即使我整理了这么多有关于pandas的内容，但或多或少还是会遗漏一些知识点，毕竟pandas实在是太多实用的功能了。那么今天这篇博文呢，我进一步整理了
一文速览-数据分析基本思维以及方法
前言数据分析个人认为可以算是逻辑思维的分流强化型应用，了解了逻辑和基本思维方法其他方法基本大同小异，有些许其区别。个人最近有些空闲时光正好抓紧学习一波数据分析基本思维做建模的时候好思维逻辑清晰。本文仅供参考。提示：以下是本篇文章正文内容，下面案例可供参考一、数据分析的基本概念数据分析是指用适当的统计
使用Pandas melt()重塑DataFrame
重塑 DataFrame 是数据科学中一项重要且必不可少的技能。 在本文中，我们将探讨 Pandas Melt() 以及如何使用它进行数据处理。
数据分析基础——数据规整
一.数据连接pd.merge(left,right)将left和right进行含相同的部分进行合并，然后进行连接pd.merge(left,right,one=['key1','key2'])指定多个键进行合并pd.merge(left,right,how='outer',one=['key1','
pandas计算dataframe两列数据值相等的行号、取出DataFrame中两列值相等的行号
pandas计算dataframe两列数据值相等的行号、取出DataFrame中两列值相等的行号
pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容
pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容目录pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容#仿真数据#数据内容替换使用的字典#stack函数将数据堆叠起来#sta
