本文讲述了数据分析师应当了解的五个统计基本概念：统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计方法。 利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构， ...
2020-05-18在过去的几十年中，机器学习领域发生了巨大的变化。诚然，有些方法已经存在很长时间了，但仍然是该领域的主要内容。例如，Legendre和Gauss已经在19世纪初提出了最小二乘的概念。在最近的几十年中，诸如神经网络等 ...
2020-05-14
xpath，英文全称XML Path Language，即XML路径语言，它是一种用来确定XML文档中某部分位置的语言，可以在 XML文档中查找相关的信息，相对而言功能还是比较强大的。 xpath最初是一个通用的、介于XPointer与XSL间的语 ...
2020-05-14
是一种可以从html和xml中快速提取内容的python库，共有四种类型，对于爬虫解析来说，主要用其中的遍历文档树和搜索文档树 BeautifulSoup The Dormouse\'s story Once upon a time there were thr ...
2020-05-14
在JavaScript教程有同步加载与异步加载，大家知道它们指什么吗？ 什么是同步加载？ 在加载数据时仍然执行其他程序，通常加载时是不执行程序的，我们不得不等进度条，因为很多程序在没有加载数据时， ...
2020-05-14
随着机器学习的兴起，Python 逐步成为了「最受欢迎」的语言。它简单易用、逻辑明确并拥有海量的扩展包，因此其不仅成为机器学习与数据科学的首选语言，同时在网页、数据爬取scrapy可科学研究等方面成为不二选择。 ...
2020-05-14
大数据时代下，凭借数据管理框架中的重要管理职能，元数据管理也越来越频繁的出现在大家的视野中。 元数据及应用也是数据仓库的重要组成部分，它是描述数据的数据（data about data)，描述数据的属性信息，可以帮助 ...
2020-05-14
R语言中的dplyr包非常神奇，里面包含很多的函数，今天我们就来介绍下窗口函数的应用。 窗口函数应用 mtcars %>% group_by(cyl) %>% mutate(rank = min_rank(desc(mpg))) mtcars %>% group_by(cyl) ...
2020-05-14
postgreSQL是一款先进的开源数据库，拥有非常齐全的自由软件的对象-关系型数据库管理系统（ORDBMS），可面向企业复杂SQL的OLTP业务场景，支持多项企业级功能，能解决使用数据库的各种难题。 PostgreSQL的优势有很多 ...
2020-05-14
Spark为结构化数据处理引入了一个称为Spark SQL的编程模块。简而言之，sparkSQL是Spark的前身，是在Hadoop发展过程中，为了给熟悉RDBMS但又不理解MapReduce的技术人员提供快速上手的工具。 sparkSQL提供了一 ...
2020-05-14
维度表和事实表，在构建企业级数据仓库时经常能见到。维度表被看成是用户用来分析一个事实的窗口，它里面的数据应该是对事实的各个方面描述，简而言之就是基础表，如：时间维度表，它里面的数据就是一些日，周，月， ...
2020-05-14
大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受关注，要想知道大数据创业方向，一定要知道。Kettle作为ETL工具，在数据管理环节出现，那么我们一起来看看，大数据产业链包括哪几个环节 IT基 ...
2020-05-14
hive默认将元数据存储到本地内嵌的Derby数据库中，但是Derby不支持多会话链接，因此我们使用mysql数据库来存储hive的元数据。配置完成hiveSQL的元数据库之后再开始安装、配置hive。 1、在线安装mysql ...
2020-05-14
最近项目需要一个数据收集分析的功能，做了一些调研。我们一起来看看flume是主流吗？ 目前做网络统计的方式有两大类： 1. Page Tagging， 即页面埋点；web端用js，移动端使用共用api。 2. ...
2020-05-13
rdd，英文全称为：Resilient Distributed Dataset，中文简称“弹性分布式数据集”，spark中最基础的抽象数据结构。 RDD具备分区、不可变、并行操作这三个基本特性，表现形式为不可变的分区元素的集合，并且可以在集 ...
2020-05-13
Mapreduce是种编程模型，结合了概念\"Map（映射）\"和\"Reduce（归约）\"，用于大规模数据集（大于1TB）的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统 ...
2020-05-13
docker源自PaaS提供商dotCloud，是一个基于LXC的开源的高级应用容器引擎，源代码托管在 Github 上, 基于go语言并遵从Apache2.0协议开源。 容器是完全使用沙箱机制，使用者可以将其应用打包后放入docker ...
2020-05-13
Spark Streaming、Flink、Kafka三者都是真正的实时处理，它们分别是什么呢？我们今天来了解下。 什么是Spark Streaming？ spark streaming是真正的实时处理，是微批处理。 什么是Flink？ flin ...
2020-05-13
一般来说，python中DataFrame是可以执行的，可能是初学者在使用过程中，引入了两个DataFrame，导致pandas的DataFrame被覆盖，从而无法运行。 引用zdpandas的DataFrame 我们不会直接引入DataFrame，而是 ...
2020-05-13
Flink其实就是ApacheFlink，是一款业内非常火的大数据产品，由Apache软件基金会开发，核心是用Java和Scala编写的分布式流数据流引擎。Apache Flink是个旨在提供‘一站式’ 的分布式开源数据处理框架。 Flink ...
2020-05-13在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中，箱线图（Box Plot）是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中，绝大多数业务数据都带有时间维度属性，例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模，但当被问到“这批数据属于什么类型——结构化还是非结构化？分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主，例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测，但当被问到“这个月销售额增长20%，到底是长期趋势自然增长，还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中，我们经常需要对比三组及以上样本的均值差异，例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中，留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图，画过按天的流量折线图，但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域，所有转化、成交、复购行为的底层逻辑，都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具，具备快速分组、聚合计算、维度拆解、数据可视化等优势，能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中，正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰，但真到落地环节却面临“数据在手，不知如何转化为可用标签”的困境：或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中，原始数据往往包含多个不同维度的数值指标，例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道，但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时，却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节，直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中，T 检验是假设检验体系里最基础、应用最广泛的统计方法，也是均值差异分 ...
2026-07-07
