<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Answer_F的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Answer_F</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Answer_F]]></copyright><item><title><![CDATA[手机连锁店经营可视化]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/119678071</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/119678071</guid><author>Answer_F</author><pubDate>Fri, 13 Aug 2021 20:13:08 +0800</pubDate><description><![CDATA[手机连锁店经营可视化一、分析背景二、理解数据1.数据源2.数据字段1）订单表2）店铺表3）产品表4）产品表【二级】5）客户表6）日期表三 数据可视化1.店铺的基本情况2.销售情况3 产品销售4 店铺销售
一、分析背景
本文对近两年（2017-2018）某地手机连锁店经营情况进行数据的可视化展示
二、理解数据
1.数据源

订单表
产品表
产品表【二级】
店铺表
客户表
日期表

2.数据字段
1）订单表

共20371行，9列
2）店铺表

共10行，11列
3）产品表

共435行，5列
4）产品表【二级]]></description><category></category></item><item><title><![CDATA[DataWhale第四次打卡]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/118093203</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/118093203</guid><author>Answer_F</author><pubDate>Mon, 21 Jun 2021 22:34:26 +0800</pubDate><description><![CDATA[DataWhale第四次打卡
本次学习的是可视化，可视化部分是之前真的没有学习过的，之前还是有一些numpy 和 pandas 的基础，学习matplottlib真的是从零开始了，这两天的学习算是打个基础先，然后将常用的图表学会了就好了，之后的运用以后再学习吧。
第二章
第四部分 数据可视化

在可视化开始前需要导入哪个库？

import matplotlib.pyplot as plt
import seaborn as sns

ps:seaborn包：方便绘图前聚合和汇总数据

调整图画格式的
pl]]></description><category></category></item><item><title><![CDATA[DataWhale打卡第三次]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/118058569</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/118058569</guid><author>Answer_F</author><pubDate>Sat, 19 Jun 2021 21:01:05 +0800</pubDate><description><![CDATA[DataWhale打卡第三次
感觉这六天的学习还挺紧凑的。不过这两天的学习比前两天的学习要轻松一点。学起来感觉还是挺基础的。
目录DataWhale打卡第三次第二章第三部分 数据重构2.3.1 数据的行列合并列合并行合并2.3.2 数据分组计算拆分-应用-联合（split-apply-combine)
第二章
第三部分 数据重构
2.3.1 数据的行列合并
列合并

pd.concat( )

pd.concat(objs, axis=0, join='outer', join_axes=None, ign]]></description><category></category></item><item><title><![CDATA[DataWhale第二次打卡]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/117992814</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/117992814</guid><author>Answer_F</author><pubDate>Thu, 17 Jun 2021 19:30:26 +0800</pubDate><description><![CDATA[DataWhale第二次打卡
感觉学习还是比较紧凑的，需要掌握的东西挺多的。还涉及到一点比较新的知识，这些知识还是比较难去掌握的。
第二章
第一部分 数据清洗
2.1.1缺失值的整理


查看和判断缺失值
data.isna().sum()
data.isnull().sum()
#结果显示：
	PassengerId      0
	Survived         0
	Pclass           0
	Name             0
	Sex              0
	Age    ]]></description><category></category></item><item><title><![CDATA[Datawhale第一次打卡]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/117903102</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/117903102</guid><author>Answer_F</author><pubDate>Tue, 15 Jun 2021 17:21:55 +0800</pubDate><description><![CDATA[Datawhale第一次打卡
最近参加了一个“动手学数据分析”的学习打卡活动，自己本身对python只有一点点的了解，无数次想啃《利用Python进行数据分析》，但最后都不了了之了，这次活动好在：1.有一条比较完善的学习路径（这一点是比较好的，毕竟刚学习的时候有人告诉了你哪些比较重要，这样相对来说可以降低学习的成本）；2.会有专人解答疑惑；3.会有伙伴相互打气，所以趁这次学习活动好好地学python数据分析，冲！！！
数据集下载：泰坦尼克号-机械从灾难中学习.

第一章
第一部分 载入 / 调整 / 查看 ]]></description><category></category></item><item><title><![CDATA[Video Game Sales电子游戏销售分析]]></title><link>https://blog.youkuaiyun.com/Answer_F/article/details/108476655</link><guid>https://blog.youkuaiyun.com/Answer_F/article/details/108476655</guid><author>Answer_F</author><pubDate>Tue, 08 Sep 2020 21:23:46 +0800</pubDate><description><![CDATA[Video Game Sales电子游戏销售分析一、分析背景和目的二.提出问题三.理解数据1.数据来源2.数据集大小3.字段含义四.数据清洗五.构建模型与数据分析1.近年来日本电子游戏行业的发展情况如何？相较于全球市场情况如何？2.日本最受欢迎的电子游戏的类型和发行商分别是哪些？3.日本最大发行商Mintendo（任天堂）在日本发展状况如何？
一、分析背景和目的
本文分析近几十年来日本电子游戏行业在全球的发展概况，并制作电子游戏销售故事。
二.提出问题
1.近年来日本电子游戏行业的发展情况如何？相较于全球市]]></description><category></category></item></channel></rss>