<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[儒冠多误身的博客]]></title><description><![CDATA[当我停止成长时 也就迈向了死亡！]]></description><link>https://blog.youkuaiyun.com/DataFrame</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DataFrame]]></copyright><item><title><![CDATA[003电商数据分析（代码篇）]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/123474338</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/123474338</guid><author>DataFrame</author><pubDate>Mon, 14 Mar 2022 11:21:14 +0800</pubDate><description><![CDATA[基于 图表能更好、且直观 表述整个实现过程，请单击打开

《003电商数据分析-实战篇》
包含 电商项目分析逻辑、数据清洗流程、分析实施代码。


因csdn中制表及代码展示较为麻烦，所以我撰写并分享在了 语雀上。


部分展示效果如下图：



...]]></description><category></category></item><item><title><![CDATA[002 电商数据分析项目（思路篇）]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/123404297</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/123404297</guid><author>DataFrame</author><pubDate>Thu, 10 Mar 2022 16:11:38 +0800</pubDate><description><![CDATA[文章目录3.电商的数据分析思路3.1 常见思路3.2 思维导图
3.电商的数据分析思路
3.1 常见思路


熟悉企业业务流程，设计指标体系，搭建BI看板，以完成指标体系的落地，从而：

完成业务流程监控，
快速发现异常、定位异常，
再结合实际业务情况，给出可实施的方案。



从物流部门的角度出发

关键字：时效、妥投率、供应商评估
关于企业物流方面，留在以后详述。



从运营部门的角度出发


我们知道了运营部的最终目标——与企业保持一致


本人从运营可以影响的角度出发拆分为3大板块






模]]></description><category></category></item><item><title><![CDATA[pandas读取csv文件指定字段为日期时间格式pd.read_csv()]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/115486468</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/115486468</guid><author>DataFrame</author><pubDate>Wed, 07 Apr 2021 15:22:14 +0800</pubDate><description><![CDATA[pd.read_csv('demo.csv'
			,parse_dates = ['col1']             # 待转换为**datetime64[ns]**格式的列→col1
			,infer_datetime_format=True  #  将parse_dates指定的列转换为时间
			)



参考资料之一：pd.read_csv参数


]]></description><category></category></item><item><title><![CDATA[行业资料搜索]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89477411</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89477411</guid><author>DataFrame</author><pubDate>Tue, 23 Apr 2019 17:35:55 +0800</pubDate><description><![CDATA[By 儒冠多误身
20190423  整理总结



搜集行业资料

科技媒体

the verge
tnuj
tc
entrepreneur
engadger
36kr
虎嗅
创业邦
黑马网


门户类

网页科技
腾讯科技
新浪科技
搜狐科技


硬件类

雷锋网
火花


O2O类

品途商业评论（pintu360.com）
亿欧


产品经理类

人人都是产品尽力
PMCAFF


电商...]]></description><category></category></item><item><title><![CDATA[【数据分析专题】-常见框架（模型）]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89434300</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89434300</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 16:01:00 +0800</pubDate><description><![CDATA[By 儒冠多误身 2014/04/20 总结

文章目录常用分析框架QQ模型用户行为理论5W2H分析法AARRR模型AARRR反推衡量产品RFM模型人-货-场模型
常用分析框架

框架的作用

需求方：目前我们已经掌握了很多数据，是否还有某块重要的指标没有关注到
新手：街道一个数据分析需求，不知道该从哪里入手
老手：数据报告写好了，我是否还有什么没有考虑到



QQ模型

数量（绝对数）

用...]]></description><category></category></item><item><title><![CDATA[数据分析-专业术语]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89434203</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89434203</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:55:35 +0800</pubDate><description><![CDATA[专业术语


GMV

商品交易总额



UV

Unique Visitor
独立访客数



DNU

每日新增注册数



DAU

Daily Active Users
日活跃用户数量
反映网站、互联网应用或网游的运营情况



DOU

DAU - DNU
老用户
当天活跃人数 减去 注册人数



DNU/DAU

当天注册人数/当天总活跃人数

活跃度指数
用户沉淀指数


评估用...]]></description><category></category></item><item><title><![CDATA[【Python数据处理专题】数据处理和分析的基本流程]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89434033</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89434033</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:47:31 +0800</pubDate><description><![CDATA[儒冠多误身


2019.04.20个人总结

文章目录1. 目标确定2. 数据获取数据来源3. 数据清洗3.1 预处理3.1.1 读取3.1.2 观察3.1.3 关联3.2 缺失值3.2.1 缺失值统计3.2.2 缺失值填充3.3 重复值3.4 转换3.4.1 格式转换3.4.2 字符串转换3.4.2.1 拆分字符串3.4.2.2 诊断是否包含3.4.2.3 替换3.4.2.4 类别字符串转换...]]></description><category></category></item><item><title><![CDATA[【2019】数据来源]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433960</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433960</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:43:13 +0800</pubDate><description><![CDATA[数据来源

文章目录数据来源竞赛科研官方其他API坐标系转换数据收集
数据来源
竞赛

kaggle
DataCastle
天池
KDD，数据挖掘

科研

UCI
RAWDAD
SNAP，斯坦福

官方

国家统计局
北京市统计局
世界银行公开数据
国家农业部
国家环保局
data.gov
NYCOpenData
纽约出租车
上海市政府数据服务网

其他

P2P个人贷款网站数据集
美国共享单...]]></description><category></category></item><item><title><![CDATA[【2019】python3基础]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433890</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433890</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:39:27 +0800</pubDate><description><![CDATA[2019python3基础

文章目录基础1. 变量类型字符串`%`格式化字符串format格式化标识符print输出apply,map,applymap表达式Numpy1 随机数Pandas1 表格样式2 Series3 DataFrame4 数值计算、统计基础5 文本数据-`.str.`6 合并7 连接8 去重9 分组统计分组计算分组转换10 透视表11 数据读取12 虚拟变量时间模块`pd...]]></description><category></category></item><item><title><![CDATA[【Python数据处理专题】-pandas库]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433862</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433862</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:38:10 +0800</pubDate><description><![CDATA[pandas

文章目录其它Series属性创建修改删除过滤描述统计DataFrameIOTimeSeries基础索引对象重新索引reindex多重索引丢弃drop（）索引、选取和过滤索引的重复性算数运算applyapplymap元素级应用排序排名描述统计相关性，协方差去重缺失值处理排序-去重map replace数据抽样samplingmap关联pd.mergepd.concatnp.conc...]]></description><category></category></item><item><title><![CDATA[【Python数据处理】-Numpy库]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433788</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433788</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:35:10 +0800</pubDate><description><![CDATA[numpy

文章目录Numpy矩阵数组ndarray数组的创建ndarray数组的维度变换属性ndarray的元素类型ndarra数组的类型变换ndarray数组向列表的转换运算Numpy一元函数*unary ufunc*Numpy二元函数 *binary ufunc*矢量化三元表达式 *```np.where(arr1,第二个参数，第三个参数)```*随机数组统计函数IONumpy便捷文件存...]]></description><category></category></item><item><title><![CDATA[【Python数据分析专题】-数据探索分析]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433744</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433744</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:31:54 +0800</pubDate><description><![CDATA[数据探索

文章目录1. 查询query2. 统计分析2.1 描述统计2.1.1均值、中位数描述2.1.2 分布描述2.1.3 MAD2.1.4 偏度、峰度1 集中趋势2 离中趋势3 数据分布分布函数的生成抽样2.2 点估计与置信区间2.3 概率分布2.4 检验2.5 卡方检验2.6 ANOVA2.7 AB测试2.8 态分布按数据类型选分析方式3. 估计3.1 点估计3.2 中心极限定理3.3 ...]]></description><category></category></item><item><title><![CDATA[【Python数据处理专题】-时间序列]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433692</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433692</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:28:50 +0800</pubDate><description><![CDATA[时间序列

文章目录pandas时间序列时间序列基础DatetimeIndex对Series的操作对DataFrame的操作重采样resample方法的参数截取生成日期范围日期偏移量移动（超前或滞后）数据datetime模块转换字符串 与 datetime.datetime相互转换datetime.datetime--&gt;strstr --&gt; datetime.datetimedate...]]></description><category></category></item><item><title><![CDATA[【Python数据处理专题】-加载IO]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/89433458</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/89433458</guid><author>DataFrame</author><pubDate>Sun, 21 Apr 2019 15:14:32 +0800</pubDate><description><![CDATA[文章目录其他pd.read_table()pd.read_csv()查看文件布局读取参数逐块读取输出文件指定分隔符输出手工处理手工读取手工输出分隔符文件pd.read_excel()读取表写入表写入多张表pd.read_json()JSON字符串转换成Python形式Python对象（不一定是DataFrame、Series）转换成JSON格式JSON格式转换成DataFrame特定格式的JSON...]]></description><category></category></item><item><title><![CDATA[实例二：上海房屋2017年成交信息分析]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/88354157</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/88354157</guid><author>DataFrame</author><pubDate>Fri, 08 Mar 2019 16:40:20 +0800</pubDate><description><![CDATA[文章目录1 数据处理1.1 预处理：观察1.2 缺失值处理1.2.1 【物业费】 列的处理1.2.2 【總價】 列的处理1.2.3 【物业类型】 列的处理1.2.4 【户型】【建筑年代】 列处理1.3离散化1.4 行列取舍——整理完毕2 数据分析2.1 数据特征分析2.1.1集中趋势、离散趋势2.1.2 相关性分析2.2 可视化分析设置表格样式
import numpy as np
import ...]]></description><category></category></item><item><title><![CDATA[【儒冠多误身】个人数据处理基本流程【简述】]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/84850927</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/84850927</guid><author>DataFrame</author><pubDate>Thu, 06 Dec 2018 12:14:23 +0800</pubDate><description><![CDATA[数据处理基本流程

儒冠多误身——个人总结-20181206



预处理

读取
观察

数据维度.shape
数据属性info()
head()


合并

多表关联





NaN–&amp;amp;amp;amp;gt;排序–&amp;amp;amp;amp;gt;去重


缺失值处理df.dropna()


缺失值诊断df.isnull()


缺失值统计


缺失值-舍弃

行 处理
列 处理



NaN]]></description><category></category></item><item><title><![CDATA[【儒冠多误身】Numpy库知识体系]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/84717904</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/84717904</guid><author>DataFrame</author><pubDate>Sun, 02 Dec 2018 16:08:17 +0800</pubDate><description><![CDATA[Numpy个人知识体系

儒冠多误身
20181202

文章目录Numpy个人知识体系一元函数 *unary ufunc*二元函数 *binary ufunc*矢量化三元表达式 *```np.where(arr1,第二个参数，第三个参数)```*统计函数创建从列表、元组创建使用numpy函数创建随机数组随机生成随机排列随机分布

通用函数ufunc
对ndarray中元素运算的函数

一元函数 ...]]></description><category></category></item><item><title><![CDATA[饮食结构]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/84679172</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/84679172</guid><author>DataFrame</author><pubDate>Sat, 01 Dec 2018 22:08:24 +0800</pubDate><description><![CDATA[量
原则

减小包装盒、碗的尺寸
只在餐桌边吃点心
让诱人的食物，不太便利


主食

250-400克/天

3种/天
5种/周
米面&amp;lt;150克/天
粗粮，杂豆，薯类各50克/天


红薯]]></description><category></category></item><item><title><![CDATA[MySQL求每个用户当月是否消费过]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/84674889</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/84674889</guid><author>DataFrame</author><pubDate>Sat, 01 Dec 2018 16:26:34 +0800</pubDate><description><![CDATA[SELECT userId,DATE_FORMAT(paidTime,&quot;%Y%m-01&quot;)
from learn.order_info_utf
GROUP BY userId,DATE_FORMAT(paidTime,&quot;%Y%m-01&quot;)


使用left join

SELECT t1.m,count(t1.m),count(t2.m) FROM (
	SELECT userId,DATE_FO...]]></description><category></category></item><item><title><![CDATA[【儒冠多误身】MySQL个人学习笔记]]></title><link>https://blog.youkuaiyun.com/DataFrame/article/details/84584594</link><guid>https://blog.youkuaiyun.com/DataFrame/article/details/84584594</guid><author>DataFrame</author><pubDate>Wed, 28 Nov 2018 15:08:31 +0800</pubDate><description><![CDATA[文章目录MySQL个人学习笔记问题总结1. 报错2. 设置字符集3. 跳出执行入门语句增删改查创建表查看表结构增 insert改 update set where删 delete from  where查 select查询模型建表数值型整型int系列的参数：(M) unsigned zerofill浮点型：float(M,D)，会有损精度定点数：decimal(M,D)字符串型Char(M)定长字...]]></description><category></category></item></channel></rss>