Bingo

aggfunc是一个很灵活的参数，它是用来指定我们汇总想用哪种函数，默认是均值mean，我们也可以使用求和sum、最值max等。这个网上非常流行的一张图解Pandas透视表函数的图形，它利用一份简单的数据，清晰明了地讲解了pivot_table函数的每个参数的含义，保存备用！下面是在Excel表格中使用消费数据制作的透视表（部分数据截图），我们统计的是不同性别不同日期下的消费金额和小费，同时还显示了总计的数据。透视表的制作灵活性高，可以随意定制我们想要的的计算统计要求，一般在制作报表神器的时候常用。

很多人都知道二八定理，即20%的人掌握着80%的财富。源出处是80/20帕累托法则，很有名的ABC分类法可以说是该法则的衍生。比如一共有100件商品，10件商品占销售总额的70%，20件商品占销售总额的20%，还有70件商品仅占销售总额的10%。于是你可以按照70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分C商品，以达到资源管理的最优状态。比如下图实例。

我们所说的“模型”就是这样一个体系，实际上模型是指对于某个问题或客观事物、规律进行抽象后的一种形式化表达方式，模型分类有很多种，有数学模型、程序模型、逻辑模型、方法模型、数据模型、算法模型、管理模型（来自"MBA智库百科"），而我们这里所说的是“模型”不属于任何一类，对能纳入到数据分析决策中的都是我们需要的模型，主要包括数学模型、数据模型、算法模型、管理模型中的具体模型。这个矩阵可以更细化的说明产品所在行业的状况（比如波士顿矩阵中，偏向于现金牛的瘦狗中的产品，并不一定制定撤退战略就是妥善的。

一般k=1.5是一个经验值，计算出的是中度异常的范围，K=3计算出的是极度异常的范围概率的四等分即0.25,0.5,0.75，概率为0.25对应的自变量x值为0.675西格玛。当k=1.5下限:= -2.7σ上限：= 2.7σ当k=2下限：= -3.375σ上限：= 3.375σ。

还有更加偷懒的办法，假如整理数据时遇到了大量的时间需要输入，比如2020-11-11 00:00:00，输入-和：太浪费时间了，而且时间之间没有什么变化规律可循，这种情况下可以直接输入20201111000000进行记录，之后再借助pd.to_datetime()解析，省时省力一步到位。unit=None,#单位str, default 'ns'，可以是(D,s,ms,us,ns)origin='unix',#指定从什么时间开始，默认为19700101。不指定时间则默认从19700101开始。

MIT大学的ComputerScience主题的课程总时长平均值为245.8h，Science,Technology,Engineering,andMathematics主题的课程总时长平均值为84.8h，Government,Health,andSocialScience主题的课程总时长平均值为156.1h，Humanities,History,Design,Religion,andEducation主题的课程总时长平均值为62.6h。其中39、40、53属于异常值。...

随机抽取实验者并将其分成2组，每组25人，A组使用键盘布局A，B组使用键盘布局B。两组样本所代表的总体平均值差值置信区间，95%置信水平为CI=[-4.07,-1.37]，即使用A键盘的错字数量比使用B键盘平均约少2-4个。数据记录在CSV文件中，A列是使用键盘布局A打错字的数量，B列是使用键盘布局B打错字的数量。综上，备选假设成立即两种键盘布局的用户体验有差异，且A版本键盘布局的用户体验更好。两款布局不一样的手机键盘(A版本，B版本)，想知道哪种键盘布局的用户体验更好。...

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。R（Recency）——最近日期或最新日期即客户最近一次消费日期距分析日的时间间隔。最近一次消费的时间间隔是维系顾客的一个重要指标。根据R值越小越好的标准，间隔时间越短越有可能再次购买，按短到长平均分成5个等级，依次为R5-R1。F（Frequency）——消费频率即单位期间内的消费次数。在单位期间内的消费频率越高越好。消费次数多的客户通常是满意度高和忠诚度高的的客户，这部分客户是企业必须维系好的客户。M（Monetray）——消费总额。......

本篇文章主要是实现用SQL语句构建RFM模型指标，为文章‘基于RFM模型的用户价值分析——Python&Tableau’第六部分的SQL版本。将f1、消费金额字段类型修改为整型，将交易日期字段类型修改为日期型；...

一个集合里有n个元素，每个元素有不同的权重，现在要不放回地随机抽取m个元素，每个元素被抽中的概率为元素的权重占总权重的比例。要怎么做呢？简单的解法现在考虑只抽取一个元素，假设权重之和为1。我们可以从[0, 1]中随机得到一个权重，假设为0.71，而后从第一个元素开始，不断累加它们的权重，直到有一个元素的累加权重包含0.71，则选取该元素。下面是个示意图：要选取 m 个元素，则可以按上面的方法先选取一个，将该元素从集合中去除，再反复按上面的方法抽取剩余的元素。这种方法的...

作为跨境的从业人员，知道目的国家的消费者使用什么样的社交软件、购物软件非常重要。了解了老外经常使用的社交软件，就可以更深入地了解目标用户的喜好，还可以养号做推广。了解老外经常使用的购物软件，可以学习借鉴同行产品文案、产品详细等信息，还能从评论中寻找机会。在本篇文章中，主要推荐4款全球App排行工具，都是免费的。 App之间的数据可以交叉对比。经常看看，或许能发现一些惊喜！！1.appannie1.1.网址：https://www.appannie.com/cn/apps/ios/top.

之前讲的用户新增、用户活跃数据相当于基础设施，有了这些基础设施后，才可以开门营业，赚取利润，而利润就是本章要说的主题：用户付费。本篇我将从以下四个方面，来讲解下用户付费方面的知识。一、用户付费的数据指标二、影响用户付费的因素三、提升用户付费的方法四、用户付费的价值一、用户付费的数据指标付费率：付费用户占活跃用户的比例。一般说的是日付费率，计算方式是当日充值人数除以...

作者｜蚂蚁金服人工智能部产品经理 范磊本文首发｜微信公众号 友盟数据服务 （ID：umengcom），转载请注明出处If you are not running experiments，you are probably not growing！——by Sean EllisSean Ellis 是增长黑客模型（AARRR）之父，增长黑客模型中提到的一个重要思想就是“AB实验”。...

本文内容为【友盟+】首席数据架构师&数据委员会会长张金做客「极客公开课·Live 」演讲内容。文章内容包含：用户画像的核心价值，用户画像是如何生成的？常用的标签体系包括哪些？应用在哪？以及数据应用的建议和总结等。友萌君精心整理了文字＋PPT版本，建议你先收藏再仔细阅读，真的是干货满满！什么是用户画像？用户画像也叫用户标签，是基于用户行为分析获得的对用户的一种认知表达，...

在这个数据驱动运营的时代，数据不仅是数据工程师和分析师的事情，在工作中也要求运营从业者有一定的数据分析能力，更有人说“数据分析能力是未来运营的分水岭”。从我自身角度出发，真心觉得数据能更好推动运营策略和工作的开展。但运营童鞋多是数据小白，没有编程和技术基础，那我们该怎么分析并用好数据呢？今天从运营常见的数据问题出发，希望让大家能快速地入门数据分析，让数据更好地为工作服务，别白白浪费数据的价值...

1前言针对用户增长分析这个课题，本文主要从用户防流失的角度，阐述如何基于QQ社交网络数据构建用户流失预警模型，找出高潜流失用户，用于定向开展运营激活，从而有效控制用户流失风险，提升大盘用户的留存率和活跃度。本文所涉及到的分析框架和方法论等具有较强的通用性，可供有需要的同学了解参考。2分析背景“根据美国贝恩公司的调查，在商业社会中5％的客户留存率增长意味着公司利润30％的增长，而把产品卖...

我们今天要向大家介绍的是Facebook广告定向优化的8种方法您的Facebook广告定向可以进一步优化吗？您正在寻找通过Facebook广告触达理想受众的新方法吗？Facebook的新定向选项可帮助您提高Facebook广告的转化率。本文介绍了八种方法帮助您优化Facebook广告定向。1通过兴趣精准筛选相似受众(lookalike audience)如果您的博客拥有大量...

有的运营人员做渠道投放，每个渠道都投放了，点击量特别高，但激活量只有个位数。也有可能点击激活数量都很高，但是留存率很低。费用都花光了，但是效果没有出来。自己做数据分析，但是却得不到结论。我们做数据分析的前提是需要拿到靠谱的数据。如果数据不准确，基于这个数据分析出来的结论是没有意义的。获取准确的数据，首先需要我们选择靠谱的统计分析平台。即便在平台靠谱的情况下，也有可能出现一些不靠谱的情况。俗...

数据行业这几年发展迅速，出现了很多数据的工种，包括人工智能，机器学习，数据挖掘，数据分析，数据仓库，数据中台，数据流式计算等方向。我几年前入坑的数分，由于门槛低，覆盖范围广，学习可广可深，受到天南海北万众宠爱于一身。当然，我估计大家选择数据分析的真实原因，还是认为数分技术门槛低，不太需要写代码，而自己又想进...

python中常用的两个画图库是Matplotlib和Seaborn，直接pip安装即可。常玩吃鸡的小伙伴应该很熟悉雷达图，游戏结束后会出现一张评价雷达图，我们可以用Matplotlib库来制作雷达图import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPrope...

作者：小杰链接：https://www.zhihu.com/question/30269898/answer/123261564来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。beta分布介绍相信大家学过统计学的都对 正态分布 二项分布 均匀分布 等等很熟悉了，但是却鲜...

/*作者注：这是2011年左右新浪微博个人兴趣模型的技术架构，所以你从中是看不到目前很多流行的NoSQL平台的，因为它们那时候还没出生呢，现在应该有了很大变化了，不过以新浪微博对技术的重视程度，说不定还是这套在运转也说不定@^@。*/在微博环境下，构建微博用户的个人兴趣模型是非常重要的一项工作。首先，从可行性方面而言，微博是一个用户登录后才能正常使用的应用，而且用户登录后会有阅读/发布/关注等多种...

二元向量的相似性度量(每一维都少的信息量，主要是0,1等有 or 没有属性)：Dice：2*|(X∩Y)|/(|X|+|Y|), *2保证∈[0,1],维数不一致时，差别大。jaccard |(X∩Y)/(X∪Y)|,交叠程度小时，值较低交叠系数：|(X∩Y)|/min{|X|,|Y}}， 互相...

摘要本文簡介如何使用 dplyr 與 base R 語法進行六個基本資料處理技法，並支持初學者先從 dplyr 開始做基本資料處理技法這個論點。論點起源在 Tidyverse：R 語言學習之旅的新起點一文中我們提到過新興的 R 語言學習路徑可以從 tidyverse 這個套件起始，而非傳統的 Base R；這個論點其實源自於 DataCamp 現任的首席資料科學家 David Robi...

这次主要对某SLG游戏的用户及付费进行分析。数据来源为游戏玩家付费金额预测大赛-竞赛信息-DC竞赛一.理解数据下图为数据的部分截图：图1主要关键字有：用户ID, 注册时间, 付费金额，要塞（玩家主基地）等级，付费金额等。将数据导入到Data Frame中：import pandas as pdimport numpy as npimport matplotlib.pyplot as plt%...

留存折损—–两个不同节点的留存之间的比值，用于判断留下用户的留存情况，即真实用户的留存。 换一种维度去分析留存，不拘泥于留存的绝对值，将留存统一化，提炼客观的参考标准。常见的留存疑惑：** 我的游戏次留很好，怎么活跃涨不起来，一个月后感觉活跃有些快崩了？ 我知道游戏的留存差，但不确定在那个阶段差，比正常值差多少，该怎么去调整？一、简述 在游戏的数据分析中，重点无外乎是分析： 1、...

在机器学习、数据挖掘领域，工业界往往会根据实际的业务场景拟定相应的业务指标。本文旨在一起学习比较经典的三大类评价指标，其中第一、二类主要用于分类场景、第三类主要用于回归预测场景，基本思路是从概念公式，到优缺点，再到具体应用（分类问题，本文以二分类为例）。1.准确率P、召回率R、F1 值定义 准确率（Precision）：P=TP/(TP+FP)。通俗地讲，就是预测正确的正例数据占预测为...

作者简介： 林荟，美国杜邦公司商业数据科学家，美国爱荷华州立大学博士。《套路！机器学习：北美数据科学家的私房课》作者。2017年1月至今主持美国统计协会市场营销在线数据科学讲座。个人网站：http://linhui.org/。责编：何永灿（heyc@youkuaiyun.com）本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅《程序员》在回答这个问题之前，希望你先

分类和回归区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或着说是离散变量预测。 举个栗子：预测明天气温多少——回归问题；预测明天晴天还是阴天——分类问题。 注：定量、定型区别（举例）一个人向东走，这是定性描述。一个人向东走300米，这是定量描述。定量比定性更加精确详细。

购物篮分析购物篮数据的二元0/1表示利用关联分析的方法可以发现联系如关联规则或频繁项集。二元表示每一行对应一个事务，每列对应一个项，项用二元变量表示项在事务中出现比不出现更重要，因此项是非对称的的二元变量。项集（Itemset）：包含0个或多个项的集合，如果包含k个项，则称为k-项集。事务的宽度：事务中出现的项的个数一般我们使用三个指标来度量一个关联规则

转载：https://www.ibm.com/developerworks/cn/opensource/os-weka1/index.html简介什么是 数据挖掘？您会不时地问自己这个问题，因为这个主题越来越得到技术界的关注。您可能听说过像 Google 和 Yahoo! 这样的公司都在生成有关其所有用户的数十亿的数据点，您不禁疑惑，“它们要所有这些信息干什么？”您可能还会惊奇地发

转载：https://www.ibm.com/developerworks/cn/opensource/os-weka2/简介在 用 WEKA 进行数据挖掘，第 1 部分：简介和回归，我介绍了数据挖掘的概念以及免费的开源软件 Waikato Environment for Knowledge Analysis（WEKA），利用它可以挖掘数据来获得趋势和模式。我还谈到了第一种数据

转载：https://www.ibm.com/developerworks/cn/opensource/os-weka3/index.html简介在这个 “用 WEKA 进行数据挖掘” 系列之前的两篇文章中，我介绍了数据挖掘的概念。如果您还未曾阅读过用 WEKA 进行数据挖掘，第 1 部分：简介和回归 和 用 WEKA 进行数据挖掘，第 2 部分：分类和群集，那么请先阅

转载：http://www.youkuaiyun.com/article/2015-12-02/2826374?reload=1摘要：本文讨论了如何在逻辑回归、决策树和SVM之间做出最佳选择。结论：首先应该选择逻辑回归，然后试试决策树（随机森林）是否可以大幅度提升模型性能；特征的数量和观测样本特别多、资源和时间充足时，可使用SVM。本文是该系列的第二篇，第一篇参见： 逻辑回归 Vs 决

一、定义解释： DNU：指每日新增注册数； DAU：指每日活跃用户数； DOU：等于DAU-DNU，指老用户，即当天的活跃人数减去注册人数DNU/DAU，即当天注册人数除以当天的总活跃人数，该指标可以叫做活跃度指数，也可以说是用户沉淀指数；用于评估用户堆积的速度。在稳定的导入量下，DNU/DAU曲线下降得越快，表示该游戏的留存越好（DUN/DAU的值是从100%开始，不断的下降）最后会在...

在我们日常的运营活动中，在各个不同的运营阶段，经常需要对游戏的活跃、流水等进行预估。并且我们需要预估的不仅仅是最终的一个结果值，可能更需要的是完整的增长趋势，需要根据导入量，付费留存情况，去预测每一天的活跃、流水情况。这时候一个比较科学、简单的模型就比较关键了。本周就介绍一个笔者在工作中经常用到的一个预估模型，一个已经经过了多次优化和认证的模型。**该模型不仅仅可以预估一个游戏的流水活跃等走势...

1，前言：针对用户增长分析这个课题，本文主要从用户防流失的角度，阐述如何基于QQ社交网络数据构建用户流失预警模型，找出高潜流失用户，用于定向开展运营激活，从而有效控制用户流失风险，提升大盘用户的留存率和活跃度。本文所涉及到的分析框架和方法论等具有较强的通用性，可供有需要的同学了解参考。2，分析背景“根据美国贝恩公司的调查，在商业社会中5％的客户留存率增长意味着公司利润30％的增长，而把产品...

1、需求：在用户行为分析中重要的一环是对用户行为路径的分析，如先访问什么再访问什、现购买什么再购买什么。找到用户的访问或购买路径，有助于我们对商业流程的理解，也可以帮助我们改善和优化企业产品。2、题设：假设我们是一家家电电商网站，拥有所有客户的购买每种家电的详细记录（包括客户id，购买产品，购买日期）。客户购买记录，数据全是瞎编的我们希望通过这个数据...

今天我想来diss市面上各种花里胡哨、出其不意的可视化。                                            &nb...

谨以此文纪念意大利经济学家帕累托。 帕累托与ABC分类法很多人都知道80/20帕累托法则（20%的人掌握着80%的财富），而ABC分类法可以说是该法则的衍生，目的是把握关键，分清主次。 比如一共有100件商品，10件商品占销售总额的70%；20件商品占销售总额的20%；还有70件商品仅占销售总额的10%。 于是你...