Matthew_Mao的博客

前言：上一篇文章介绍了python的三方包实现可视化的入门【数据分析/挖掘】【数据可视化-上】入门+代码+Gif实操，这一篇依旧介绍可视化，不过属于利用tableau实现。在学习的过程中，发现了B站上一个官方视频讲的特别好，并且有详细的案例，本篇文章使用的案例也来自于末明学院，链接如下：【Tableau教程】Tableau零基础教程，带你解锁当下最受欢迎的数据可视化软件一：流程总结在tableau中，常用的流程如下连接到文件使用工作表以及新建工作表以容纳连接到的文件里不同sheet页

前言：在我们开始建模之前，还有最后一个准备步骤需要完成——数据可视化！数据可视化对于数据分析/建模人员来说关键在让别人看得懂。也就是我们使用数据可视化来将一些我们觉得重要的信息进行展示，可以让非技术人员直观的对数据有一个认知。本一小节内容将会介绍matplotlib、seaborn、plotly、bqplot四种可视化方式，其中matplotlib是底层的可视化三方包，可以自己进行深度定制。seaborn则是对matplotlib的封装，可以更便捷的生成可视化图像，不过模块化带来的就是可定制性不够强。p

前言：在我的上一份文章中，介绍到了数据清洗的常用方法及其Python实现。这篇文章主要是在数据清洗后的特征工程的实现，特征工程包含三个方面，分别为特征提取、特征创造、特征选择。特征提取特征创造特征选择从文字、图像、声音等其他非结构化数据中提取新信息作为特征。比如说，从地址中提取国家、省、市等信息。将现有的特征进行组合，或者进行某种计算得到新的特征。例如我们的多元多次线性回...