fisheep的博客

此仪表板包含指标入下：KPI指标：浏览量、访问次数、跳出次数过程指标数据：一级渠道访问数据、二级渠道访问数据、三级渠道访问数据用户趋势预测：访问平台浏览量分布、平台用户类型浏览分布、年月访问趋势由此，我们可以根据KPI指标去整体评估某阶段内用户访问平台情况，再利用过程指标数据去分析可能出问题的具体环节，最后再对用户访问偏好和趋势做预测。总结：在复刻此仪表板的过程中对帆软BI的作图操作更加熟练了，下一步练习指标设计与计算能力。...

李雷同学作为一个产品经理，经常会遇到非常多的产品需求， 开发同学忙的不可开交， 用户又似乎什么都想要。开发产品资源有限，怎么才能捞出真正的用户需求？给真正重要的需求高优先级？李雷决定引进「KANO模型」，进行系统的需求梳理，对需求进行分析和提炼，提高效率。按照用户对「增加功能态度」与「不增加功能态度」，最终我们可以通过下表定位某功能对于用户来说是什么需求。M：基本（必备）型需求；O：期望（意愿）型需求；A：兴奋（魅力）型需求I：无差异型需求；R：反向（逆向）型需求；Q：可疑结果

这是一个为了找到心仪工作而开设的学习专题。找到满意工作前最长更新周期为2天一复刻！

前两天写一个【求各类别下出现次数最多的前两个品牌】的SQL，一直报2附近有语法错误。今天将此记录一下我写的SELECT *FROM (SELECT *,row_number() over(partition by a.categoryname ORDER BY a.brandcount DESC) as rankingFROM (SELECT categoryname,brandname,count(brandname)as brandcount FROM vw_sku_basic

此系列为博雅数智举办的线上培训课程——python数据科学实践，为期两个月，本系列记录我在此课程中所学所思。本节课总览：本节课所用到的知识点：正则表达式、apply方法、lambda表达式、str.split、str.replace实践数据集：某图书网站数据清洗 (idatascience.cn)1、拿到数据第一件事：数据诊断预览数据前、后、随机10行，了解数据字段含义及数据格式，为后续清洗做准备。以【出版信息】列为例，可查看总共计数有600条出版社数据，有42..

我是在B站跟着蚂蚁学python学的课程。#1、list转seriesimport pandas as pdimport numpy as npcourse = ["Chinese","Math","English","Computer"]data1 = pd.Series(data=course)#2、dict转seriesgrades = {"Chinese":80,"Math":90,"English":85,"Computer":100}data2 = pd.Series(da.

表结构如下： 日期 赛况 2012-12-11 胜 2012-12-11 负 2012-12-11 负 2012-12-12 负 2012-12-12 胜 2012-12-13 胜 2012-12-14 胜

1.concat2.join3.merge4.stack函数

1.认识数据当我们拿到数据表时，首先应当学会认识它们。回想我们使用excl浏览数据时观察的数据维度，可发现行（row），列（column）

参考资料：DataWhale 专业课本《Python程序设计》运行环境：Anaconda+Sublime Text301：变量、运算符、数据类型及位运算本章为python基础知识。首先理解python中的一切都是对象python内置对象有：数字 1234 不可变 字符串 ‘abcd’ 不可变 列表 [1,2,3] 字典 {1:'food',2:'taste'} 元组 (0,1,2) 不可变 文件...

6、缺失数据缺失观测及其类型：了解缺失信息、三种缺失符号、Nullable类型与NA符号、NA的特性、convert_dtypes方法缺失数据的运算与分组：加号与乘号规则、groupby方法中的缺失值填充与剔除：fillna方法、dropna方法插值：线性插值、高级插值方法、interpolate中的限制参数 7、文本数据 8、分类数据 9、时序数据10、综合练习...

注：本文是学习+整理的原创喔import pandas as pdimport numpy as np设置行列最大数pd.set_option('max_column',8,'max_rows',10)文件读取：pd.read_csvDataFrame组件访问：data.colunms data.index data.valuestype查看数据类型或行...