- 博客(5)
- 收藏
- 关注
RSS订阅原创 Hadoop学习心得
不要盲目用 Hadoop：小数据（<10GB）用单机更高效，Hadoop 的优势是 “海量数据 + 高并发”；集群搭建的关键细节：关闭防火墙、配置免密登录、核对的路径；核心思想是 “分布式”：不管是存储还是计算，都是 “拆大→并行→合并” 的逻辑。这篇心得把 Hadoop 的核心技术理透了，后续学 Hive、HBase 时，发现这些工具都是基于 Hadoop 的架构延伸 —— 打好基础，后面的学习会顺畅很多～
2025-12-28 16:29:46
782
原创 基于 Python+ECharts 的双十一美妆数据可视化大屏实现
本项目实现了一个功能完善的双十一美妆数据可视化大屏，展示了从数据获取、处理到可视化展示的完整流程。后续可从以下方向进行优化：通过这个项目，不仅可以深入理解数据可视化的实现原理，还能掌握前后端结合的开发技巧，为更复杂的数据分析系统开发打下基础。后端：Python + Flask，负责数据处理与接口开发前端：HTML5 + CSS3 + JavaScript，构建页面结构与样式可视化：ECharts，实现各类图表展示数据存储：CSV 文件（实际生产环境可扩展为 MySQL 等数据库）
2025-11-08 17:00:49
796
原创 基于 Python 的脱发预测分析：从数据处理到模型构建全流程
摘要： 本文系统介绍了基于Python的脱发数据分析全流程，涵盖数据预处理、特征工程、可视化分析与机器学习建模。通过数据清洗、特征转换（如二值化、压力水平编码）和探索性分析（年龄分布、医疗诊断关联等），揭示了遗传、年龄、医疗状况等关键影响因素。采用随机森林模型预测脱发，结合分类报告、ROC曲线等评估性能。结果表明，模型能有效关联多因素与脱发风险，未来可通过优化特征或引入其他模型进一步提升预测效果，为脱发研究提供数据支持。 （150字）
2025-06-26 16:27:59
1672
原创 订单数据分析和聚类
在电商运营等业务场景中，订单付款数据蕴含着丰富的信息，通过对其进行分析与可视化，能够帮助我们洞察业务规律、优化运营策略。本文将基于 Python 的 pandas、matplotlib、pyecharts 等库，对订单付款数据展开处理、分析与可视化，带你领略数据背后的价值。观察到 “付款金额” 字段存在负值（可能是数据录入错误等原因），使用。根据 “是否退款” 字段，筛选出未退款。首先，导入所需的 Python 库，
2025-06-12 16:14:24
716
原创 【无标题】Python学习心得
而第三方库更是数不胜数，比如用于数据处理和分析的numpy和pandas库，以及用于机器学习的tensorflow和scikit-learn库等。它的语法相对简单，结构清晰，不像一些其他编程语言那样有复杂的规则和晦涩的符号。比如，在Python中，变量的定义不需要明确指定数据类型，而是根据赋值自动确定，这让代码更加直观和易于理解。同时，对于一些复杂的概念和算法，理解起来需要花费一定的时间和精力。我相信，只要坚持不懈地学习和实践，就一定能够不断提升自己的编程能力，在Python的世界中收获更多的知识和成就。
2024-12-20 09:47:47
399
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人