Paradise 的博客

观察报错信息可以看到出错的代码（902 行）使用了类型指定语法，这是最新的 python 特性，与旧版本的 python 环境不兼容。可能是开发者或 pip 没有匹配到合适的版本，所以安装时没有问题，但是 import 时会报错。修改后即可正常使用。

在统计学中很多推论与正态分布有关，并且很多统计量构造为满足正态分布的形式，很多分布在特定条件近似于正态分布。因此，在统计推断中经常需要判断样本的正态性。本文介绍一些常用的方法。

如图，左右分别为 0-12 和 12-24 小时中的下单数量分布，可以直观地看到有较高的集中趋势。根据此行为习惯，可以在对应时段提高商品 pv，增加客服销售人员支持，促进用户下单和提高转化率，以提高销售业绩。如图为总样本不同渠道和不同 SKU 的销售额，趋势过于集中，容易因为某个渠道或某个产品的问题引起销售额较大的波动。因此可以进一步研究其特点，结合地区销售情况，用户行为习惯等分析，推出营销活动，作为提高销售业绩的突破口。如图，为不同员工的销售额和订单量，大体上处于一致的水平。

前面的文章中通过假设对比来检验样本是否服从泊松分布。得出的结论是总体分布不服从泊松分布，那么如何找到与总体分布最接近的分布呢？不可能一个个分布去验证。这里便可以用到fitter这个库。fitter是一个小型的第三方库，提供了一个简单的类来拟合数据的分布，亦即找出与样本最接近的理想的分布。

本文以一个为例，研究顾客购买次数的分布规律，尝试从中估计总体的分布，以对后续的订单数据进行预测或进行业绩的对比。

Echarts是一个基于 JavaScript 的图表库，用于在 HTML 中生成可交互的图表（关于更多 js 图表库可以参考 优快云 上的这篇博客PyEcharts旨在提供在 Python 中使用 Echarts 的 API，以便将数据可视化的流程整合到 Python 数据处理的流程当中。以下是四个文档和示例网站，各有特点。利用好这几个网站基本上就可以解决所有可能遇到的问题，而不需要在搜索引擎中漫无目的地翻查。

在 pyecharts 中如果修改了 online host，会导致绘制的地图显示不全，需要将 host 改回默认的。

使用 Pyecharts 生成的可视化作品是 HTML 的形式，需要使用特定的 js 代码。如果生成完全离线可用的文件，文件里会包含大量的 js 代码，文件会过大不利于分享。如果生成没有 js 代码的文件，则默认在 pycharts.org 上加载相应的 js，访问速度比较慢。因此可以参考以下操作更改 HOST，使用 CDN 加速。

注意到箱形图部分城市的四分位已经到零点，主要是部分商家首页没有推荐的折扣商品，导致计算产品的参考均值的时候得到缺失值。在 MtSpider 中的 parse_data 环节已经进行简单的清洗，主要根据返回的 json 文档的数据结构，将其分割成两个表，方便处理。明显的趋势是：价格亲民的品牌，有遍地开花的趋势，反之价格高的品牌店铺数量较少。首先看一下各区的分布（绘制这个图的时候都没发现，现在才惊觉有个逻辑上的错误，影响不大，懒得改了）。不过也是可以反映一些信息的，毕竟哪怕是刷的分，也是要成本的。

优快云 上不能插入 HTML，可以在 GitHub Page 上查看：项目首次发布于上 –。感兴趣的可以直接上去 Fork 之后自己做。由于上面只能用 Jupyter Notebook，而且还没有权限 DIY 工作环境，于是线下重新做一下。，包含全球范围内的大型超市四年间的零售订单数据，有 24 个字段，5w+ 条订单记录。下面将详细了解数据内容，进行数据清洗以及可视化分析。

在 Github 上查看交互式的绘图结果 |在这篇文章中，从最基本的绘图开始，逐步学习 Bokeh 中常用的绘图功能，目标是能满足大部分基础的绘图需求。

在使用 Python 进行数据分析的时候，经常需要创建一些动态、交互式的可视化作品。一般会用到如 Plotly、Pyecharts、Bokeh 等库，这些库都是基于前端技术创建可视化作品。所以在自定义可视化的时候，就会接触到很多前端开发的内容，但是很多 Pythoner 又不熟悉 JS 编程。这个时候就可以借助Brython这个库，直接在 JS 脚本里面写 Python 代码。听起来就很酷炫，下面通过简单的例子了解它的逻辑。

是一个 Python 第三方库，用于加速 Pandas 的 API 执行速度。原始的 Pandas 是单线程执行的，而 Modin 则重新打包了 Pandas 里面的 API，使其同时在多个内核中运行，提高硬件性能的利用率。使用方法很简单，安装 Modin 后，将导入 pandas 的语句由改为即可。这时候使用的便是由 Modin 包装后的 API。但是它并没有覆盖全部的 API，遇到库中不包含的 API，它会自动切换为原始的 Pandas 执行。也就是说，使用上与原始的 Pandas 是完全一致的。

命令，会退出 Python 终端，但是循环还是会继续运行，查看任务管理器会发现 Python 进程依然存在。函数已经在一个单独的线程里面跑起来了，这时候 Python 解释器还可以在新的线程里面处理新的操作，比如算一下 1+1 啥的。只要进程没结束，这个线程也会一直运行，直到完成。例如在机器学习中，我们可能需要对数据执行不同的特征工程，应用于不同的模型，来对比性能。就可以通过多个线程来并行地执行，加快处理速度。可以直接在命令行终端运行这一段代码，就会开始了一个线程，它属于 Python 这个进程。

这个是数据科学社区用的比较多的平台，相对来说也比较成熟，功能比较完善，现阶段有比较慷慨的免费计算资源。(1) 创建一个（或已存在的）Github 仓库，里面包含你要共享或在线编辑的 notebook(2) 在浏览器打开以下网址：对应上图仓库的链接就是(3) 等待片刻就在服务器搭建好一个虚拟环境，并加载出 Jupyter 的页面(4) 第一次加载会慢一点，后面的操作就很流畅了。然后就像在本地服务使用 Jupyter Notebook 一样该干啥干啥就可以了。

武汉必胜！中国必胜！2020 新年之际，新型冠状病毒疫情在全国各地陆续出现，尤其武汉人民深受其害。为了支援疫区，同时打发被“软禁”在家的时光，决定研究一下目前的疫情，看看是否能发现一些有用的结论。在网上浏览一下，对于疫情数据的可视化以及建模分析，目前已经做了大量的工作，并且已经建立实时监控疫情的系统。于是准备从另一个方面入手，从本质上模拟疫情的传播，并对比理想状态下的传播于实际情况的区别。...