<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Kailin_lin的博客]]></title><description><![CDATA[一个Python小白]]></description><link>https://blog.youkuaiyun.com/xiao_pingping</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; xiao_pingping]]></copyright><item><title><![CDATA[模拟某打车公司的业务题：分析打车的业务问题]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/106615951</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/106615951</guid><author>xiao_pingping</author><pubDate>Mon, 08 Jun 2020 12:07:11 +0800</pubDate><description><![CDATA[某打车公司业务题：分析打车业务问题
公司A是的app（类似滴滴、uber）为用户提供打车服务。现有四张表（模拟数据），分别是diver（司机数据）表，online_time（在线时长数据）表，order_info（订单数据）表，city（城市匹配数据）表。
现有如下业务问题：


提取2020年8月各城市每天的司机数、快车订单量和快车流水数据。


提取2020年8月和9月，每个月的北京市新老司机（首单日期在当月为新司机）的司机数、在线时长和TPH（订单量/在线时长）数据。


分别提取司机数大于20，司机]]></description><category></category></item><item><title><![CDATA[利用Python进行用户消费行为分析（CDNOW_master）]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/106428358</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/106428358</guid><author>xiao_pingping</author><pubDate>Fri, 29 May 2020 16:44:06 +0800</pubDate><description><![CDATA[用户消费行为的分析报告
  想必大家对于CD用户消费者行为的分析已经见得多了，这里就不再一一叙述，这里主要是作为我的一个小练习，来提高自己处理业务的能力。
  项目需求如下：
（1）用户消费趋势分析

每月的消费总金额
每月的消费次数
每月的产品购买量
每月的消费人数

（2）用户个体消费行为分析

用户消费金额和消费总数的描述统计
用户消费金额和消费总数的散点图
用户消费金额和消费总数的分布图
用户累计消费金额的占比

（3）用户消费行为分析

用户第一次消费时间（用户首次购买产品的时间）
用户最后一次消]]></description><category></category></item><item><title><![CDATA[利用Python进行电商网站用户行为分析]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/106414417</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/106414417</guid><author>xiao_pingping</author><pubDate>Thu, 28 May 2020 22:02:55 +0800</pubDate><description><![CDATA[电商网站用户行为分析
项目需求
1.用户整体购物情况怎样？

统计数据集中总的用户数，商品数，商品类别数，用户行为数。
核心指标如PV，UV，跳出率，复购率，留存率等分别是多少?

2.用户的购物行为情况。
3.统计出每天各种行为的访问次数。
4.找出购买率最高的前二十个商品品类。
分析过程：获取业务方的需求-&gt;获取数据-&gt;分析数据-&gt;整理并清洗异常数据-&gt;实现需求
获取数据
import pandas as pd
import matplotlib.pyplot as plt
pl]]></description><category></category></item><item><title><![CDATA[Python数据类型]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/81667161</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/81667161</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:31:25 +0800</pubDate><description><![CDATA[Number（数字）

主要包括了整数，浮点数（小数）和复数

String（字符串）

Boolean（布尔值）

真和假（True和False）



None（空值）

list（列表）

dict（字典）

tuple（元组）

set（集合）...]]></description><category></category></item><item><title><![CDATA[Pandas的拼接操作]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079777</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079777</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:30:44 +0800</pubDate><description><![CDATA[import numpy as np
from pandas import DataFrame, Series
import pandas as pd

'''
pandas的拼接分为两种：级联：pd.concat,pd.append；合并：pd.merge,pd.join
'''

'''0回顾numpy的级联
练习：1.生成2个3*3的矩阵，对其分别进行两个维度上的级联
'''
nd = np...]]></description><category></category></item><item><title><![CDATA[ndarray的创建]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82081906</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82081906</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:30:08 +0800</pubDate><description><![CDATA[import numpy as np

# 使用np.array()由python list创建
# 参数列表为：[1,2,3,4,5]
# 注意：numpy默认ndarray的所有元素的类型是相同的，如果传递进来的列表中包含不同的类型，
# 则统一为同一类型，优先级：str&amp;amp;gt;float&amp;amp;gt;int

n1 = np.array([1, 2, 3, 4, 5])
print(n1)

n2...]]></description><category></category></item><item><title><![CDATA[Pandas数据处理之数据聚合]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079789</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079789</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:29:00 +0800</pubDate><description><![CDATA[import pandas as pd
import numpy as np
from pandas import DataFrame, Series


'''5.数据聚合
数据聚合是数据处理的最后一步，通常是要使每一个数组生成一个单一的数值。
数据分类处理：
-----分组：先把数据分为几组
-----用函数处理：为不同组的数据应用不同的函数以转换数据
-----合并：吧不同组得到的结果合并起...]]></description><category></category></item><item><title><![CDATA[Pandas数据处理之高级聚合]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079804</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079804</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:28:42 +0800</pubDate><description><![CDATA[import numpy as np
from pandas import DataFrame, Series
import pandas as pd

'''
假设菜市场张大妈在卖菜，有以下属性：
菜品(item):萝卜，白菜，辣椒，冬瓜
颜色(color):白，红，青
重量(weight)
价格(price)
1.要求以属性作为列索引，新建一个df
2.对df进行聚合操作，求出颜色为白色的价格...]]></description><category></category></item><item><title><![CDATA[Pandas的多层索引]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079770</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079770</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:28:28 +0800</pubDate><description><![CDATA[import numpy as np
from pandas import DataFrame, Series
import matplotlib.pyplot as plt
import pandas as pd


'''1.创建多层索引
1)隐式构造：最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组
'''
# Series也可以创建多层索引
s = Serie...]]></description><category></category></item><item><title><![CDATA[使用Python的DataFrame处理丢失数据]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079764</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82079764</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:26:50 +0800</pubDate><description><![CDATA[import numpy as np
from pandas import DataFrame, Series
import pandas as pd

# 处理丢失数据  有两种丢失数据：
''' 
1)None 是Python自带的，其类型为python object。因此，None不能参与到任何计算中
  object类型的运算要比int类型的运算慢的多，计算不同类型数据求和时间
2)np....]]></description><category></category></item><item><title><![CDATA[numpy中的ndarray聚合操作]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082221</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082221</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:25:47 +0800</pubDate><description><![CDATA[import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 1.求和np.sum
n = np.random.randint(0, 150, size=(4, 4, 4))
print(n)
print(np.sum(n))

# 最大最小值：np.max/np.min
image = plt.imread('...]]></description><category></category></item><item><title><![CDATA[ndarray的操作]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082185</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082185</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:25:25 +0800</pubDate><description><![CDATA[import numpy as np
import matplotlib.pyplot as plt

# 1.索引  一维与列表完全一致 多维也与列表完全一致  可以根据索引修改数据
n1 = np.random.randint(0, 100, 10)
print(n1, &quot;索引为3的值为:%d&quot; % n1[3])  
# [13 44 75 33 49 59 42 17 38 18] 索引为3...]]></description><category></category></item><item><title><![CDATA[ndarray的矩阵操作]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082229</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082229</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:25:09 +0800</pubDate><description><![CDATA[import numpy as np

# 1.基本矩阵操作
# 1)算术运算符：加减乘除
n = np.random.randint(0, 10, size=(4, 5))
print(n)

n1 = n + 10
print(n1)
n2 = np.add(n, 10)
print(n2)

n3 = n/2
print(n3)


# 2)矩阵积np.dot()
n4 = np.rando...]]></description><category></category></item><item><title><![CDATA[ndarray的排序]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082245</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/82082245</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:24:55 +0800</pubDate><description><![CDATA[import numpy as np

# def Sort()代码越短越好
# 普通的排序
n1 = np.array([2, 4, 5, 7, 1])

def sort(nd):
    for i in range(nd.size):
        for j in range(i, nd.size):
            if nd[i] &amp;gt; nd[j]:
         ...]]></description><category></category></item><item><title><![CDATA[利用Excel计算DAU、商品转化率和ARPU值等]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/106389324</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/106389324</guid><author>xiao_pingping</author><pubDate>Wed, 27 May 2020 20:21:19 +0800</pubDate><description><![CDATA[  这个小练习是根据某公众号发布的内容，自己再进行整理的，觉得非常不错，所以拿来练练手。
Excel记录了某款电商产品在1月1日发布，1个月后的新增及留存数据、商品销售数据、商品详情页浏览数据、及商品信息表。现在业务部门需要你分析出：

1月5日的DAU是多少？
从留存的角度来看，质量最高的新增用户来自哪一天？
在1月15日当天，SKU销售激活率是多少？
商品“品类T582”的详情页购买转化率在哪天最高？
1月10日当天的ARPU值是多少？

  得知以上的问题后，接下来我们将一步步来解决。（内容涉及一些常]]></description><category></category></item><item><title><![CDATA[配置hadoop环境（三）]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/105296986</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/105296986</guid><author>xiao_pingping</author><pubDate>Fri, 03 Apr 2020 17:51:21 +0800</pubDate><description><![CDATA[不知道为什么我的vim突然不能用了，我先装一下vim（切换到root用户下安装）
yum -y install vim*

出现complete表示完成安装！
（1）关闭selinux   vim /etc/selinux/config
SELINUX=disabled

（2）切换到hadoop用户，配置免密登陆。
cd 进入hadoop用户的目录
ssh-keygen -t rsa [输入完后...]]></description><category></category></item><item><title><![CDATA[虚拟机的基本配置（二）]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/105296913</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/105296913</guid><author>xiao_pingping</author><pubDate>Fri, 03 Apr 2020 17:04:48 +0800</pubDate><description><![CDATA[虚拟机的基本配置
1.切换到root用户 su - root

2.关闭防火墙和禁止防火墙自启动
systemctl stop firewalld.service
systemctl disable firewalld.service

3.配置时间自动同步
crontab -e
在文件中插入: */5 * * * * /usr/sbin/ntpdate ntp1.aliyun.com

4.修改...]]></description><category></category></item><item><title><![CDATA[VMware虚拟机的安装和网络配置（一）]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/105294778</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/105294778</guid><author>xiao_pingping</author><pubDate>Fri, 03 Apr 2020 16:44:23 +0800</pubDate><description><![CDATA[昨天晚上想配置三台虚拟机和安装并配置好Hadoop的时候才发现，自己并不是那么清晰的记得自己做的流程步骤，那么我今天将根据昨晚做过的步骤重新做一遍（安装VMware的步骤就不显示了，那个比较简单）。
CentOS7的下载地址centos7下载
一、安装虚拟机
1.选择典型

2.选择 稍后安装操作系统

3.选择linux，版本选择CentOS7 64位

4.更改虚拟机名称和安装目录

5.指定...]]></description><category></category></item><item><title><![CDATA[常用的linux命令]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/105270532</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/105270532</guid><author>xiao_pingping</author><pubDate>Thu, 02 Apr 2020 15:32:58 +0800</pubDate><description><![CDATA[今天在VMware中装centos8出现了一点点小问题，无奈只能装centos7的了，在这里把常用的linux命令记录下，以后有需要再取。
（1）切换用户  su - 用户名

(2)切换目录cd
cd /etc 表示进入etc这个目录中

cd …/ 表示返回上一级目录
cd 表示当前用户的家目录

（3）查看文件 ls -l（简称ll）和ls
这两种都可以用来查看文件，但ll是显示详细信息。
...]]></description><category></category></item><item><title><![CDATA[泰坦尼克号数据集的下载]]></title><link>https://blog.youkuaiyun.com/xiao_pingping/article/details/105207753</link><guid>https://blog.youkuaiyun.com/xiao_pingping/article/details/105207753</guid><author>xiao_pingping</author><pubDate>Mon, 30 Mar 2020 20:29:46 +0800</pubDate><description><![CDATA[这是一个常用的数据，给大家个链接，可以去该链接下载数据集http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt

]]></description><category></category></item></channel></rss>