一个好学生_叶纪杉

eyelink的眼动数据处理

EyeLink输出的文件虽然都是计算好的眼动指标，但是还是要做进一步的数据清洗。手动太麻烦了，我就简单弄了一下。程序计算顺序如下：数据清洗：剔除3个标准差以外的数据计算均值和标准差并输出到文件.ipynb文件在github上。import pandas as pdimport scipy.stats as statsimport numpy as npyn_df = pd.read_excel('Lissajous16-TrialReport - copy.xlsx', sheet_n

HackerRank SQLBasic SelectRevising the Select Query IProblemQuery all columns for all American cities in the CITY table with populations larger than 100000. The CountryCode for America is USA.The CITY table is described as follows:AnswerSELECT *FR

2020链家杭州二手房数据分析（截止到2020年09月07日）1 项目背景通过python爬去链家杭州二手房的数据，网址为：https://hz.lianjia.com/ershoufang/。可以发现，链家把杭州分为15个区域。其中，截止到2020年09月07日，桐庐和建德区域数据为0条，大江东数据为2两条，淳安数据共32条。和其他区域相比，这几个区域数据量太小，因此在后续爬去过去中略去。通过requests和BeautifulSoup库爬取和解析，代码就不放了，很简陋。注意每次爬取后设置随机间隔时

首发于个人网站：一个好学生一 分析指标和模型指标分析数据集中包含的流量指标——PV和UV。需要注意的是，PV和UV在一定程度上可以看作是虚荣指标。在《精益数据分析》中提到：除非商业模式直接与PV挂钩（即展示广告），则更应该统计访问的人数对于UV只能显示多少人访问了页面，但却不能显示这些人在页面做了什么？为什么停留？是否离开？模型AARRRAARRR分别是Acquisition, ...