- [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ... [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ...
- 文章目录 概述官网示例对于分词的field执行aggregation，报错给分词的field，设置fielddata=true，可执行使用field.keyword，对分词的field进行聚合，可... 文章目录 概述官网示例对于分词的field执行aggregation，报错给分词的field，设置fielddata=true，可执行使用field.keyword，对分词的field进行聚合，可...
- 文章目录 概述官网示例 概述 继续跟中华石杉老师学习ES，第55篇 课程地址： https://www.roncoo.com/view/55 官网 Top Hits A... 文章目录 概述官网示例 概述 继续跟中华石杉老师学习ES，第55篇 课程地址： https://www.roncoo.com/view/55 官网 Top Hits A...
- 文章目录 概述官网示例 概述 继续跟中华石杉老师学习ES，第60篇 课程地址： https://www.roncoo.com/view/55 白话Elasticsearc... 文章目录 概述官网示例 概述 继续跟中华石杉老师学习ES，第60篇 课程地址： https://www.roncoo.com/view/55 白话Elasticsearc...
- 文章目录 概述官网方式一：基于全局锁lock.global实现悲观锁并发控制 （未成功）方式二：基于document锁实现悲观锁并发控制(未成功)方式三：基于共享锁和排他锁实现悲观锁并发控制(未成... 文章目录 概述官网方式一：基于全局锁lock.global实现悲观锁并发控制 （未成功）方式二：基于document锁实现悲观锁并发控制(未成功)方式三：基于共享锁和排他锁实现悲观锁并发控制(未成...
- 文章目录 概述官网doc value原理（1）index-time生成（2）核心原理与倒排索引类似（3）性能问题：给jvm更少内存，64g服务器，给jvm最多16g column压缩（1）所有... 文章目录 概述官网doc value原理（1）index-time生成（2）核心原理与倒排索引类似（3）性能问题：给jvm更少内存，64g服务器，给jvm最多16g column压缩（1）所有...
- 数据分析——常见数据指标汇总 数据分类用户数据指标行为数据指标产品数据指标推广付费指标 数据分类 用户数据：反映用户的基本信息等。 行为数据：做过什么，如页面停留时间，购买等。... 数据分析——常见数据指标汇总 数据分类用户数据指标行为数据指标产品数据指标推广付费指标 数据分类 用户数据：反映用户的基本信息等。 行为数据：做过什么，如页面停留时间，购买等。...
- 图形的适用场景 关注分类变量各分类的比例，用饼图 关注变量的频率分布，用直方图 关注变量的变化趋势，用折线图 关注两个变量的相关，用散点图 展示一个变量的集中趋势和离散趋势，用箱图 123456789 导入库 # -*- coding: utf-8 -*- # @File : pylot_demo.py # @Date : 2018-05-14 imp... 图形的适用场景 关注分类变量各分类的比例，用饼图 关注变量的频率分布，用直方图 关注变量的变化趋势，用折线图 关注两个变量的相关，用散点图 展示一个变量的集中趋势和离散趋势，用箱图 123456789 导入库 # -*- coding: utf-8 -*- # @File : pylot_demo.py # @Date : 2018-05-14 imp...
- 基本统计（含排序） 分布/累计统计 数据特征 相关性、周期性等 数据挖掘（形成知识） 一组数据表达一个或多个含义 摘要 - 数据形成有损特征的过程 pandas库的数据排序 .sort_index()方法在指定轴上根据索引进行排序，默认升序 .sort_index(axis=0, ascending=True) .sort_values()方法在指定轴上根据... 基本统计（含排序） 分布/累计统计 数据特征 相关性、周期性等 数据挖掘（形成知识） 一组数据表达一个或多个含义 摘要 - 数据形成有损特征的过程 pandas库的数据排序 .sort_index()方法在指定轴上根据索引进行排序，默认升序 .sort_index(axis=0, ascending=True) .sort_values()方法在指定轴上根据...
- 基本的统计分析函数 适用于Series和DataFrame类型 方法说明.sum()计算数据的总和，按0轴计算，下同.count()非NaN值的数量.mean() .median()计算数据的算术平均值、算术中位数.var() .std()计算数据的方差、标准差.min().max()计算数据的最小值、最大值.describe()针对0轴（各列）的统计汇总 适用于... 基本的统计分析函数 适用于Series和DataFrame类型 方法说明.sum()计算数据的总和，按0轴计算，下同.count()非NaN值的数量.mean() .median()计算数据的算术平均值、算术中位数.var() .std()计算数据的方差、标准差.min().max()计算数据的最小值、最大值.describe()针对0轴（各列）的统计汇总 适用于...
- Pandas是Python第三方库，提供高性能易用数据类型和分析工具 官网文档：http://pandas.pydata.org/pandas-docs/stable/10min.html 引入： import pandas as pd 1 Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用 两个数据类型：Series, DataFr... Pandas是Python第三方库，提供高性能易用数据类型和分析工具 官网文档：http://pandas.pydata.org/pandas-docs/stable/10min.html 引入： import pandas as pd 1 Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用 两个数据类型：Series, DataFr...
- 算术运算法则 算术运算根据行列索引，补齐后运算， 运算默认产生浮点数 补齐时缺项填充NaN(空值) 二维和一维、一维和零维间为广播运算 采用+ ‐* /符号进行的二元运算产生新的对象 方法形式的运算 方法说明.add(d, **argws)类型间加法运算，可选参数.sub(d, **argws)类型间减法运算，可选参数.mul(d, **argws)类型间... 算术运算法则 算术运算根据行列索引，补齐后运算， 运算默认产生浮点数 补齐时缺项填充NaN(空值) 二维和一维、一维和零维间为广播运算 采用+ ‐* /符号进行的二元运算产生新的对象 方法形式的运算 方法说明.add(d, **argws)类型间加法运算，可选参数.sub(d, **argws)类型间减法运算，可选参数.mul(d, **argws)类型间...
- numpy 科学计算基础库 官方文档：https://docs.scipy.org/doc/numpy/user/quickstart.html 列表和数组区别 列表：数据类型可以不同 数组：数据类型相同 12 N维数组对象 ndarray dimension 维度： 一组数据的组织形式 轴axis 数据维度 秩rank 轴的数量 ndarray数组一般要求所... numpy 科学计算基础库 官方文档：https://docs.scipy.org/doc/numpy/user/quickstart.html 列表和数组区别 列表：数据类型可以不同 数组：数据类型相同 12 N维数组对象 ndarray dimension 维度： 一组数据的组织形式 轴axis 数据维度 秩rank 轴的数量 ndarray数组一般要求所...
- DataFrame对象操作 重新索引 .reindex()能够改变或重排Series和DataFrame索引 .reindex(index=None, columns=None,…)的参数 参数说明index, columns新的行列自定义索引fill_value重新索引中，用于填充缺失位置的值method填充方法, ffill当前值向前填充，bfill向后填充... DataFrame对象操作 重新索引 .reindex()能够改变或重排Series和DataFrame索引 .reindex(index=None, columns=None,…)的参数 参数说明index, columns新的行列自定义索引fill_value重新索引中，用于填充缺失位置的值method填充方法, ffill当前值向前填充，bfill向后填充...
- argsort函数 返回的是数组值的索引值 import numpy as np x = np.array([3, 1, 4, 2, 5]) # 从小到大 np.argsort(x) Out[4]: array([1, 3, 0, 2, 4]) # 从大到小 np.argsort(-x) Out[5]: array([4, 2, 0, 3, 1])123456... argsort函数 返回的是数组值的索引值 import numpy as np x = np.array([3, 1, 4, 2, 5]) # 从小到大 np.argsort(x) Out[4]: array([1, 3, 0, 2, 4]) # 从大到小 np.argsort(-x) Out[5]: array([4, 2, 0, 3, 1])123456...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签