摘要：
客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标： 最近一次消费（Recency） 消费频率（Frequency） 消费金额（Monetary） 最近一次消费（Recency） 消费频率（Frequency） 消费金额（Monetary） RFM模型是衡量客户价值和客户创利能力的重要 阅读全文
摘要：
目录 4.1 数据清洗 4.1.1 缺失值处理 4.1.2 异常值处理 4.2 数据集成 4.2.1 实体识别 4.2.2 冗余属性识别 4.3 数据变换 4.3.1 简单函数变换 4.3.2 规范化 4.3.3 连续属性离散化 4.3.4 属性构造 4.3.5 小波变换 4.4 数据规约 4..4 阅读全文
摘要：
pandas使用浮点值NaN表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测出来的标记而已： Python内置的None值也会被当做NA处理： NA处理方法 dropna 根据各标签的值中是否存在缺失数据对轴标签进行过滤，可通过阈值调节对缺失值的容忍度 fillna 用指定值或插值方法（如ff 阅读全文