摘要：
Python基础知识（略） 数据分析相关：numpy，pandas numpy numpy功能相比pandas简单，使用较少 1 import numpy as np 2 list1 = [1,2,3,4,5,6] 3 print(list1) 4 arr1 = np.array(list1) #与 阅读全文
摘要：
描述统计学 数值数据（可以进行数值运算） 分类数据（不可以进行数值运算） 分类数据描述统计 频次统计：单纯对各分类计数即可 频数百分比：单纯对各分类计数即可 数值数据描述统计 统计度量+凸性 平均数、中位数、众数 分位数（最基础的四分位） 方差：描述数据的离散程度 数据标准化：Z-Score 切比雪 阅读全文
摘要：
数据可视化的目的 让数据更高效 让读者更高效阅读，而不单是自己使用 突出数据背后的规律 突出重要的因素 最后是美观 常见的初级图表 图表的基础概念 dimension：描述分析的角度和属性，分类数据 时间、地理位置、产品类型 measure：具体的参考数值，数值数据 元、销量、销售金额等 不同软件的 阅读全文
摘要：
Excel的学习路径 Excel函数（用图形界面了解函数）→SQL函数（用封装好的脚本语言了解函数）→Python函数（了解编程函数） Excel的基本函数 文本清洗类、关联匹配类、逻辑运算类、计算统计类、时间序列类 文本清洗函数： find： left right mid： concatenate 阅读全文
摘要：
为什么业务重要？ 唯有理解业务，才能建立业务数据模型 经典的业务分析指标 指标建立的要点： 1、核心指标（比如：营收） 2、好的指标应该是比率 3、好的指标应该能带来显著效果（反例：已经有80%的市场占有率还要提高到85%） 4、好的指标不应该虚荣（不能只是看起来好看，而不能带来实际的营收增加） 5 阅读全文
摘要：
what why how 三种核心思维+数据分析的思维技巧+如何在业务时间锻炼分析能力 三种核心思维 1、结构化 将分析思维结构化：将论点归纳和整理、将论点递进和拆解、将论点完善和补充 核心论点：寻找金字塔塔顶，它可以是假设、问题、预测或原因 结构拆解：自上而下，将核心论点层层拆解成分论点，上下之间 阅读全文
摘要：
为什么需要学七周 数据思维、业务知识、Excel、数据可视化、SQL、统计学、Python 数据分析师一门交叉领域学科，既可以使用Excel完成基础的数据报告，也可以用Python深入挖掘。真正决定上限的是能力， 而不是单纯的工具。 数据分析的结构层次： 1、底层数据的手机/产品端收集 用户行为-原 阅读全文
摘要：
一 客户端/服务器架构 即C/S架构，包括： 硬件C/S架构（打印机） 软件C/S架构（web服务） 最常用的软件服务器是Web服务器。一台机器里放一些网页或Web应用程序，然后启动服务。这样的服务器的任务就是接受客户的请求，把网页发送给客户（如用户计算机上的浏览器），然后等待客户的下一个请求。这些 阅读全文
摘要：
错误和异常 程序中难免出现错误，通常分为两种： 1、语法错误 1 a = 1 2 if a 3 print("ok") 4 5 def test: 6 print("l") 语法错误实例 2、逻辑错误 1 res = 1/0 2 # ZeroDivisionError: division by ze 阅读全文
摘要：
isinstance(obj,cls)和 issubclass(sub,super) isinstance(obj,cls)检查对象obj是否是类cls的对象 issubclass(sub,super)检查类sub是否是类super的派生类 1 #isinstance 2 class Foo: 3 阅读全文