| python数据分析与应用第六章课后题答案 python数据分析与应用第五章 | 您所在的位置：网站首页 › python数据分析与应用第三章答案大全解析 › python数据分析与应用第六章课后题答案 python数据分析与应用第五章 |
python数据分析与应用第六章课后题答案 python数据分析与应用第五章
|
第一章 入门篇1.数据分析概念 利用合适的工具，在统计学理论的支撑下，对数据进行一定程度的预处理，结合具体业务分析数据，帮助相关业务部门监控、定位、分析、解决问题，从而帮助企业高效决策，提高经营效率，发现业务机会点。 2.三大作用：现状分析： 运营情况、业务构成，日常报表 原因分析： 通过专题分析完成，根据企业运营情况选择针对某一现状进行原因分析。 预测分析： 通过专题分析完成，通常在制订企业季度、年度计划时进行。3.数据分析指标● 描述数据整体情况： a）总体概览指标：又称统计绝对数，是反映某一数据指标的整体规模大小，总量多少的指标。 b）对比性指标：说明现象之间数量对比关系的指标 同比（ 相邻时间段内某一共同时间点上指标的对比：2018年的第26周和2017年的第26周之间的对比就是同比环比（相邻时间段内指标的对比： 2018年的第26周和第25周的对比差差的绝对值c）集中趋势指标普通平均值加权平均数中位数众数（ 如果数据可以分为多组，则为每组找出一个众数。注意，众数只有在总体内单位足够多时才有意义。d）离散程度指标表示数据分布的离散程度，若指标较大，说明数据波动大。 全距（用数据集中最大数减去数据集中最小数四分位数（极差容易受到异常值影响）方差（越小说明数值越稳定）标准差（表示数值与均值距离的平均值）e）相关性指标相关系数r（范围[-1,1], r的绝对值越大，相关性越强） f）相关关系与因果关系4.分析流程
● 明确目的： 要明确数据分析的目的，即希望通过数据分析得出什么。 例如，希望通过数据分析发现流失用户都有哪些特征，希望通过数据分析找到销量上涨的原因。 ● 获取数据： 需要什么指标 需要什么时间段的数据 这些数据都存在哪个数据库或哪个表中 怎么提取，是自己写Sql还是可以直接从ERP系统中下载 ● 处理数据： 常见的特殊数据主要有以下几种。 异常数据。结合具体业务处理，删除或者作为重点研究对象 重复数据：删除 缺失数据。如果缺失比例高于30%，删除。低于30%，填充处理，即用0、均值或者众数等进行填充。 测试数据：删除 ● 分析数据： 下钻法 例如当我们发现某一天的销量突然上涨/下滑时，我们会去看是哪个地区的销量上涨/下滑，进而再看哪个品类、哪个产品的销量出现上涨/下滑，层层下钻，最后找到问题产生的真正原因。 ● 验证结论： 通过数据分析出来的结论也不一定成立，所以我们要把数据分析和实际业务相联系，去验证结论是否正确。例如，做新媒体数据分析，你通过分析发现情感类文章的点赞量、转发量更高，这只是你的分析结论，但是这个结论正确吗？你可以再写几篇情感类文章验证一下。 第二章 python基础1. jupyter目录设置和使用● 创建带有目录的jupyter文件方式 Step1：将代码框格式选择为Heading。 Step2：直接在代码框输入不同级别的标题，1个#表示一级标题，2个#表示二级标题，3个#表示三级标题（注意，#与标题文字之间是有空格的），标题级别随着#数量的增加依次递减。 2.输出格式设置● str.format( ) 浮点数、百分数、文字 # str.format() print('{}这本书定价{:.2f},中国有{:.2%}正在学习这本书'.format('《数据分析》',12.3456,0.50369))3.字符串● 链接 复制 # 字符串 # 字符串连接、复制、获取长度 print('王' + '俊凯') print('新年快乐'*3) print(len('新年快乐'))● 查找 当用find查找某一字符是否存在于某个字符串中时，如果存在则返回该字符的具体位置，如果不存在则返回-1 print('快乐' in '新年快乐') print('新年' not in '新年快乐') print('快乐'.find('新年快乐'))● 普通索引 ● 切片索引 str = 'H,a,p,p,y' print(str[1]) print(str[1:3])● 分隔 # 字符串分隔 split()函数 # 分隔后的值以列表形式返回 new_str = str.split(",") print(new_str)● 移除 # strip()函数 # 用来移除字符串首尾的指定字符 # 默认移除字符串首尾的空格或换行符 # 移除指定字符 newstr = '新年快乐'.strip('乐') print(newstr)4.数据结构4.1列表可变的数据类型 # 列表 lis_1 = ['b',2] # 合并 lis_2 = ['a',1] lis_1.extend(lis_2) print(lis_1)● 列表新增 # 新增 lis_1.append('e') print(lis_1) lis_1.insert(0,'r') print(lis_1)# 获取出现次数 print(lis_1.count('a')) # 获取值出现的位置 print(lis_1.index('a'))● 索引 # 索引 # 普通索引 print(lis_1[0]) # 切片索引，左闭右开 print(lis_1[:2]) print(lis_1)● 删除 # 删除 # pop删除指定位置的值 # remove删除指定元素 lis_1.pop(1) print(lis_1) lis_1.remove(2) print(lis_1)● 排序 # 排序 lis_1.sort() print(lis_1)4.2字典4.3元组元组的元素不能修改， 获取长度：len() 索引：普通索引、切片索引 与列表相互转换 list() tuple() zip() 将可迭代的对象（例如列表，元组）作为参数，打包成一个个元组，返回由这些元组组成的列表，通常与for循环搭配使用 tup_1 = (1,2,3) tup_2 = (4,5,6) for ii in zip(tup_1,tup_2): print(ii) list_1 = [1,2,3] list_2 = [4,5,6] for ii in zip(list_1,list_2): print(ii)5.运算符算术运算符、比较运算符、逻辑运算符 6.循环语句for循环、while循环 7.条件语句if else elif 8.函数普通函数 匿名函数 lambda arg1,arg2,… : expression f = lambda x,y:x+y f(2,3)9.高级特性9.1 列表生成式 # 列表生成式 不必再写多个for循环嵌套 [i*2 for i in list_2] [i+j for i in list_1 for j in list_2]9.2 map函数 # map函数 # map(function,agrs) list(map(lambda x,y:x*y,[1,2,3],[1,2,3]))第三章1 series类似于一维数组的对象，由一组数据及一组与之相关的数据标签（即索引）组成。 直接传入一个列表会使用默认索引，不指定数据标签，那么Series会默认使用从0开始的数做数据标签，也可以通过设置index参数来自定义索引。 获取索引 index 获取值 values 2 dataframe
|
【本文地址】