Analyst Ning

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

Python

浏览 110 扫码 分享 2022-09-28 19:31:15
  • Python 对象类型
  • Pandas Cheat Sheet
  • Pandas 基础操作
  • Pandas 包
  • range( )
  • def( )
  • xlrd/xlwt
  • 变量
  • 操作 Excel 文件
  • json 文件格式
  • Python 练习题

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • Excel 函数
  • 数据科学知识模型
  • 代码语言
    • Python
      • Python 对象类型
      • Pandas Cheat Sheet
      • Pandas 基础操作
      • Pandas 包
      • range( )
      • def( )
      • xlrd/xlwt
      • 变量
      • 操作 Excel 文件
      • json 文件格式
      • Python 练习题
        • 练习0001 阶乘
        • 练习0004 统计词频
        • 练习0006 最重要词频
    • Shell
      • Shell 基础
    • Hadoop
      • Hive 时间函数
      • Hive SQL
      • Hive 窗口函数
    • SQL
      • MySQL 系统操作函数
      • MySQL 时间函数
      • MySQL 空间数据
      • MySQL 空间数据类型
      • MySQL 点面包含
      • MySQL 字符串函数
      • MySQL 高级函数
      • MySQL In&Exist
      • LIKE 效率提升
      • SQL复杂语句
      • LIMIT
      • 嵌套查询
      • 用户变量 set@
      • 正则表达式
      • Excel
    • Jupyter
      • 在 Mac 上配置
      • 拓展和小工具
    • Leecode 笔记
      • 🔴 185. 部门工资前三高的员工
      • 🔴 601. 体育馆的人流量
      • 🔴 615. Average Salary: Departments VS Company
      • 🔴 618. Students Report By Geography
  • 思维训练
    • 金字塔原理
    • 结构化思维
    • 迭代：最好是更好的敌人
  • 报表和可视化
    • Awesome dataviz
    • Tableau
    • PyEcharts
    • plot.ly
    • 数据可视化方法论
    • 图表科学配色
    • 可视化注释
    • 优秀的可视化案例
    • 咨询公司的图表风格
    • 可视化工具
  • 概率论与数理统计
    • 学习资源和概念复习
    • 统计学基础
    • 概率论：著名的三门问题
    • 概率论
      • 概率论与数理统计 大纲
      • 1.0 样本空间和随机事件
      • 随机试验的计数法则
      • 条件概率(乘法公式)
      • 贝叶斯定理
      • 1.1 概率
      • 2.1 离散型随机变量及分布
      • 2.2 连续型随机变量及分布
      • 数学期望
      • 方差
      • 协方差与相关系数
      • 不相关与独立
    • 数理统计
      • 数理统计 概论
      • 常用统计量
      • 抽样分布 卡方 t F
      • 极大似然估计
    • 概括性度量
    • 概率与概率分布
    • 参数估计
    • 参数估计：样本容量的确定
    • 假设检验
    • 线性回归 (一元和多元)
    • 线性回归 (高维超平面)
    • 异常值检验
    • 缺失值处理
    • 相关分析
    • 卡方检验
    • 导航
    • 时间序列：统计学理论
    • 时间序列：Holt-Winters 平滑模型
    • 计量经济学
  • 机器学习
    • 机器学习基础
    • 朴素贝叶斯
    • 主成分分析 PCA
    • K-means：理论
    • K-means：Python 实现
    • K-means：如何确定 K
    • 聚类分析
    • K-means 算法
    • 决策树
    • 逻辑回归 鸢尾花数据集
    • 什么是「熵」？
  • 方法论
    • 用户模型
      • RFM 模型
      • 用户模型：预警流失模型
      • 用户模型：Look-alike 受众扩散模型
      • 用户模型：活跃度模型
      • 用户模型：CRM 忠诚度模型
      • 用户模型：RMF 客户价值分析模型
      • 用户分层模型：价值金字塔
    • 业务模型实例
    • 用户分析
    • 分析方法选择
    • A/B test 数据分析方法
    • A/B test 的统计学原理
    • A/B test 样本选择
    • A/B test 计算样本量
    • A/B test 样本之间的网络效应
    • 计算边际效益
    • 流量分析
    • AARRR 模型
  • 空间分析
    • Awesome geojson
  • 分享
    • Chrome 拓展程序
    • Github Star
    • 笔记
    • 信息来源
    • 借鉴
    • 博客
  • 利器
    • Google App Script
    • ETL
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注