7篇文章 · 7100字 · 1人關(guān)注
-
用Python實現(xiàn)RFM模型——互聯(lián)網(wǎng)產(chǎn)品用戶分層必備技巧1.前言 RFM模型即"R"——Recency（最近一次消費時間）、"F"——Frequency（一段時間內(nèi)消費頻次）、"M"——（一段時間內(nèi)消...
-
python數(shù)據(jù)分析項目——鏈家上海二手房數(shù)據(jù)分析（一）1.數(shù)據(jù)爬取 鏈接：https://pan.baidu.com/s/1zaTqNY2eCzGyYzesDw0LPw提取碼：5h8d鏈接是我自行在...
-
python sklearn庫實現(xiàn)多元線性回歸模型的建立，并進行評估和調(diào)優(yōu)1.數(shù)據(jù)集的導(dǎo)入以及自變量和因變量的選取 作為機器學(xué)習(xí)的入門知識點和模型，網(wǎng)上有很多sklearn庫實現(xiàn)線性回歸的例子。不過在這里我會從最開始的...
-
python數(shù)據(jù)分析項目——臺北101門票銷售情況（二）用戶分層 緊接著上一篇文章，現(xiàn)在我們來分析下不同用戶（游客）的分層： 建立一個數(shù)據(jù)透視表，并先將所有的NAN值改成0，購買過2次及以上的游客統(tǒng)統(tǒng)...
-
python數(shù)據(jù)分析項目——臺北101門票銷售情況（一）分析內(nèi)容 針對臺北101門票的銷售情況數(shù)據(jù)，做一些簡單的數(shù)據(jù)分析 每天的銷售量 銷售量最高和最低日期分布 游客購買次數(shù)密度 游客購買次數(shù)百分比 ...
-
python數(shù)據(jù)分析項目——拉勾網(wǎng)數(shù)據(jù)分析職位（二）接著上一篇的內(nèi)容，接下來分析下公司行業(yè)背景的數(shù)量分布 3.2 公司行業(yè)分布情況 原數(shù)據(jù)中行業(yè)分布，有些公司用、代替了,作為分隔符，所以需要用上面...
-
python數(shù)據(jù)分析項目——拉勾網(wǎng)數(shù)據(jù)分析職位（一）
本項目的數(shù)據(jù)來源是2019年拉勾網(wǎng)——上海的數(shù)據(jù)分析崗位的信息 首先第一步：爬取數(shù)據(jù) 爬取的代碼就不貼上來了，有很多種，本人的爬蟲水平僅限于Be...
