数据探索分析

健身房的正态分布例子

作者
以下是chatgpt 4o的描述 重量堆栈正态分布 这张图片显示了一个重量堆栈（可能是一个健身器材）的图示，其中每个重量位置上都有明显的磨损痕迹。这些磨损痕迹在图中形成了一个钟形曲线，类似于正态分布（即常态分布）。 具体来说，这种磨损痕迹集中在中间的重量区间（大约在40到60之间），而两端的重量位置（10-20和90-115之间）的磨损痕迹较少。这反映了大多数人使用中等重量的频率最高，而使用极轻或极重的重量的人相对较少。 从统计学角度来看，这表明使用这个器材的人在选择重量时，符合正态分布规律：大多数人的选择集中在一个中间值附近，极端值（非常轻或非常重的重量）选择的频率较低。 凑整的极端值 在...

数据分析工具介绍

作者
数据分析工具介绍 数据分析工具在现代商业和科学研究中扮演着重要角色。不同的工具适用于不同的数据规模和分析需求。本文将介绍几种常见的数据分析工具，并讨论它们的替代品和适用场景。 小规模数据分析工具 1. Excel 特点：适用于处理几千到几万行数据，提供基础的数据整理、分析和可视化功能。 用户：个人用户、小型企业和业务分析师。 替代品： Google Sheets：基于云端，方便团队协作。 Zoho Sheet：提供在线数据处理和协作功能。 LibreOffice Calc：开源的电子表格软件。 中等规模数据分析和商业智能工具 2. Power BI 特点：适用于处理数百万行数据，提供...

Tableau免费了

作者
⏩支持离线使用自动保存、支持将工作簿保存在本地而不是在线发布； ⏩企业数据可以安心在本地操作而不必泄漏； ⏩可直接选择发布到Public社区，而不必经过繁杂的数据提取再发布环节； 🆓最重要的是：免费！免费！免费！与付费专业版Tableau Desktop Professional Edition相比基本没什么差别，如果说有差别，主要在于：数据导入时专业版支持的多种数据库和云空间不再提供，数据筛选环节不支持实时连接和刷新。差别也就如此，其他专业版有的功能Tableau Public Desktop Edition全部都有！ https:/...

统计学派 18 种经典数据分析方法！

作者
本文为你列举了统计学派中18种经典的数据分析法。 Part1 描述统计 描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。 集中趋势分析： 集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的集中趋势。 例如被试的平均成绩多少？是正偏分布还是负偏分布？ 离中趋势分析：离中趋势分析主要靠全距、四分差、平均差、方差（协方差：用来度量两个随机变量关系的统计量）、标准差等统计指标来研究数据的离中趋势。例如，我们想知道两个教学班的语文成绩中，哪个班级内的成绩分布更分散...

Copilot+Python，Excel未来已来~

作者
一个月前，Excel宣布融入Python，在Excel中可以直接用Python来完成任务，引起圈内震动，当时我在文章中预计未来的Excel使用方式，是用Copilot写python代码： Python已经来了，Copilot还会远吗？或许不久之后，Excel用户的主要工作方式是用内置的Copilot帮忙写Python代码，自动完成各种任务，Excel的未来想象空间太大了…… 采悟，公众号：PowerBI星球如何用上Excel中的Python？你最关心的7大问题都在这里了 没想到这个"未来"，这么快就到来了！ 微软刚刚宣布Windows 11和Microsoft 365将...

Code Interpreter：数据分析师可以摸鱼啦～～

作者
上传了一份 excel 表单，还没说话呢，GPT 就自己哼哧哼哧处理起来了。 我用很随意的方式给了它一个任务。惊艳的是：它根据我的指令，自动发现找出视频类型内容的方法，以及用“标题”字段来区分“每个视频”。（以下我绝大多数指令都得很随意，探索一下 GPT 的能力边界。） 它选择柱状堆叠图算恰当吧。第一次画图时出错了。 它自动分析找到原因，添加了一句 fill_value=0，搞定！ 我排查错误的速度一定比它慢 用户数量比较多，它自作聪明选择了前五名来画图（代码习惯还挺好的，定义了 max_users_to_display 没有 magic number 到处飞。） 我要求它画所有用户的...

数据分析师的任务

作者
数据分析师是组织中的几个关键角色之一，他们帮助发现并解读信息，使公司保持平衡并有效运转。 因此，数据分析师需要清楚地了解自己的职责以及每日执行的任务，这至关重要。 数据分析师能够帮助组织从大量数据中获得有价值见解，并通过与组织中其他人紧密合作来发现有价值的信息，他们在这些方面起着不可或缺的作用。 下图显示了数据分析过程涉及的五个重要方面。 准备 作为数据分析师，可能会在任务准备和建模上花费大量时间。 有缺陷或不正确的数据可能产生重大影响，导致报表无效、可信度缺失，并可能对业务决策产生负面影响，从而导致收入损失、负面业务影响等。 创建报表之前，必须准备好数据。 数据准备是分析、清理和转换数据的...

数据中的角色

作者
使用数据来讲述故事这一过程的起点通常与你无关。 数据肯定有其来源。 获取数据并安置到你可以使用的位置所需要投入的努力很可能会超出你的能力范围，尤其是将企业也纳入考虑时。 如今的应用程序和项目可能会很大且复杂，通常需要利用众多人员的技能和知识。 每个人都贡献了独特的才能和专业知识，通力合作并协调任务和责任，我们才得以看到项目从概念进入生产。 最近，业务分析师和商业智能开发人员等角色成为数据处理和理解领域的标杆。 但数据规模和不同数据类型的过度增长导致这些角色演化出更加专业化的技能角色，这是为了简化数据工程和分析的过程并实现现代化。 以下各节重点介绍数据中的不同角色，以及他们在总体范围内的数据发...

Microsoft Learn

作者
总有人说PowerBI学习资源太少，不知道去哪里学习，这里就推荐给一个权威的免费学习资源：Microsoft Learn。 Microsoft Learn不仅包含PowerBI，实际上它包含所有Microsoft 产品和服务的技术文档、培训材料、Microsoft 认证和考试课程等等。 网址：https://learn.microsoft.com 打开可以直接学习，不过登录账户后可以体验更完整更贴心的服务。 Microsoft Learn首页界面第一项内容"在实践中学习",可以根据自己的个性化需求和节奏来学习某些技能，也是我这里重点推荐的方式，点击该图标下方的“参加培训”...

AIGC数据分析流程

作者
graph TD A[收集和准备数据]-->B[上传数据到AIGC平台] B-->C[请求AIGC进行数据探索] C-->D[执行探索性分析] D-->E[建模] E-->F[验证模型] F-->G[录用模型上线] G-->H[模型迭代和维护] 这里是利用AIGC进行数据分析的完整流程: 收集和准备数据 收集原始数据集合,处理缺失值和异常数据 确认数据探索的目标和问题 上传数据到AIGC平台 通过AIGC提供的API或界面上传数据 请求AIGC进行数据探索 绘制列分布图、热图进行视觉化分析 计算相关系数分析变量间关系 生成报告和可...

通用数据分析流程

作者
graph TD A[定义问题] --> B[数据采集和清洗] B --> C[探索性数据分析] C --> D[初步结论] D --> E[数据预处理和特征工程] E --> F[建模选择和训练] F --> G[模型评估和解释] G --> H[结果呈现和报告] subgraph 数据分析流程 C -->|数据可视化| C1[描述性统计] C -->|数据可视化| C2[可视化分析] D -->|观察和分析| D1[初...

探索性数据分析

作者
探索性数据分析 探索性数据分析(Exploratory Data Analysis,简称EDA)是数据分析中的一种非常重要的技术,它利用各种方法对数据集进行初步分析,以便对数据有一个直观的感受和基本的了解。 探索性数据分析是拿到原始数据后，通过技术手段帮助自己更好的理解数据、提取出「好特征」、建立初步模型的过程。 有2种方法来帮助我们理解陌生领域： graph TD A[理解陌生领域] --> B{选择方法} B -->|咨询业内人士| C[获取经验] B -->|研究数据| D[收集数据] D --> E[分析数据] E --&...

数据分析总纲

作者
数据分析大纲 数据分析概述 数据分析的概念与意义 数据分析是从大规模的数据中提取有价值的信息的过程。它具有如下的意义: 描述事物的过去,解释事物现状 探索事物之间的关系,找到隐藏的模式 做出预测,评估不同决策的后果 数据分析的基本步骤 数据分析主要包括以下基本步骤: 收集相关数据 准备和清洗数据 分析和可视化数据 建立预测模型 评估模型并提出建议 数据的分类 结构化数据与非结构化数据 结构化数据是组织良好,格式固定的数据,如数据库、电子表格中的数据。非结构化数据是无固定格式的数据,如文字、图像、音频、视频等。 定量数据与定性数据 定量数据是可以计量的数值数据。定性数据是描述属性的非数...