用户分群就是一个典型的简化理解用户群体的方法。通过对用户的分群，方便我们能够更好的寻找最关键的核心用户、精细化设计产品、针对化运营。对用户进行人群细分的前提是有数据做依托。

在实际的空间数据分析过程中，数据可视化只是对最终分析结果的发布与展示，在此之前，根据实际任务的不同，需要衔接很多较为进阶的空间操作，本文就将对geopandas中的部分空间计算进行介绍。

在日常工作中，不同岗位、不同角色所关注的事件各不相同，比如，市场人员可能关注点击进入落地页的人数以及进入落地页后用户是否点击核心按钮，比如“立即注册/立即购买”等？运营人员可能更关注某次邀请好友活动中老用户是否点击该活动页面，是否将邀请海报分享到朋友圈？PM可能更关心新功能上线后用户是否点击打开？在洞察诸如此类的指标过程中，事件模型就起到了至关重要的作用。那么，什么叫做“事件”呢？简单讲，就是用户

用户分群就是一个典型的简化理解用户群体的方法。通过对用户的分群，方便我们能够更好的寻找最关键的核心用户、精细化设计产品、针对化运营。对用户进行人群细分的前提是有数据做依托。

诸葛君说：用户在产品中的行为其实是个黑盒子，全行为路径是用全局视野看用户的行为轨迹，很多时候你会有意想不到的收获，在可视化的过程中有两个模型，一个是树形图、一个是太阳图，今天我们将继续解读八大数据分析模型之——全行为路径分析，让你快速直观看到用户如何在使用你的产品。

通常，咱们做数据挖掘的时候经常免不了会遇到异常值检测或者异常值处理等步骤，那么什么是异常值呢？如何检测数据中是否存在异常值？如何处理数据中的异常值？本文专门探究一下这些问题。，是指那些在数据集中存在的不合理的值，需要注意的是，不合理的值是偏离正常范围的值，不是错误值。：数据集中的异常值可能是由于传感器故障、人工录入错误或异常事件导致。