掌柜最近在整理关于数据分析思维课程的知识点，全是用的思维导图方式。现在整理到第七讲（因为前几天电脑坏了耽误了进度????，不然是已经到十讲），后面会持续更新这篇博客，有需要的朋友请自取????！《数据分析思维与实战23讲》总结之思维导图系列数据分析的基础技能01 | 如何解决临时提数需求[02| 如何搞定BAT大厂的数据分析项目](https://github.com/Amberjay18/Dat

接着昨天的面试题，今天解决五六七八题：新建属性列，提取日期中的月份根据id和月份，做数据透视表；分别求出每个id在不同月份的消费笔数、消费总额合并信息表和数据透视表；按id合并数据脱敏，将文本信息匿名化首先来解决第五题????：新建属性列，提取日期中的月份接着要提取日期里面的月份，这里有两种方法，看????方法一，使用DatetimeIndex（）方法：这样就成功提取了月份的数据出来；...

刚刚读了一篇关于《滴滴数据仓库指标体系建设实践》????的文章，不得不说一下这是目前掌柜看到最全面的一篇讲指标体系搭建的文章????。这里分享过来，大家有空都可以读读全文看????。文章中主要谈论了5点：1. 指标体系是什么？2. 为什么要搭建指标体系？3. 如何搭建指标体系？4. 怎么管理指标体系？5. 指标体系产品化。这里掌柜主要对第三点 如何搭建指标体系？ 进行了一个思维导图的总结， 希望对

在腾讯云的Centos 7.5 64位操作系统中安装Anaconda3的时候遇到标题报错：在排查问题的过程中，发现GitHub上有同样问题的朋友，但是他们大部分是因为磁盘空间不足导致的。。。可是掌柜这里是新的云服务器，还没用过，所以排除是这个原因造成的。接着再往下看，发现有个朋友这么说：然后突然想起来，昨晚因为网速太慢，下载被中断了。今早重新再下的脚本文件，难道真的是这个原因？于是去查root下面

今天准备更新思维导图09，想要上传到仓库的时候突然想起来，掌柜还没有把该仓库clone到本地。。。于是打开git，开始clone，接着就出现了标题的情况????git clone很慢，最后还崩溃了：一搜发现大家都遇到过git clone很慢的问题，原因是网站github.global.ssl.fastly.net被限制了。。。而解决的办法也很多。试了各种方法后，整理目前还有效的两种：第一种：Git

掌柜最近在整理关于数据分析思维课程的知识点，全是用的思维导图方式。现在整理到第七讲（因为前几天电脑坏了耽误了进度????，不然是已经到十讲），后面会持续更新这篇博客，有需要的朋友请自取????！《数据分析思维与实战23讲》总结之思维导图系列数据分析的基础技能01 | 如何解决临时提数需求[02| 如何搞定BAT大厂的数据分析项目](https://github.com/Amberjay18/Dat

今天在删除表格的时候出现如下报错：于是通过查询当前线程发现有多个线程同时开启运行中。。。再查看当前运行的所有事务：SELECT * FROM information_schema.INNODB_TRX;可以发现有三个事务同时都在运行。。。所以可以找到掌柜这里报错的直接原因是：之前存储过程（里面开启了事务）运行半天没有反应就手动关闭了MySQL。。。没有让它进行commit。。。并...

最近在进行一个练习赛的时候遇到特征处理的问题，于是就在sklearn官网查了一下，发现有专门的一节来讲关于特征选择的，因此打算翻译一下来具体学习。sklearn.feature_selectionPS:翻译如果觉得有问题，请大佬帮忙纠正！谢谢。-----------------------------------------我是一条无感情的分界线--------------------------

今天解决最后一道题????：把数据集随机划分为训练集和测试集，按8：2的比例。一般会想到用随机划分的方法，即使用sklearn库里面的model_selection模块的train_test_split方法。这里掌柜就直接拿官方的鸢尾花数据集示例来演示一下：这????就是此题的解法（当然，在此环境下该方法是没什么问题的，而且大多数情况下我们也是这么划分数据集的；），但是此方法存在一定的缺点，即在测

今天在读取一个从国家统计局下载的csv表格的时候遇到如上报错：一看就知道是字符编码问题，但是到底要编码成哪种格式才是正确的呢？ 掌柜搜了一下相关问题的解决方案，发现高赞给的答案是下面这个：于是掌柜尝试过后发现并不能完全解决问题。。。????在Provinces这一列还是出现的乱码。。。然后掌柜突然反应过来，Province这一列都是中文，一般中文编码都是用的gbk，所以应该是encoding =