本文是“思路比代码重要”系列的第1篇1 - 零售超市数据分析（趋势和指标）01 前言一不小心快半年没更新了，谢谢读者们的不离不弃。以前的 “原理+代码” 系列，侧重的是以通俗易懂的方式来讲解一个模型/算法（比如随机森林，不平衡采样），然后再配上注释详细的代码，方便读者学习基本原理和代码实现，最终实现快速上手并为深入学习打下一些基础。而这篇文章，将开启 “思路比代码重要” 这个新系列，目的是让读者们

  这是一个自写库系列，即笔者在数据可视化路上踩过的坑的汇总，并自定义函数和传入参数来实现快速避坑 + 快速绘制出复杂精美的图片。引言  Python 的绘图功能非常强大，如果能将已有的绘图库和各种复杂操作汇总在一个自己写的库/包中，并实现一行代码就调用并实现复杂的绘图功能，那就更强大了。所以本博文只强调绘图代码的实现，绘图中的统计学知识(名义变量，数值变量，xx图与xx图的区别等等)与 ...

本文的代码与数据可在公众号 “ 数据分析与商业实践 ” 后台回复 “ 0716 ” 获取，更多商业实践案例等你来撩推荐系统将成为未来十年里最重要的变革，社会化网站将由推荐系统所驱动 — John Riedl明尼苏达大学教授前言智能推荐和泛的营销完全不同，后者是将产品卖给客户作为最终目标；而智能推荐是以“客户需求”为导向的，是给客户带来价值的。常见的如淘宝的 “你可能还喜欢”，亚马逊的 “购买此商品

更多包含丰富源数据源代码的 Pandas 高阶操作，数据可视化，以及商业数据分析实战案例，尽在公众号 “ 数据分析与商业实践 ”通过本文，你将知晓如何利用 Pandas 选出指定类型的所有列用于后续的探索性数据分析，这个方法在处理大表格时非常有用（如列非常多的金融类数据），如果能够较好的掌握精髓，将能大大提升数据评估与清洗的能力，为后续建模提供高质量的数据。这个技巧并没有什么原理性的东西，所以这里

经典案例，通用流程，还有注释详尽的源代码和源数据。

???? 关注一下~，更多商业数据分析案例等你来撩利用逻辑回归进行客户流失预警建模中涵盖了许多比较细的知识点，思维导图只展示了极小的一部分，相关知识点链接将穿插在文中。本文已在公众号 " 数据分析与商业实践 " 首发，源数据和包含详细步骤和注释的源代码可空降文末。因为源代码中有一些自定义的长函数，直接放在文章中会非常占篇幅，而且阅读体验也不怎么好，而且分享有限，所以更多案例，操作，源数据可移步公众

引言  熟练使用 Word，Excel 非常重要，写程序再厉害，也不可能每一份小数据都用程序处理吧，Excel 就派上了用场，将数据分析结果以图文形式呈现给他人，又或者是平时论文的撰写，无比需要使用 word，当然，你也可以直接 LaTeX 或者 Markdown。不过一句话，现在练起来吧，别等到写 毕业论文/上交业务 时才后悔没跟宿舍或公司的 Office 大神搞好关系。  Word 的技巧..

写在前面今天在分类代码和整理文件时发现需要创建近100个文件夹，文件夹名呈规律性递增，如‘Question1-lv1’，‘Question2-lv1’, ‘Question(n)-lv1’, 这是问题数量的递增，然后便是问题等级的递增，Q1~Q30 为等级一类型，Q20~60为等级二，其余为等级三。在用鼠标点点点创建了5个文件以后，猛然醒悟：这样下去得创建到猴年马月，于是捣鼓了一下Python的.

  这是一个自写库系列，即笔者在数据可视化路上踩过的坑的汇总，并自定义函数和传入参数来实现快速避坑 + 快速绘制出复杂精美的图片。引言  Python 的绘图功能非常强大，如果能将已有的绘图库和各种复杂操作汇总在一个自己写的库/包中，并实现一行代码就调用并实现复杂的绘图功能，那就更强大了。所以本博文只强调绘图代码的实现，绘图中的统计学知识(名义变量，数值变量，xx图与xx图的区别等等)与 ...

原理简单，实现优雅，效果拔群