上一页 1 ··· 52 53 54 55 56 57 58 59 60 ··· 67 下一页
摘要: #日期 Date > x<-date()> class(x)[1] "character" > x2 <- Sys.Date()> class(x2)[1] "Date" > x3<-as.Date("2018-11-03")> class(x3)[1] "Date" > weekdays(x3) 阅读全文
posted @ 2018-11-11 15:13 hank-li 阅读(572) 评论(0) 推荐(0)
摘要: #数据框 > df <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE))> nrow(df) #4行[1] 4 > ncol(df) #3列[1] 3 > df2 <- data.fr 阅读全文
posted @ 2018-11-11 15:07 hank-li 阅读(221) 评论(0) 推荐(0)
摘要: #缺失值 Missing Value > #NaN不可识别NA> x <- c(1,NA,2,NA,3) > is.na(x)[1] FALSE TRUE FALSE TRUE FALSE > is.nan(x)[1] FALSE FALSE FALSE FALSE FALSE > #NA可识别Na 阅读全文
posted @ 2018-11-11 15:05 hank-li 阅读(152) 评论(0) 推荐(0)
摘要: #因子:分类数据#有序和无序#整数向量+标签label#Male/Female#常用于lm(),glm() > x <- factor(c("female","female","female","male"))> y <- factor(c("female","female","female","m 阅读全文
posted @ 2018-11-11 15:03 hank-li 阅读(658) 评论(0) 推荐(0)
摘要: #列表list > l1 <- list("a",2,10L,3+4i,TRUE) #每个元素没有名字> l1[[1]][1] "a" [[2]][1] 2 [[3]][1] 10 [[4]][1] 3+4i [[5]][1] TRUE > l2 <- list(a=1,b=2,c=3) #列表中每 阅读全文
posted @ 2018-11-11 14:58 hank-li 阅读(222) 评论(0) 推荐(0)
摘要: #矩阵Matrix 三个参数:内容(可省),行数,列数 > x <- matrix(1:6,nrow = 3,ncol = 2) #第一个是内容,第二个,第三个是行列> x[1,2][1] 4 > #维度属性> dim(x)[1] 3 2 > #查看矩阵的属性> attributes(x)$`dim 阅读全文
posted @ 2018-11-11 14:56 hank-li 阅读(609) 评论(0) 推荐(0)
摘要: #Vector 向量的三种创建方法,两个参数:类型,长度 > x <- vector("character",length=10)> x1 <- 1:4> x2 <- c(1,2,3,4)> x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致,R就会强制转换,将他们变为同一类 阅读全文
posted @ 2018-11-11 14:51 hank-li 阅读(496) 评论(0) 推荐(0)
摘要: 前言 MongoDB GUI 工具 PyMongo(同步) Motor(异步) 后记 前言 最近这几天准备介绍一下 Python 与三大数据库的使用,这是第一篇,首先来介绍 MongoDB 吧,,走起!! MongoDB GUI 工具 首先介绍一款 MongoDB 的 GUI 工具 Robo 3T, 阅读全文
posted @ 2018-11-11 10:40 hank-li 阅读(762) 评论(0) 推荐(0)
摘要: 1. 过程概述 Python先把代码(.py文件)编译成字节码,交给字节码虚拟机,然后虚拟机一条一条执行字节码指令,从而完成程序的执行。 2. 字节码 字节码在Python虚拟机程序里对应的是PyCodeObject对象。 .pyc文件是字节码在磁盘上的表现形式。 3. pyc文件 PyCodeOb 阅读全文
posted @ 2018-11-10 16:21 hank-li 阅读(566) 评论(0) 推荐(0)
摘要: 最近有不少同学在后台问我数据分析的职业发展相关,这里先列一个简易大纲。它更多是以我所在的互联网行业展开的。 入门和职业规划应该从两个角度考虑:领域和路线。 领域是不少新人常忽略的要素,其实数据分析不会脱离业务存在。你进入哪个行业,很大程度会决定你初期的技能树和技能点。譬如金融领域的风控模型、营销领域 阅读全文
posted @ 2018-11-10 16:20 hank-li 阅读(922) 评论(0) 推荐(0)
上一页 1 ··· 52 53 54 55 56 57 58 59 60 ··· 67 下一页