千里之行，始于足下

摘要： 在数据分析的江湖里，我们经常会听到老板或业务方抛出这样的问题： “现在的年轻人越晚睡，买护肤品是不是越疯狂？” “我们APP的各种优惠券，真的能提升用户的留存率吗？” “天气越热，这只股票是不是跌得越惨？” 面对这些问题，很多新人容易犯 “凭感觉” 的错误：“我觉得应该有关系吧……” 数据分析不相信 阅读全文

摘要： 在数据分析的世界里， “距离” 不仅仅是地图上两点之间的路程。 距离 ，本质上是衡量两个事物 “相似度” 的尺子。 距离越近 = 相似度越高 距离越远 = 差异越大 如果你想做用户画像聚类、想做商品推荐系统，或者想识别信用卡欺诈交易，你首先要选对这把“尺子”。 本文将带你全面了解数据分析中常用的各种 阅读全文

摘要： 你是否经历过这样的场景： 同事发给你一个 Excel 表格，文件名叫 data_final_v2.xlsx。 你满怀期待地打开，结果发现： 表头是 cryptic 的英文缩写（如 c_amt, usr_stat）； 有一列全是数字 1, 0, 1, 0，你猜不出这代表“男女”还是“是否活跃”； 你根 阅读全文

摘要： 很多刚入行甚至想入行数据分析的朋友，往往会陷入一个误区：以为数据分析就是不停地做报表、画饼图。 其实，数据分析的核心魅力在于 “推断”——即见微知著。 在现实生活中，我们很难获取“全量数据”（比如你不可能调查全国每一个人的身高），那么，如何通过手中的“小样本”去推测“大总体”的规律？ 这就需要用到统 阅读全文

摘要： 数据分析时，我们经常需要从样本数据推断总体特征。 而抽样分布就是连接样本与总体的重要桥梁，如果你不理解它，就无法理解为什么我们可以通过调查几千人来预测全国的选举结果，也无法理解A/B测试背后的逻辑。 本文将尽量使用大白话和Python代码，带你彻底搞懂抽样分布，并掌握最常用的四大分布：Z分布、T分布 阅读全文

摘要： 大家好！Manim 社区刚刚发布了 v0.19.1 版本（发布于 12 月 1 日）。虽然这是一个小版本号更新，但里面可是藏着几个非常实用的新功能！ 无论你是刚入坑的新手，或者已经被某些痛点折磨过的老手，这篇更新速览都值得一看。 1. 🌟 亮点一：终于可以“固定”随机颜色了！ 以前我们在使用 ra 阅读全文

摘要： 当你踏入数据分析的大门时，可能会被海量的数据淹没，感到无从下手。 想象一下，你想了解一座巨大森林里所有树木的平均高度，难道要一棵一棵地去测量吗？这显然不现实。 这时，“抽样” 这个强大的工具就该登场了！ 本文将带你全面了解各种抽样方法，并用Python代码演示实际应用。 1. 抽样是什么？ 抽样 是 阅读全文

摘要： 做Manim动画久了，你是否厌倦了那万年不变的黑色虚空？ 很多初学者（甚至老手）都想给动画加个背景图，但往往会遇到两个问题： 怎么加？ 是把图片放进去，还是设置相机？ 看不清！ 背景花里胡哨，前面的文字公式瞬间“隐身”了。 今天，我们就来揭开Manim动画中一个简单却强大的技巧--为动画添加背景。 阅读全文

摘要： 你在制作Manim动画时，是否遇到过这样的困境？ “代码写得天衣无缝，运行流畅，出来的动画却总觉得哪里不对劲？” 虽然物体确实从 A 移动到了 B，但看起来就像是老旧的工业机器人在干活——僵硬、死板，甚至有点无聊。 其实，你的动画离 “丝滑” 和 “专业”，往往只差这一个参数的距离：rate_fun 阅读全文

摘要： 大家好，在数据分析圈子里摸爬滚打这么多年，最近大家见面打招呼的方式都变了。 以前是“你用 Pandas 处理那个 csv 了吗？”，现在变成了“你还没用 Polars 吗？那速度快得飞起！” 确实，在这个 GPU 算力爆炸、多线程并行的时代，我们这位陪伴多年的老朋友 Pandas，因为单线程和内存管 阅读全文