淘宝数据分析.ipynb

51157Python数据分析基础教程-源代码.zip

FordGoBike数据集探索 陈楚航 数据集 该数据集包含有关在覆盖旧金山湾大区的自行车共享系统中进行的单个骑行的信息。 此数据集中有230万辆自行车共享记录。 主要功能是持续时间，开始时间和用户类型。 还包括其他功能，例如起点和终点站的位置以及客户信息，例如性别和出生年月。 由于这些记录的有效性不确定，因此删除了记录的一小部分。 调查结果摘要 在探索中，我发现旅行持续时间的分布集中在10分钟左右。 旅行的平均持续时间取决于很多因素，包括一年中的月份，一周中的一天，一天中的小时和用户类型。 时间和旅行次数之间有很强的关系。 在五月至十一月的夏季，大多数旅行都在进行。 在两个主要的假期，感恩节和圣诞节期间，使用量将大大减少。 此外，与周末相比，出行次数要多得多。 最后，大多数旅行都在高峰时段进行。 同样，旅行次数与用户类型有关，无论他们是否拥有成员身份。 我发现的最后一件事是，用户性

第九章 广州二手房数据爬取与数据分析及可视化 (上课的).ipynb

C++基于Qt的流数据分析与可视化软件源码。库 blitz - inline，无须单独编译 exprtkX KDDockWidgets kfr - inline，无须单独编译 libsndfile praat - inline，无须单独编译 QCustomPlot QtnProperty readerwriterqueue - inline，无须单独编译 rtaudio smarc 库 blitz - inline，无须单独编译 exprtkX KDDockWidgets kfr - inline，无须单独编译 libsndfile praat - inline，无须单独编译 QCustomPlot QtnProperty readerwriterqueue - inline，无须单独编译 rtaudio smarc

基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spark的视频观看数据分析系统项目源码.zip基于Spar

使用三种具有代表性的聚类分析算法对鸢尾花数据集进行聚类分析，分别为层次方法、DBSCAN 方法与K-means 方法。接着使用三个评价指标对聚类的结果进行评价，分别为准确度、运行时间、轮廓系数。本程序包含python程序、实验报告与鸢尾花数据集文件。是本人亲手写的作业且获得高分。层次方法在此数据集上准确度最佳，DBSCAN 方法运行时间最短，层次与 K-means 方法都取得了较高的轮廓系数值。亲手资源，保证一手！

作业要求：对给出的网络作社区发现，用至少两种算法进行实现，比较他们的结果并做简单 分析。本文分别使用了scan算法、CPM 算法、slpa算法三种。对每一种算法的流程、结果都有详细的分析报告。文件中包含代码、实验报告（实验报告看作业1部分即可）一应俱全。亲手资源，保证一手！

该软件包提供了一些不错的实用程序，用于创建和加载对拓扑数据分析有用的数据集。 当前，我们提供具有特定拓扑特征的各种综合数据集。 设置 安装就像 pip install tadasets 用法 形状构造函数在功能接口中公开，每个函数都返回一个numpy数组，其中包含在对象上采样的数据。 可用的对象包括 圆环面 d球 瑞士卷 无限符号 通过提供ambient参数，可以将每个形状嵌入任意的环境尺寸中。 此外，可以通过noise参数将noise添加到形状中。 import tadasets torus = tadasets.torus(n=2000, c=2, a=1, ambient=200, noise=0.2) swiss_roll = tadasets.swiss_roll(n=2000, r=4, ambient=10, noise=1.2) dsphere = tadasets.

本次课程主要以真实的电商数据为基础，通过Python详细的介绍了数据分析中的数据清洗阶段各种技巧和方法。