数据分析 ⛵ 面试宝典&实战项目

本文使用 Kaggle 数据集创建了一个Demo，演示如何使用 Python 调用 ipywidget 模块，快速创建交互式仪表板。快用起来吧~

本文介绍了 Parquet 和 Feather 两种文件类型，可以提高本地存储数据时的读写速度，并压缩存储在磁盘上的数据大小。大型 CSV 文件的克星！用起来~

本文使用机器学习建模对 FIFA 2022世界杯结果进行了预测，赛后将其与真实结果进行比较，可以看出：小组赛到1/4决赛的预测准确率很高，半决赛和决赛的预测准确率为0，冠亚季军无一预测准确。

本文介绍如何使用 Pandas Profiling 的比较报告功能，分析两个数据集的分布差异，完成数据探索分析 (EDA) 的完整流程，为后续分析做准备。

本文对比筛选了『数据清理』和『特征工程』最值得推荐的5本书，帮助你有效地清理数据、获取干净核心的数据，这是后续建模分析等工作有更好结果的保证。

本文揭秘全球数据科学岗位的薪资分布情况！以及分析岗位、国家、工作经验、雇佣形式、公司规模对薪资的影响，并贴心提供了求职建议和跳槽Tips！

本文结合航空出行的场景，使用机器学习建模，详细分析了航班乘客满意度的影响因素：机上Wi-Fi服务、在线登机、机上娱乐质量、餐饮、座椅舒适度、机舱清洁度和腿部空间等。

本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。

本文汇总介绍了21个 Pandas 进阶用法，能保持代码整洁优雅，更能提高代码效率！这篇是从数据科学家朋友那里搞到的私藏，快一起薅羊毛~

本文详细介绍了Vaex这个强大的工具库，能够每秒处理数亿甚至数十亿行数据，而无需将整个数据集加载到内存中。对于大型数据的分析任务，Vaex的效率更高，对硬件/环境的要求更少！pandas升级版！

使用Python内置库SQLite，可以方便地完成建表、插入数据、查询数据等数据库操作，也可以配合pandas进行灵活使用！高效工具库get！

本文讲解Pandas工具库几个核心函数，能高效处理时间序列：resample、shift、rolling。帮你得心应手处理时间序列数据！

本文使用『城市酒店和度假酒店的预订信息』，对旅游业的发展现状进行数据分析，包含了完整的数据分析流程：数据读取、数据初览、数据预处理、描述性统计、探索性数据分析、关联分析、相关性分析。

同一个数据分析的需求，不同人的SQL代码效率上会差别很大！本文给大家梳理集中效率优化方法，这也是数据岗面试的高频问题哦！快学起来~

兵欲善其事，必先利其器。对于数据科学家和数据开发工程师们来说，拥有好的工具会大大加速开发效率，本篇ShowMeAI介绍数据科学领域常用IDE Jupyter Notebook的拓展插件。

饼图是用于显示分类数据比例的典型图表，在数据可视化中经常使用，因为它直观且结果容易理解。但我们还有一些炫酷高级的图表可以表示比例或百分比，ShowMeAI在本篇进行介绍。

大量的数据科学职位需要精通 SQL，它也是数据分析师、数据科学家、数据建模岗最常考核的面试技能。在本篇内容中 ShowMeAI 将梳理汇总所有面试 SQL 问题，按照不同的主题构建练习专项块。

客户分群（客户细分）对于绘制用户画像、构建个性化推广、产品和服务策略，都非常重要。本文讲解此过程中，多种机器学习聚类算法的建模流程与评估模式。

数据集中的异常值，对于数据分布、建模等都有影响。本文讲解两大类异常值的检测方法及其Python实现：可视化方法（箱线图&直方图）、统计方法（z分数&四分位距）。

Pandas灵活强大，是数据分析必备工具库！但处理大型数据集时，需过渡到PySpark才可以发挥并行计算的优势。本文总结了Pandas与PySpark的核心功能代码段，掌握即可丝滑切换。