数据分析 ⛵ 面试宝典&实战项目

本文讲解使用Panel、hvPlot等工具库，简单快速地制作可交互的数据仪表板，对180万起野火数据进行空间可视化，更直观地对起火原因、火势大小、持续时长进行单维或多维分析。

数据随着时间变化，会导致已有模型的准确度大打折扣，这就是数据漂移问题。本文讲解数据漂移问题的诸多实际案例、检测方法、基于evidently库的代码实现。

森林野火是一种无计划、不受控制的火灾。本文基于NASA森林火灾数据集，讲解机器学习预测森林火灾的详细流程：数据探索、数据清洗&处理、数据拆分、评估指标、建模与预估。

客户分群对于精准营销的意义重大，而机器学习可以优化这一过程。本文会详细拆解实现过程：数据收集、创建RFM表、探索数据&数据变换、应用聚类做用户分群、解释结果。

气候是全球性的话题，本文基于owid co2数据集，分析了世界各地的二氧化碳排放量，并将二氧化碳排放的主要国家以及二氧化碳排放来源进行了可视化。

运动穿戴设备中记录了大量的运动数据，也记录着佩戴者的身体状况。本文结合 Kaggle fitbit 数据集，分析运动规律和卡路里的消耗情况。【代码与数据集亲测可运行】

本文基于Airbnb在大曼彻斯特地区的房源数据，构建机器学习模型，进行数据分析与挖掘建模，预测民宿房源的价格走势。当然，同样的方法模式也可以应用在国内平台。

2022了你还不知道“低代码”？一起看看数据分析、机器学习、深度学习领域最受欢迎的 Python 低代码工具：D-Tale、AutoViz、Lux、Pandas-Profiling、PyCaret等

股市预测，销量预测，病毒传播...使用 Merlion 时间序列建模搞定全部！本文详解全部流程：加载和转换数据、建立和训练模型、模型结果后处理、评估模型性能。

通过 Styler API 的设置，Pandas 也能像 Excel 那样进行『条件选择』和 『文本框颜色』设置，一眼获取最关键信息！本文讲解 Pandas 使用单色（或渐变色）高亮显示缺失值、最大值

Pandas 是数据科学领域最受欢迎的 Python 工具库之一，函数与功能极其丰富。本文将数据科学家常用的二三十个功能函数总结为10类，熟练掌握就能轻松解决80%以上的数据处理问题！

资深工程师最常用的 Pandas 显示设置技巧！Pandas数据显示不全？快来了解这些设置技巧，自定义显示的行数、列数、列宽，使浮点列之间的小数位精度保持一致、禁用科学记数法…

Altair是Python统计可视化库，提供了强大而简洁的可视化语法，产出漂亮的数据可视化结果，并支持交互式操作和勾选局部数据深入分析。本文以实例讲解Altair数据分析过程，以及交互文档报告的生成。

Mito 和 Bamboolib 是 Python 库，可以快速流畅地处理大文件表格，功能性与易用性与 Excel 不相上下，但是可以避免出现 Excel 中的卡顿和崩溃。【代码与数据集亲测可运行】

单行代码(one-liner)是一种编程技巧，指将大段代码写成非常简短的形式，更加紧凑，也更加高级！本文总结了 Python 中常用的 9 个 one-linear 技巧。

朋友刚刚拿到了 Google 数据分析师的 Offer！跟她详聊了面试的3道SQL题目，把思路和参考答案一并奉上！【代码与数据集亲测可运行】

SQL与Pandas都可以完成大部分数据分析需求。本文用SQL与Pands逐一实现10类核心数据分析需求，轻松进行对比学习：数据选择、限制、统计计数、排序、新字段生成、数据选择、数据分组、统计均值等

真实面试题分享！本文基于餐饮业数据，使用SQL分析挖掘客户的就餐模式、点餐花费和菜品喜好等，以提升餐厅的业务经营水平。