在資料分析和資料建模的過程中需要對資料進行清洗和整理等工作，有時需要對資料增刪欄位。今天給大家分享一篇Pandas高階操作彙總，包括透過Pandas對資料的複雜查詢、資料型別轉換、資料排序、資料的修改、資料迭代以及函式的使用。 01、複雜查詢 實際業務需求往往需要按照一定的條件甚至複雜的組合條件來查詢資料,接下來為大家介紹如何發揮Pandas資料篩選的無限可能，隨心 …

每當我對資料進行視覺化時，不管是靜態圖、動態圖，還是報告、部落格中的一部分，甚至是 Twitter的配圖，都會遵循以下五個原則，今天和大家分享~ 1．展示資料。 2．減少混亂。 3．圖文結合。 4．避免使用意麵圖。 5．從灰色開始。 展示資料和減少混亂意味著減少多餘的網格線、標記和陰影，這些都會干擾實際資料。 有力的標題、更好的標籤和有用的註釋將使圖表與其周圍的文字相結合。 當圖表有許多資料系列時， 可以策略性地使用顏色突出顯示感興趣的系列，或者將一個密集的圖表拆分成多個小圖表。 總之，這五個原則會提醒我關注受眾的需求，以及如何用視覺化的資料講故事。 原則1：展示資料 讀者只有看到你的資料，才能理解你的重點、觀點或故事。這並不意味著你要展示所有的資料，但你要突出顯示那些支撐觀點的資料。 作為圖表的建立者，我們面臨的挑戰是要呈現多少資料，以及呈現的最佳方式。 這張美國的點密度圖，使用了自2010年起，美國十年一次的人口普查資料，每一個點代表一個人，這是全國3.08億居民在人口普查區（一個人口普查區相當於一個街區）的分佈情況。注 意，這張圖除了資料什麼都沒有，沒有州界，沒有道路，沒有城市標誌，也沒有湖泊和河流的標記。但我們仍然能看出這是美國，因為人們往往生活在邊境和沿海地區，這些資料痕跡勾勒出了整個國家的形狀。

大模型有了，下一步就是設計 Prompt 了。 幾個月來，ChatGPT、GPT-4 等大模型陸續釋出。這些模型表現出了強大的湧現能力，但模型生成的結果是隨機的，時好時壞，部分原因與 Prompt 的設計密切相關。 很多人將 Prompt 比喻為大模型的咒語，在引導模型生成內容方面影響很大，如何選擇 Prompt 成了每個 AI 研究者關注的問題 …

我們平時用FineBI、Tableau等專業的BI視覺化工具時，都會提供參考配色。但我還是建議各位能夠掌握基本的視覺化配色知識，自己去根據實際業務背景搭配合適的顏色。今天這篇文章很深度很乾，建議收藏。 今天就聚焦視覺化中顏色如何傳遞資料資訊。可別小瞧了這一技能，視覺化是一圖看懂，還是一團漿糊，可能就是顏色有沒有用對。 什麼是色階？ 在資料視覺化的過程中，我們 …

Python Pandas是一個為Python編程提供數據操作和分析功能的開源工具包。這個庫已經成為數據科學家和分析師的必備工具。它提供了一種有效的方法來管理結構化數據(Series和DataFrame)。 在人工智慧領域，Pandas經常用於機器學習和深度學習過程的預處理步驟。Pandas通過提供數據清理、重塑、合併和聚合，可以將原始數據集轉換為結構 …

經常有人在看了我文章之後問，資料分析該怎麼保證自己的結果是有用的，而不是一個簡簡單單、淺顯的結果呢？ 也有讀者反饋，主管經常怒懟自己，資料分析沒有用，根本沒有產出具體要做的事情，僅僅只是分析？ 如何解決上述這個難題，我們不妨結合一個實際案例來看。 01 為什麼分析結果沒有用？ 一家餐飲連鎖企業新開了一家門店，交上了的利潤報告顯示同比其他門店，利潤額低很多。 主管讓手下的資料分析師去分析該門店的營運狀況，資料分析師就從系統了調取了門店的日常經營報表，做了系列圖表分析之後得出結論。

ChatGPT橫空出世後，伴隨而來的是大量AI概念，這些概念互相之間既有聯繫也有區別，讓人一臉懵，近期做了一個GPT相關概念的辨析，特此分享給你，今天要分享的概念包括以下： Transformer、GPT、InstructGPT、ChatGPT（GPT3.5/GPT4.0）、大模型、AIGC（人工智慧生成內容）、AGI（通用人工智慧）、LLM（大 …

01 前言 隨著流量紅利的消失，增量獲客成本高，需要更好的做好存量營運。 換言之對外廣告投放成本高，且由於網際網路上網人群已經比較穩定，沒什麼新增，因而要獲得新客戶的成本更高。可能廣告投放曝光的更多也是老客，那既然是老客，廣告投放又要花錢，為何不在自己的私域流量池裡營運呢？ 那什麼是存量使用者？ 存量使用者是指在企業當前流量體系內的使用者，例如58的存量使用者，包含58同城、58安居客、趕集直招等的使用者。 如何更好的用好存量使用者？促進業務線的增長？ 一般公司都會劃分較多業務線，例如58劃分了房產、招聘、本地服務等。那對於單業務線而言，如58房產，360天內訪問過58房產的，即為58房產的老使用者，即存量使用者。在做好存量使用者促活、促留存的基礎上，希望能進一步在58域內做流量增長，這就需要做交叉行銷。

從2017年Gartner首次提出增強分析的概念，連續多年將增強分析確定為未來資料與分析技術發展趨勢，考慮到增強分析跟人工智慧，特別是NLP有著千絲萬縷的關係，進而與ChatGpt也有了關聯，這個被看成是BI3.0的分析領域的大殺器，到底是個什麼東西，我們來一探究竟。 一、增強分析定義 商業智慧最容易分為三代技術，每一代都由解決方案提供的可訪問性、速度、資料集大小和洞 …