JOJO数据科学 - 个人主页动态 - 牛客网

发布(24) 评论刷题收藏

2024-01-17 09:34

厦门大学数据分析师

获取员工其当前的薪水比其manager当前薪水还高的相关信息

# 分别计算员工薪水表，manager薪水表 select t0.emp_no ,manager_no ,emp_salary ,manager_salary from ( select e.emp_no ,dept_no ,salary as emp_salary from dept_emp e left join salaries s on e.emp_no = s.emp_no ) t0 left join( select m.emp_no as manager_no ,dept_no ,salary as manager_salary from dept_manager m left ...

0 点赞评论收藏

分享

2023-09-14 15:16

厦门大学数据分析师

题解 | #平均播放进度大于60%的视频类别#

select tag ,concat(avg_play_progress,'%') from ( select tag ,round(sum(if(whatch_time>duration,duration,whatch_time))/sum(duration)*100,2) as avg_play_progress from( select video_id ,TIMESTAMPDIFF(SECOND,start_time,end_time) as whatch_time from tb_user_video_log ) as t1 left join ( select video_i...

0 点赞评论收藏

分享

2022-08-19 23:59

厦门大学数据分析师

题解 | #提取博客URL中的用户名#

blog_url字段中url字符后的字符串为用户个人博客的用户名，现在运营想要把用户的个人博客用户字段提取出单独记录为一个新的字段，请取出所需数据。 /*方法一：因为url字符后面的字段就直接是用户名了，因此这里了可以吧url之前的替换成空即可方法二：进行索引，按照分隔符'/'*/ 方法一 select device_id, replace(blog_url,'http:/url/','') from user_submit 方法二： select device_id, substring_index(blog_url,'/',-...

0 点赞评论收藏

分享

2022-08-19 23:55

厦门大学数据分析师

题解 | #统计每种性别的人数#

# 题目：现在运营举办了一场比赛，收到了一些参赛申请，表数据记录形式如下所示，现在运营想要统计每个性别的用户分别有多少参赛者，请取出相应结果 /* 1.要筛选出性别： 对于这种有分隔符的文本，可以使用substring_index(text,'分隔符',idx) 2.对性别分组求和即可 */ select substring_index(profile,',',-1) as gender, count(device_id) from user_submit group by gender

0 点赞评论收藏

分享

2022-08-18 23:13

厦门大学数据分析师

题解 | #计算用户的平均次日留存率#

/* 思路： 1.我们要找到第一天在线的人数，然后找到第二天在线的人数。 2.连接两个表，并且增加筛选条件，使用datediff得到第一天在线第二天还在线的人数 3.计算去重。 */ SELECT COUNT(distinct q2.device_id,q2.date)/count(DISTINCT q1.device_id,q1.date) as avg_ret from question_practice_detail as q1 left join question_practice_detail as q2 on q1.device_id=q2.device_id and DATEDI...

0 点赞评论收藏

分享

2022-08-18 23:08

厦门大学数据分析师

题解 | #计算用户8月每天的练题数量#

# 统计2021年8月用户联系题目的数量，对时间进行分组 select day(date) as day, count(question_id) from question_practice_detail where substr(date,1,7)='2021-08' group by 1; 这一题的关键点在于能够将日期给提取出来，对于2021-08，我们可以使用substr来灵活的得到，然后再使用day()函数取出天，最后分组的时候可以使用数字来代替列名，1表示第一列。

0 点赞评论收藏

分享

2022-08-17 21:18

厦门大学数据分析师

题解 | #查找山东大学或者性别为男生的信息#

# 山东大学或者性别为男性的用户的device_id、gender、age和gpa数据，请取出相应结果，结果不去重。 /* 1.查看山东大学的用户信息 2.性别为男的用户信息 3.组合，并且不去重，使用union all */ select device_id,gender,age,gpa from user_profile where university = '山东大学' union all (select device_id,gender,age,gpa from user_profile where gender = 'male'); 这是一道典型的组合...

0 点赞评论收藏

分享

2022-08-17 21:10

厦门大学数据分析师

题解 | #统计每个用户的平均刷题数#

select      university,      difficult_level,     count(t2.question_id) / count(distinct t2.device_id) from      user_profile t1, question_practice_detail t2, question_de...

0 点赞评论收藏

分享

2022-08-15 00:14

厦门大学数据分析师

【python数据分析入门到高级】：分类（上）

分类算法实现   我们在之前的文章已经介绍了机器学习的一些基础概念，当拿到一个数据之后如何处理、如何评估一个模型、以及如何对模型调参等。接下来，我们正式开始学习如何实现机器学习的一些算法。 回归和分类是机器学习的两大最基本的问题，对于分类算法的详细理论部分，大家可以参考我这篇文章： 本文主要从python代码的角度来实现分类算法。  # 导入相关库 import sklearn import pandas as pd import numpy as np import matplotlib.pyplot as plt  1. 数据准备   下面我们以mnist数据集为例进行演示，这是一组由美国...

0 点赞评论收藏

分享

2022-08-15 00:11

厦门大学数据分析师

【python数据分析入门到高级】：超参数调整

超参数调整，一种选择是手动处理超参数，直到找到超参数值的最佳组合。这将是一个非常复杂的工作，我们可以通过sklearn中的一些方法来进行搜索。我们所需要做的就是告诉它我们想用哪些超参数进行实验，以及尝试哪些值，然后它将使用交叉验证来评估所有可能的超参数值组合。   1 使用GridSearchCV     这种方法就是通过不断搜索匹配选出最好的超参数    具体代码如下  # 导入所需库 import numpy as np from sklearn import linear_model, datasets from sklearn.model_selection import GridSe...

0 点赞评论收藏

分享

2022-08-13 23:17

厦门大学数据分析师

【python数据分析入门到高级】：模型评估

之前我们介绍了机器学习的一些基础性工作，介绍了如何对数据进行预处理，接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢？首先需要对这些模型的效果进行评估。本文介绍如何使用sklearn代码进行模型评估 模型评估对模型评估的基本步骤如下：  首先将要将数据集分为训练集和测试集 对训练集进行模型拟合 确定合适的评估指标 计算在测试集上的评估指标  1 数据集划分 在机器学习问题中，从理论上我们需要对数据集划分为训练集、验证集、测试集。  训练集：拟合模型（平常的作业和测试） 验证集：计算验证集误差，选择模型（模拟考） 测试集：评估模型（最终考试）但是在实际应用中，一般分...

0 点赞评论收藏

分享

2022-08-13 23:08

厦门大学数据分析师

【python数据分析入门到高级】：日期型数据处理

在我们进行一些时间序列问题时，往往要对日期型数据进行分析处理，本章介绍一下如何使用python处理日期型数据 1. 将字符串转换成日期 # 导入相关库； import pandas as pd import numpy as np # 创建字符串 date_strings = np.array(['03-04-2005 11:35 PM', '23-05-2010 12:01 AM', '04-09-2009 09:09 PM']) # 转换成datetime 类型的数据 [pd.to_datetime(date, format='%d-%m-%Y %I:%M %p') for date in...

0 点赞评论收藏

分享

2022-08-13 22:49

厦门大学数据分析师

【python数据分析入门到高级】：分类型数据处理

在构建模型时，我们经常遇见一些分类型数据，此时需要对这些分类型数据进行相应转换。本章介绍如何使用python处理分类型数据，首先分类型数据主要包括以下两种。    本身没有顺序的称为nominal，也称为==名义变量== 例如性别  本身具有顺序的称为ordinal，也称为==定序变量== 例如年纪：老年、中年、青年   如果我们不对分类型数据进行处理的话，那么无法将它们直接构建模型,在机器学习中，处理分类型数据最常用的方法是进行one-hot（独热编码）   1.对名义变量进行转换   使用sklearn的LabelBinarizer对这些分类数据进行编码，具体代码如下  # 导入相关库 i...

0 点赞评论收藏

分享

2022-08-12 14:49

厦门大学数据分析师

【python数据分析入门到高级】：特征转换

上一章我们介绍了如何进行基本的数据清洗工作。加下来我们来看看如何进行特征转换，学统计学的小伙伴一定知道什么是标准化，这其实就是一种特征转换，在一些模型中，特征转换是有必要的。（例如某些神经网络问题，使用特征转换可以收敛更快） 1.min-max缩放 min-max缩放的基本思想是将所有的数据都转换到了某一固定区间，默认的是转换到0-1，其中最小的数据为0，最大的数据为1，变换公式如下： 下面来看看如何使用代码实现： 首先导入相关库 import numpy as np from sklearn import preprocessing #处理数据预处理包首先我们建立一个特征 feature =...

0 点赞评论收藏

分享

2022-08-12 14:38

厦门大学数据分析师

【python数据分析入门到高级】：数据清洗

数据清洗   在上一篇文章中，介绍了如何使用python导入数据，导入数据后的第二步往往就是数据清洗，下面我们来看看如何使用pandas进行数据清洗工作   导入相关库  import pandas as pd  dataframe = pd.read_csv(r'C:/Users/DELL/data-science-learning/python数据分析笔记/探索性数据分析/train.csv') dataframe.head(5)         .dataframe tbody tr th {    vertical-align: top; }  .dataframe thead th ...

python数据分析入门...

0 点赞评论收藏

分享

创作者周榜

更多

关注他的用户也关注了：

牛客网
牛客企业服务