蚂蚁金服面试    一、一分钟自我介绍。   二、简历相关问题。   1、实习中主要做的事情，从三方面来回答，工作内容、为谁工作、主要指标。   对这部分人做了什么？   结果：提升转化率、留存。   2、ABtest的流程、原理、参数设置、主要关注的统计效果。   分享了一个AB测试的项目   3、我用到的主要工具、语言？   分两块。一是hive sql用来取数；二是python、excel，用来数据可视化。   4、sql问题   4.1 数据库底层知识：主键是什么？   主键是指，表中经常有一个列或者多列的组合，其值能够唯一地标识表中的每一行。ton过他可以强制表的实体完整性。当创建或...

一、相较于上一题，只有最里面这一层子查询算总分出现了变动，我考虑的是，用增加的分数和-减去的分数和。相比其他人的答案，他们的思路是对每一条分数做出判断，是加或者是减，之后再sum，本题的运行包含了两个sum时间会长一点。 select user_id, sum(if( type='add',grade_num,0))- sum(if( type='reduce',grade_num,0))as grade_sum from grade_info group by user_id order by grade_sum desc id以及对应的总分如下：二、之后再用窗口函数取出得分排名第一的人，再...

select substring_index(SUBSTRING_INDEX(profile,',',3),',',-1) as age,count(device_id) from user_submit a group by age substring_index 用法。 先截取至年龄。 SUBSTRING_INDEX(profile,',',3) 返回的是180cm,75kg,27165cm,45kg,26178cm,65kg,25171cm,55kg,23168cm,45kg,22 再把年龄拿出来。 substring_index(SUBSTRING_INDEX(profile,',',...

一面      二面   1、自我介绍   2、挖简历   1）做过什么项目？完整的项目。   -分享了一个异常分析的例子。异常的增长点。      2）这个异常最后的结论是什么？对下一步业务的指导是什么？异常的增长归因到了活动。活动是否是可复制的？   -分享了活动复盘的效果以及对业务的指导作用。      3）你平常经常逛的app是什么？他的盈利模式是什么？   b站。盈利模式我想了想，说了一个直播贡献小部分营收。其他的没想到。      4）58的业务逻辑是什么？商业模式是怎样的?   确实没怎么了解过。瞎说了一点。      5）在做ab实验中有没有遇到无法解释的结论？   有。   ...

58同城数分笔试         一、到家精选是58的自营业务之一，包含10多个品类，在近2年快速增长。近期，到家精选的整体客单价（交易金额/成交订单数) 出现明显下降。但奇怪的是，分拆品类和城市来看，并没有发现那个品类或城市的客单价明显下降。   a）为什么分品类、城市的客单价都是上涨，而全国客单价却在下降？   b）如何更正确的分析真实的业务变化？      二、在寻找增长点时，一个很重要的手段是给安装了app的用户推送消息，如新闻热点、促销信息等，吸引用户点击 ，从而实现用户回流。请问，可以涉及哪些监控指标，来反应推送业务的健康状态？

第好多次面试斗鱼了。之前投实习面过2次挂，后来捞起来面过了3次我拒了。现在我又来了。😂一面1.自我介绍2、挖简历1）数据分析报告分享一个做的好的？2）异常分析怎么做的？3）在实习中发现自己对于数据分析这份工作的优点和缺点时长30min这个hr可能是新来的，忘了让我反问了。----二面1、自我介绍2、挖简历1）分享一个做的好的报告。2）看直播吗？看哪类型的？看谁？3）假设当天绝地求生专区的营收下降25%，分析原因。4）如何衡量一个活动的效果？从哪些维度？5）之前实习的公司不能留用吗？3、反问1）团队业务内容负责营收的。时长40min

20210908下午突然接到个电话☎，然后就直接开始面试。1、自我介绍2、深深深挖简历1）毕业论文题目2）详细地讲了一个自己做的论文题目。题目的贡献，处理数据的方法，怎么证明的相关性？除了这种方法还有没有别的方法证明相关性？样本容量大小，论文采用的方法，论文结论3）本专业是金融，为什么要做数据分析？4）有了解机器学习吗？随机森林是什么？随机森林和xgboost之间的区别5）爬虫怎么应对的反爬？requests和chromedriver之间的区别？chromedriver会不会爬起来很慢？6）sql的窗口函数？7）实习经历做过的项目分享一个，详细分享。3、反问1）对这个岗位的人员的要求用数据指导...

1、自我介绍   讲了学历背景和实习经历   2、开始挖实习经历   1）组里关注的主要的指标，为什么要看这些指标？这个组整体存在的意义和目标是什么？能为公司贡献什么？   2）完整的分析报告的介绍。选一个自己做过的完整的分析报告，从头到尾介绍一下。要包含完整的结论。   3）分析异常的过程。 4）AB实验的流程。针对某一个具体的例子来说： 我负责了什么？实验主要关注的指标？实验人群划分的依据？显著性怎么计算的，原理是什么？      我一直无法正确get到面试官想问的问题的意图，感觉很不爽，我状态非常不好啊555。😭       3、问他的问题   1）业务是什么   一面还没有确定具体方...

@[TOC]Python爬虫利器-XPath Python爬虫利器-XPath 在新手使用正则表达式提取源代码中指定信息的时候，如果正则表达式编写不适宜，往往会匹配到网页中我们不需要的内容，这实际大大增加了信息筛选、清洗的成本。尺有所短，寸有所长，小编今天要介绍的是一个能和正则表达式媲美的页面文本信息提取利器——XPath。接下来，小编从实用的角度带大家学习XPath的相关知识。 1. 什么是XPath XPath是XML Path的简称，它是一种用来确定XML（可扩展标记语言）文档中某部分位置的语言。XPath也是一种表达式语言，它基于XML的树状结构，可以用来在整个树中来寻找指定的节点。为...

BeautifulSoup的用法案例简介  在《Python爬虫利器-XPath》文中，我们介绍了XPath，使用它来进行页面文本信息提取方便快捷。在本文中，小编将介绍另外一个好用的工具–BeautifulSoup，使用它同样可以实现快速提取页面文本信息。 1.什么是BeautifulSoup BeautifulSoup是一个从HTML或者XML文件中利用标签树功能快速提取数据的Python库。它用法简单，通过转换器把文档解析成文档树，实现查找、修改指定内容的功能。使用它，短短几行命令，就可以满足我们的大多数需求。引用方式是： from bs4 import BeautifulSoup或者im...

map和reduce函数简介 Python有许多强大好用的内置函数，今天小编将带领大家继续了解两个关于遍历和迭代的函数。 一、map map函数会根据提供的函数对指定序列做映射。其语法为：map(function, iterable)。也就是对iterable中的每一个元素进行function的运算，并返回一个迭代器。 1.第一个例子 我们想要实现这样一个目的：判断一个数是奇数还是偶数，并返回一个列表，列表中包含判断结果。 1.1使用map函数 首先我们定义一个函数用于判断并返回结果，接下来我们取1-5这5个数代入。 def f1(n): if n%2==0: return f'{n} is ...

Requests get爬虫之设置headers 前段时间，小编在抓取网页数据时，使用requests中的get方法，标注了url，却始终得不到数据。后来，经过一番尝试之后才发现，加上headers之后，想要的数据就出来了。小编不禁心生疑问：为什么要加headers呢？今天，我们就来聊一聊requests get爬虫时设置headers的相关内容。 Get方法请求指定的页面信息，并返回实体主体。语法是：requests.get(url,kwargs)。其中，url是我们想要访问的链接，kwargs是可选参数，包括params、data、json、headers、cookies、auth、fil...

xls2dta命令：将excel文件转换成dta文件 在stata应用中，往往需要对多个excel中的数据进行处理，这就需将excel格式的数据转化为stata格式的数据，通常的做法是读入（import excel）、保存为dta（save）、合并（append）三步走。今天为大家介绍的xls2dta命令可以一步到位地将一个或多个excel转化为stata格式的dta文件，并可以同时实现横纵向合并和数据类型转换等操作，功能强大且简便易上手。 注意xls2dta是一个前缀命令，后面可以跟import excel、merge、append等命令实现特定功能。 一、安装xls2dta命令 clear...

提取的话题 stat的主题提取特征试图通过自然语言处理和统计分析相结合的方法来揭示文本集合中隐藏主题结构。 WordStat中用于主题提取的主要统计过程是因子分析。从技术上讲，这种抽取是通过按文档频率矩阵计算单词来实现的，或者也可以通过将文档分割成更小的块并按段频率矩阵计算单词来实现的。一旦得到了这个矩阵，就需要进行可变旋转的因子分析，以提取少量的因子所有因子加载高于特定标准的单词将作为提取主题的一部分进行检索层聚类分析，一个词可能只岀现在一个集群中，话题建模使用因子分析可能导致一个词与多个因素有关， polysemic自然的特点，更实际地代表一些单词以及单词的多个上下文使用。 当前的主题建模...