认识数据
认识数据
1.数据
1.1.数据对象
1.2.数据集
1.2.1.多个数据对象的集合
1.2.2.行代表着不同的样本，列代表着不同特征
1.3.数据的属性
1.3.1.标称属性
其值是一些符号或者事物的名称
如头发的颜色，如人的姓名
1.3.2.二元属性
特殊的标称属性
• 只有两种结果的标称属性
对称的二元属性
• 两种结果重要性一样
• 如：男女
非对称的二元属性
• 两种结果重要性不一样
• 如：是否患病
1.3.3.序数属性
其可能的值之间具有有意义的序或者秩评定(ranking)，但是相继值之间的 差是未知的。
如：身高的高、中、矮；如颜值的帅、中等、不帅；如成绩的优良中差
1.3.4.数值属性
具有真实数值的属性
• 离散属性
• 离散的、类别的
• 具有有限或者无限可数个值。
• 如省编号
• 如超市的VIP编号
• 可以用或者不用整数表示。
• 连续属性
• 连续的小数
2.统计指标
2.1.更好地识别数据的性质，把握数据全貌、查看的走势、及分布范围
2.2.如：均值、众数、分位数、最大值、最小值等统计指标
3.数据可视化
3.1.更加直观的去把握数据全貌、走势、波动
3.2.折线图、柱状图、直方图、饼图、散点图、箱线图、雷达图
4.相关性与相异性
认识数据处理
认识数据处理
1.为什么要进行数据处理
1.1.数据是杂乱无章的
1.1.1.由于人、机为的造成数据的丢失、异常、不一致等数据问题
1.2.没有高质量的数据处理，就没有高质量的结果
2.数据处理操作
2.1.数据清洗
2.1.1.1、缺失值处理
2.1.2.2、异常值处理
2.1.3.3、数据的统一化
2.2.数据合并
2.2.1.进行数据的拼接
2.3.数据规约
2.3.1.去除量级的影响
2.3.2.标准化
2.4.数据转化
2.4.1.将非数值型的类别型数据转化为数值型数据
2.4.2.将连续型的数据离散成类别型数据
矩阵
矩阵
1.m*s数表，用中括号括起来
2.对角矩阵
2.1.除过对角线之外的所有的矩阵元素都为0
2.2.如果对角矩阵的对角线上全部为1，那么该矩阵被称为单位矩阵，记为E
3.矩阵的运算
3.1.矩阵与矩阵的相加
3.1.1.对应位置元素进行相加
3.1.2.注意：同型矩阵
3.1.3.不同型的零矩阵是不相同的
3.2.矩阵与数的相乘
3.2.1.矩阵的每一个元素与数进行相乘
3.3.矩阵与矩阵的相乘
3.3.1.规则
左矩阵的列数必须等于右矩阵的行数，才能进行相乘，生成一个左矩阵行、右矩阵列的矩阵
4.矩阵的属性
4.1.转置
4.1.1.行列互换
4.2.矩阵的逆
4.2.1.如果矩阵可逆，那么矩阵*矩阵的逆=E
数据分析概念
数据分析概念
1.数据采集、数据处理、数据可视化来发现数据的规律并进行分析，撰写报告
2.数据分析
2.1.偏向于业务，注重于解决具体的问题
3.数据挖掘
3.1.利用数据、利用所学Python知识进行数据价值的挖掘
