数据 订阅
数据(data)是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的原始素材。数据可以是连续的值,比如声音、图像,称为模拟数据。也可以是离散的,如符号、文字,称为数字数据。在计算机系统中,数据以二进制信息单元0,1的形式表示。 展开全文
数据(data)是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的原始素材。数据可以是连续的值,比如声音、图像,称为模拟数据。也可以是离散的,如符号、文字,称为数字数据。在计算机系统中,数据以二进制信息单元0,1的形式表示。
信息
性    质
计算机术语
外文名
data
意    义
信息的表现形式和载体
释    义
事实或观察的结果
中文名
数据
数据定义
数据是指对客观事件进行记录并可以鉴别的符号,是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。它不仅指狭义上的数字,还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等,也是客观事物的属性、数量、位置及其相互关系的抽象表示。例如,“0、1、2...`”、“阴、雨、下降、气温”“学生的档案记录、货物的运输情况”等都是数据。数据经过加工后就成为信息。在计算机科学中,数据是指所有能输入到计算机并被计算机程序处理的符号的介质的总称,是用于输入电子计算机进行处理,具有一定意义的数字、字母、符号和模拟量等的通称。计算机存储和处理的对象十分广泛,表示这些对象的数据也随之变得越来越复杂。 [1]  信息与数据既有联系,又有区别。数据是信息的表现形式和载体,可以是符号、文字、数字、语音、图像、视频等。而信息是数据的内涵,信息是加载于数据之上,对数据作具有含义的解释。数据和信息是不可分离的,信息依赖数据来表达,数据则生动具体表达出信息。数据是符号,是物理性的,信息是对数据进行加工处理之后所得到的并对决策产生影响的数据,是逻辑性和观念性的;数据是信息的表现形式,信息是数据有意义的表示。数据是信息的表达、载体,信息是数据的内涵,是形与质的关系。数据本身没有意义,数据只有对实体行为产生影响时才成为信息。 [2] 
收起全文
精华内容
参与话题
问答
  • python数据分析

    万次阅读 多人点赞 2018-07-22 19:43:44
    python绘图、python数据分析、python库、股票分析

    所有资料汇总学习:点这里

    利用python进行数据分析

    数据在这里下载

    github连接

    记得点个star!!!

    里面还放着一些陈年老代码,都是机器学习和数据分析相关的。(没怎么整理,都在里面,看到隐私别慌~)

    Numpy

    Numpy简单使用(入门)

    Pandas入门

    Pandas入门系列(一)-- Series
    Pandas入门系列(二)-- DataFrame
    Pandas入门系列(三)-- 深入理解Series和DataFrame
    Pandas入门系列(四) – Pandas io操作
    Pandas入门系列(五) – Indexing和Selecting
    Pandas入门系列(六) – reindex
    Pandas入门系列(七) – NaN
    Pandas入门系列(八) – 多级index
    Pandas入门系列(九) – Map和replace

    pandas进阶

    Pandas玩转数据(一) – 简单计算
    Pandas玩转数据(二) – Series和DataFrame排序
    Pandas玩转数据(三) – DataFrame重命名
    Pandas玩转数据(四) – DataFrame的merge
    Pandas玩转数据(五) – Concatenate和Combine
    Pandas玩转数据(六) – 通过apply对数据进行处理
    Pandas玩转数据(七) – Series和DataFrame去重
    Pandas玩转数据(八) – 时间序列简单操作
    Pandas玩转数据(九) – 时间序列的采样和画图
    Pandas玩转数据(十) – 数据分箱技术Binning
    Pandas玩转数据(十一) – 数据分组技术Groupby
    Pandas玩转数据(十二) – 数据聚合技术Aggregation
    Pandas玩转数据(十三) – 透视表
    Pandas玩转数据(十四) – 分组和透视功能实战

    Matplotlib入门

    Matplotlib简单画图(一) – plot
    Matplotlib简单画图(二) – subplot
    Matplotlib简单画图(三) – pandas绘图之Series
    Matplotlib简单画图(四) – pandas绘图之DataFrame
    Matplotlib简单画图(五) – 直方图和密度图

    Matplotlib扩展之Seaborn

    Seaborn简单画图(一) – 散点图
    Seaborn简单画图(二) – 直方图和密度图
    Seaborn简单画图(三) – 柱状图和热力图
    Seaborn简单画图(四) – 设置图形显示效果
    Seaborn简单画图(五) – Seaborn调色功能

    获取数据的一个库Tushare

    Tushare获取数据

    简单实战

    股票市场分析实战

    展开全文
  • Python数据分析实战-Pandas

    千人学习 2019-12-02 10:54:20
    Pandas包是基于Python平台的数据管理利器,已经成为了Python进行数据分析和挖掘时的数据基础平台和事实上的工业标准,掌握其使用方法,是使用Python进行数据分析和数据挖掘的必备条件。  本课程通过讲解Pandas基础...
  • R语言数据分析入门

    千人学习 2016-05-13 16:53:58
    目前已在各行各业赢得数据分析者的青睐,并成为众多科研工作者、商业机构、与公司进行数据分析非常重要的一门工具。 本课程主要以R语言为基础,共分R语言的介绍及基础语法、读写数据、数据整理入门、数据可视化四个...
  • 什么是数据分析师 有人说,数据分析师就是分析数据的人呗。 有人说,数据分析师是从浩如烟海的数据中发掘价值的淘金者。 有人说,数据分析师是对搜集到的数据进行整理、分析,在依据所属行业提出的要求进行研究、...

    什么是数据分析师

    有人说,数据分析师就是分析数据的人呗。
    有人说,数据分析师是从浩如烟海的数据中发掘价值的淘金者。
    有人说,数据分析师是对搜集到的数据进行整理、分析,在依据所属行业提出的要求进行研究、评估和预测的人。
    有人说,数据分析就是在一些大数据里面进行统计,归纳还有对这些数据进行挖掘,发现数据里面的潜在价值
    那么到底什么是数据分析师呢,顾名思义,就是对大量数据进行分析的工程师,专业角度来说,数据分析师是数据师Datician的一种,指的是不同行业中,专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。
    接下来让我们了解一下这个听上去高大上的岗位都应用在哪些领域呢?

    数据分析师的应用都有哪些

    了解了什么是数据分析师,接下来让我们了解一下数据分析师的应用领域。
    当下比较火的行业,IT互联网,与人们生活息息相关的金融,电商,咨询,偏科研的一些方向,医学,化学,科研,,,几乎无处不在。
    数据分析师,从非专业角度可以分为业务类和技术类,前者侧重于业务,简单的分析软件就可以实现 ,比方说sql,和excel,后期发展可以走产品经理或者运营经理方向。后者主要偏重于算法,编程,后期可以走数据科学家的方向。
    但是不管哪一类,都需要具备数据分析的能力。

    数据分析师需要具备的能力

    这是一个快速发展的时代,是由数据取代一切的时代,是由数据来说话的时代,是人们常常挂在嘴边的DT时代。所谓DT时代,D是Data,T是Technology,是以数据服务于大众,激发时代发展的技术。那么为了更好的去应用这门技术,我们需要掌握更多的技能,才能更好的去运用这门技术服务于大众。
    技能一:统计学。统计学学习最基本的统计学知识。我认为统计是数据分析的基石,统计分析可以解决日常大部分的分析需求,所以强烈推荐先从统计学开始。
    技能二:Excel。如果Excel只能学习一个功能,那唯一能入选的就是数据透视表,掌握了Excel当中的vlookup和数据透视表是最具性价比的两个技巧。这两个搞定,基本10万条以内的数据统计没啥难度,80%的办公室白领都能秒杀。
    技能三:SQL。Excel对十万条以内的数据处理起来没有问题,但是互联网行业就是不缺数据。但凡产品有一点规模,数据都是百万起。这时候就需要学习数据库,SQL是数据分析的核心技能之一,从Excel到SQL绝对是数据处理效率的一大进步。掌握了数据库的增删改查以及一些函数的应用,剩下的就是多多练习,具备了以上所说的两项技能,那你就可以胜任初级分析师岗位了,但相对会是一些业务数据分析岗位。
    技能四:python。Python是一个很强大的数据分析软件,从数据获取来说,python具有爬虫功能,并且可以进行批量的数据预处理工作。有些时候我们拿到的数据并不是特别干净和规整的,那此时就需要使用强大的python来进行数据的清洗圾预处理工作。除此之外,如果后期我们想走数据挖掘以及算法方向,那一定要重点去掌握python的一些算法,线性回归,逻辑回归,聚类,决策树,神经网络,支持向量机SVM,推荐系统,关联规则,协同过滤,时间序列等等。
    技能五:R。对于R来说,可以实现python的大全部功能,但是在数据量比较大的情况下,R的性能会略差。python是一门语言,可以配合大数据集群下的数据挖掘工作,而R更像是一个软件,专注于数据分析领域。二者均是当下数据分析必备及热门工具,建议全部掌握,更有利后期走向数据挖掘岗位

    好的,综上所述,列举了成为一名数据分析师需要具备的硬技能,你对数据分析师应该有更深的认识了吧,无论你是小白还是具备一定能力的人,你都可以通过自己的努力,成为你想成为的人。
    作为一个应用范围这么广泛的岗位,我们要想成为或者转行成为一名优秀的数据分析师,你需要懂业务,懂管理,懂分析,懂工具,懂设计,也就是说你需要是一个全面型人才,才能更好的胜任这个岗位,为自己和家庭提供更好的生活保障,更好的服务于社会大众。预祝大家早日成为当今不可或缺的数据分析师人才。

    展开全文
  • Python金融数据分析入门到实战

    千人学习 2019-09-26 17:08:33
    本课程的核心为Python金融数据的分析,首先课程提取了数据分析工具NumPy、Pandas及可视化工具Matplotlib的关键点进行详细讲解,帮助同学们掌握数据分析的关键技能。而后我们选取了股票量化交易作为应用场景,由股票...
  • Python进阶-Pandas数据分析

    千人学习 2018-12-18 13:40:12
    Pandas是python中非常常用的数据分析库,在数据分析,机器学习,深度学习等领域经常被使用。本课程会讲解到pandas中最核心的一些知识点,包括Series以及DataFrame的构建,赋值,操作,选择数据,合并等等,以及使用...
  • 本课程是《数据分析技术应用》系列进阶课程的初级入门课程,学员研修完毕后能够进行较为复杂的描述性统计分析、推断性统计分析、数据可视化分析、预测分析等常用数据分析处理,满足商务运营和科学研究所需的常规数据...
  • Python数据分析与挖掘

    万人学习 2018-01-08 11:17:45
    从海量数据中获得别人看不见的信息,创业者可以通过数据分析来优化产品,营销人员可以通过数据分析改进营销策略,产品经理可以通过数据分析洞察用户习惯,金融从业者可以通过数据分析规避投资风险,程序员可以通过...
  • Python数据分析三剑客-主流数据分析库精讲
  • 原文:http://tecdat.cn/?p=3805 #读取数据 data=read.csv("artificial-cover.csv") #查看部分数据 head(data) ## tree.cover shurb.grass.cover ## 1 13.2 16.8 ## 2 17.2 2...

     原文:http://tecdat.cn/?p=3805

     

    # 读取数据
    data=read.csv("artificial-cover.csv")
    
    # 查看部分数据
    
    head(data)
    
    ##   tree.cover shurb.grass.cover
    ## 1       13.2              16.8
    ## 2       17.2              21.8
    ## 3       45.4              48.8
    ## 4       53.6              58.7
    ## 5       58.5              55.5
    ## 6       63.3              47.2
    
    #######先调用spline包
    library ( splines )
    ###########用lm拟合,主要注意部分是bs(age,knots=c(...))这部分把自变量分成不同部分
    fit =lm(tree.cover~bs(shurb.grass.cover ,knots =c(25 ,40 ,60) ),data=data )
    ############进行预测,预测数据也要分区
    pred= predict (fit , newdata =list(shurb.grass.cover =data$shurb.grass.cover),se=T)
    #############然后画图
    plot(fit)

     

     

    # 可以构造一个相对复杂的 LOWESS 模型(span参数取小一些),然后和一个简单的模型比较,如:

    ## `geom_smooth()` using method = 'loess'
    
    

    # 其他数据
     

     

     

    data=data[,1:4]
    head(data)
    
    ##   year      Soil vegetation      SEM
    ## 1 1999 -3.483724  -2.528836 2.681003
    ## 2 1999 -3.452582  -2.418049 2.348640
    ## 3 1999 -3.350827  -2.590552 2.696037
    ## 4 1999 -3.740395  -2.933848 3.627112
    ## 5 1999 -3.465906  -2.694211 2.333755
    ## 6 1999 -3.381802  -2.788154 2.656276

    #####因变量 Soil

     

    #######先调用spline包
    library ( splines )
    ###########用lm拟合,主要注意部分是bs(age,knots=c(...))这部分把自变量分成不同部分
     
    #############然后画图
    plot(fit)

     

    # 可以构造一个相对复杂的 LOWESS 模型(span参数取小一些),然后和一个简单的模型比较,如:
     

    library(ggplot2)
    
    
    ## `geom_smooth()` using method = 'loess'

     

     

    展开全文
  • 数据结构和算法视频教程

    万人学习 2015-01-29 08:45:17
    数据结构、算法视频培训课程,该教程主要是介绍在游戏开发中经常使用的数据结构,例如数组,链表,栈,队列,二叉树,递归等重要知识点讲解以及将它们里灵活的运用到算法里面。
  • 基于Python的数据分析

    万次阅读 多人点赞 2019-02-25 15:50:02
    下面来介绍一下基于Python的数据分析,主要介绍数据分析的概念、数据分析流程、Python优势、常用模块的用途以及使用 Python进行数据分析的学习方法及步骤; 随着大数据和人工智能时代的到来,网络和信息技术开始...

    下面来介绍一下基于Python的数据分析,主要介绍数据分析的概念、数据分析流程、Python优势、常用模块的用途以及使用
    Python进行数据分析的学习方法及步骤;

    随着大数据和人工智能时代的到来,网络和信息技术开始渗透到人类日常生活的方方面面,产生的数据量也呈现指数级增长的态势,同时现有数据的量级已经远远超过了目前人力所能处理的范畴。在此背景下,数据分析成为数据科学领域中一个全新的研究
    课题。在数据分析的程序语言选择上,由于Python语言在数据分析和处理方面的优势,大量的数据科学领域的从业者使用Python
    来进行数据科学相关的研究工作。

    1、数据分析的概念

    数据分析是指用适当的分析方法对收集来的大量数据进行分析,提取有用信息和形成结论,对数据加以详细研究和概括总结的过程。随着信息技术的高速发展,企业生产、收集、存储和处理数据的能力大大提高,同时数据量也与日俱增。把这些繁杂的数据通过数据分析方法进行提炼,以此研究出数据的发展规律和预测趋势走向,进而帮助企业管理层做出决策。

    2、数据分析的流程

    数据分析是一种解决问题的过程和方法,主要的步骤有需求分析、数据获取、数据预处理、分析建模、模型评价与优化、部署:

    1)需求分析

    数据分析中的需求分析是数据分析环节中的第一步,也是非常重要的一步,决定了后续的分析方法和方向。主要内容是根据业务、生产和财务等部门的需要,结合现有的数据情况,提出数据分析需求的整体分析方向、分析内容,最终和需求方达成一致。

    2)数据获取

    数据获取是数据分析工作的基础,是指根据需求分析的结果提取、收集数据。数据获取主要有两种方式:网络爬虫获取和本地获取。网络爬虫获取指的是通过Python编写爬虫程序合法获取互联网中的各种文字、语音、图片和视频等信息;本地获取指的是通过计算机工具获取存储在本地数据库中的生产、营销和财务等系统的历史数据和实时数据。

    3)数据预处理

    数据预处理是指对数据进行数据合并、数据清洗、数据标准化和数据变换,并直接用于分析建模的这一过程的总称。其中,数据合并可以将多张互相关联的表格合并为一张;数据清洗可以去掉重复、缺失、异常、不一致的数据;数据标准化可以去除特征间的量纲差异;数据交换则可以通过离散化、哑变量处理等技术满足后期分析与建模的数据要求。在数据分析过程中,数据预处理的各个过程互相交叉,并没有固定的先后顺序。

    4)分析建模

    分析建模是指通过对比分析、分组分析、交叉分析、回归分析等分析方法,以及聚类模型、分类模型、关联规则、智能推荐等模型和算法,发现数据中的有价值信息,并得出结论的过程。

    5)模型评价与优化

    模型评价是指对于已经建立的一个或多个模型,根据其模型的类别,使用不同的指标评价其性能优劣的过程。模型的优化则是指模型性能在经过模型评价后已经达到了要求,但在实际生产环境应用过程中,发现模型的性能并不理想,继而对模型进行重构与优化的过程。

    6)部署

    部署是指将数据分析结果与结论应用至实际生产系统的过程。根据需求的不同,部署阶段可以是一份包含了现状具体整改措施的数据分析报告,也可以是将模型部署在整个生产系统的解决方案。在多数项目中,数据分析员提供的是一份数据分析报告或者一套解决方案,实际执行与部署的是需求方。

    3、Python是功能强大的数据分析工具

    Python具有丰富和强大的库,它常被称为胶水语言,能够把用其他语言制作的各种模块很轻松地连接在一起,是一门更易学、更严谨的程序设计语言,常用于数据分析、机器学习、矩阵运算、科学数据可视化、数字图像处理、网络爬虫、Web应用等;R语言常用于统计分析、机器学习、科学数据可视化等;MATLAB则用于矩阵运算、数值分析、科学数据可视化、机器学习、符号运算、数字图像处理及信号处理等。可以看出,以上三种语言均可进行数据分析。

    4、Python进行数据分析的优势

    Python是一门应用非常广泛的计算机语言,在数据科学领域具有无可比拟的优势。Python正在逐渐成为数据科学领域的主流语言。Python数据分析具有以下几方面优势:

    1》语法简单精炼。对于初学者来说,比起其他编程语言,Python更容易上手;

    2》有许多功能强大的库。结合在编程方面的强大实力,可以只使用Python这一种语言就可以去构建以数据为中心的应用程序;

    3》不仅适用于研究和原型构建,同时也适用于构建生产系统。研究人员和工程技术人员使用同一种编程工具,能给企业带来显著的组织效益,并降低企业的运营成本;

    4》Python程序能够以多种方式轻易地与其他语言的组件“粘接”在一起。例如,Python的C语言API可以帮助Python程序灵活地调用C程序,这意味着用户可以根据需要给Python程序添加功能,或者在其他环境系统中使用Python;

    5》Python是一个混合体,丰富的工具集使它介于系统的脚本语言和系统语言之间。Python不仅具备所有脚本语言简单和易用的特点,还提供了编译语言所具有的高级软件工程工具。

    5、Python数据分析常用类库介绍

    Python拥有IPython、Num Py、Sci Py、pandas、Matplot⁃lib、scikit-learn和Spyder等功能齐全、接口统一的库,能为数据分析工作提供极大的便利。其中,Num Py主要有以下特点:

    1)具有快速高效的多维数组对象ndarray;
    2)具有对数组执行元素级计算及直接对数组执行数学运算的函数;
    3)具有线性代数运算、傅里叶变换及随机数生成的功能;
    4)能将C、C++、Fortran代码集成到Python;
    5)可作为算法之间传递数据的容器。

     

     

     

     

     

     

     

     

     

     

     

    展开全文
  • 面板数据分析步骤及流程-R语言

    万次阅读 多人点赞 2016-08-16 16:49:55
    面板数据模型选择及分析步骤;附R语言代码
  • 电商数据分析

    万次阅读 多人点赞 2018-08-07 11:17:39
    电商数据分析 一、数据来源、分析目的和思路 1. 数据来源 为了做商品、用户购物行为分析,从阿里云天池搜索获取数据集: ...
  • 数据分析面试题

    万次阅读 多人点赞 2018-12-14 12:46:24
    数据分析面试题 1.一家超市的顾客数据,将数据可视化并分析销售额和年龄、收入的关系并给出营销建议 年龄 收入 销售额 34 350 123 40 450 114 37 169 135 30 189 139 44 183 117 36 80 121 32 ...
  • 数据分析实习生?差不多就是这么叫的 3月19日通过内推扫码投了简历,21号通知笔试,22号晚7点在线笔试,时长一小时。 因为没有选择研发岗,所以只有综合能力测试。 分成4个部分,40个选择题,2.5分一个 逻辑...
  • Python数据清洗实战入门

    万人学习 2019-12-09 10:47:41
    本次课程主要以真实的电商数据为基础,通过Python详细的介绍了数据分析中的数据清洗阶段各种技巧和方法。
  • Python 数据相关性分析

    万次阅读 多人点赞 2018-04-25 15:09:49
    会有一个这样的场景,有若干数据罗列在我们的面前,这组数据相互之间可能会存在一些联系,可能是此增彼涨,或者是负相关,也可能是没有关联,那么我们就需要一种能把这种关联性定量的工具来对数据进行分析,从而给...
  • 数据挖掘与数据分析

    万次阅读 多人点赞 2018-05-28 13:58:14
    一、数据挖掘和数据分析概述 数据挖掘和数据分析都是从数据中提取一些有价值的信息,二者有很多联系,但是二者的侧重点和实现手法有所区分。 数据挖掘和数据分析的不同之处: 1、在应用工具上,数据挖掘一般要通过...
  • Python数据分析与机器学习实战教程,该课程精心挑选真实的数据集为案例,通过python数据科学库numpy,pandas,matplot结合机器学习库scikit-learn完成一些列的机器学习案例。课程以实战为基础,所有课时都结合代码演示...
  • 数据挖掘

    千次阅读 多人点赞 2019-04-16 16:26:36
    数据挖掘其实是一种深层次的数据分析方法。数据挖掘可以描述为:按企业既定业务目标,对大量的企业数据进行探索和分析,揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。 应用的技术...
  • [入门数据分析的第一堂课] 这是一门为数据分析小白量身打造的课程,你从网络或者公众号收集到很多关于数据分析的知识,但是它们零散不成体系,所以第一堂课首要目标是为你介绍: Ø 什么是数据分析-知其然才...
  • 利用Python进行数据分析·第2版

    千次阅读 多人点赞 2018-10-18 10:31:29
    【翻译】《利用Python进行数据分析·第2版》第1章 准备工作 【翻译】《利用Python进行数据分析·第2版》第2章(上)Python语法基础,IPython和Jupyter 【翻译】《利用Python进行数据分析·第2版》第2章(中)...
  • 用SPSS进行多变量数据分析

    万次阅读 2017-01-02 10:30:54
    用SPSS进行多变量数据分析 1.将所给的数据输入SPSS 22.0中文版。分别设置变量为温度,体重1、2、3、4;体重,温度5、10、15、20、30。 2.用SPSS进行作图(过程略)。3.对数据进行多因素变量分析,具体操作如下: ...
  • 指标是量化衡量标准、衡量目标的单位或方法,例如对电商数据分析来说,最常见的指标就是UV和PV,而针对APP来说,最常见的就是DAU,MAU。 有了指标也就知道应该从哪些角度入手开始数据分析,数据驱动已经是我们在做...
  • Python 数据分析学习路线

    万次阅读 2020-03-01 23:27:12
    数据分析有多火就不多说了,数据和数据分析在生活中的实用性和重要性都是不言而喻。 刚开始的时候,面对多如牛毛一样信息,感觉像是狗咬刺猬,无处下口。经过大约几个月的摸索,大概有了一定的了解。想着记录自己的...
  • 数据分析面试经验(给自己一个梳理的过程)

    千次阅读 多人点赞 2019-06-22 21:11:52
    数据分析与数据运营、数据挖掘是数据整个开发生命中的一小章节。 数据挖掘的门槛当然比数据分析高,涉及到较多的算法与调优以及如何将某个一个模型运用到实际当中。 数据分析则是根据业务的需求,去挖掘数据中存在的...
  • 利用Python进行数据分析:电子书

    千次阅读 2019-01-27 18:48:48
    人群 :适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。 阅读本书可以获得一份关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第二版针对Python 3.6进行了更新,并增加实际...
  • NumPy数据分析

    万人学习 2019-08-30 15:43:53
    本课程是NumPy数据分析课程,课程从NumPy环境搭建讲起,到最后股票分析项目结束,全程实战讲解了NumPy数据分析的方方面面,内容涵盖:NumPy数组创建、NumPy数组操作、NumPy广播、NumPy字符串、NumPy统计函数、排序、...
  • 脑电数据的实验范式及EEGLAB分析预处理

    千次阅读 多人点赞 2019-09-04 22:06:37
    脑电数据的实验范式及EEGLAB分析预处理一、脑电数据采集处理过程1.1 脑电数据采集过程1.2 实验范式标签说明二、EEGLAB分析预处理2.1 导入数据2.2 选择通道数据,删除无用电极2.3 重参考2.4 滤波2.5 分波与基线矫正...

空空如也

1 2 3 4 5 ... 20
收藏数 5,412,916
精华内容 2,165,166
关键字:

数据