精华内容
下载资源
问答
  • 特征工程案例--(合并表,交叉表、主成分分析
    2020-02-22 14:21:54

    目标:特征降维处理主成分分析APA

    方法:

    关联表:user_id---->aisle
    
    交叉表:构造每个用户购买了哪些物品细分类别的商品及数量
    
    降维处理:主成分分析APA
    

    数据来源:https://www.kaggle.com/c/instacart-market-basket-analysis/data

    ·order_products_prior.csv:订单与商品信息
        。字段:order_id,product_id,add_to_cart_order,reordered
        。解释:订单id,产品id,加入购物车订单,再次订购(不止一次订购)
    ·products.csv:商品信息
        。字段:product_id,product_name,aisle_id,department_id
        。解释:产品id,产品名称,物品类别id,产品大分类id
    ·orders.csv:用户的订单信息
        。字段:order_id,user_id,eval_set,order_number,order_dow,order_hour_of_day,days_since_prior_order
        。解释:订单编号,用户编号,评价等级,订单数量,星期几,当天的购买时段h,距离预定日期的天数
    ·aisles.csv:商品所属具体物品类别
        。字段:aisle_id,aisle 
        。解释:物品细分类别id,物品细分类别名称
    
    import numpy as np
    import pandas as pd
    #获取数据
    aisles = pd.read_csv(r"E:\instacart-market-basket-analysis\aisles.csv",sep=",",encoding="utf-8")
    orders = pd.read_csv(r"E:\instacart-market-basket-analysis\orders.csv",sep=",",encoding="utf-8")
    products = pd.read_csv(r"E:\instacart-market-basket-analysis\products.csv",sep=",",encoding="utf-8")
    order_products_prior = pd.read_csv(r"E:\instacart-market-basket-analysis\order_products__prior.csv",sep=",",encoding="utf-8")
    
    #查验数据
    display(aisles.head(3))
    display(orders.head(3))
    display(products.head(3))
    display(order_products_prior.head(3))
    
    aisle_idaisle
    01prepared soups salads
    12specialty cheeses
    23energy granola bars
    order_iduser_ideval_setorder_numberorder_doworder_hour_of_daydays_since_prior_order
    025393291prior128NaN
    123987951prior23715.0
    24737471prior331221.0
    product_idproduct_nameaisle_iddepartment_id
    01Chocolate Sandwich Cookies6119
    12All-Seasons Salt10413
    23Robust Golden Unsweetened Oolong Tea947
    order_idproduct_idadd_to_cart_orderreordered
    023312011
    122898521
    22932730
    import time
    #关联表:user_id---->aisle
    data01 = pd.merge(orders,order_products_prior,how='inner',on=["order_id","order_id"])
    time.sleep(15)
    data02 = pd.merge(data01,products,on=["product_id","product_id"])
    
    data03 = pd.merge(data02,aisles,on=["aisle_id","aisle_id"])
    time.sleep(3)
    
    display(data03.shape,data03.tail(10000))
    
    (32434489, 14)
    
    order_iduser_ideval_setorder_numberorder_doworder_hour_of_daydays_since_prior_orderproduct_idadd_to_cart_orderreorderedproduct_nameaisle_iddepartment_idaisle
    32424489254224075675prior125125.04447171Free & Clear Unscented Baby Wipes8218baby accessories
    32424490326048375675prior160914.044471211Free & Clear Unscented Baby Wipes8218baby accessories
    32424491219640775675prior3001112.04447191Free & Clear Unscented Baby Wipes8218baby accessories
    3242449253267275675prior385137.044471201Free & Clear Unscented Baby Wipes8218baby accessories
    32424493170504775675prior395130.044471201Free & Clear Unscented Baby Wipes8218baby accessories
    3242449499867275675prior4851411.044471131Free & Clear Unscented Baby Wipes8218baby accessories
    32424495214974675675prior49698.04447161Free & Clear Unscented Baby Wipes8218baby accessories
    3242449648380475804prior126154.044471190Free & Clear Unscented Baby Wipes8218baby accessories
    32424497178319176027prior641613.044471130Free & Clear Unscented Baby Wipes8218baby accessories
    32424498307420276027prior72155.04447181Free & Clear Unscented Baby Wipes8218baby accessories
    3242449943115576081prior801416.04447180Free & Clear Unscented Baby Wipes8218baby accessories
    32424500287952976238prior366106.044471250Free & Clear Unscented Baby Wipes8218baby accessories
    32424501165287776238prior395106.044471101Free & Clear Unscented Baby Wipes8218baby accessories
    3242450273797276466prior200107.04447170Free & Clear Unscented Baby Wipes8218baby accessories
    32424503315463276556prior803182.04447170Free & Clear Unscented Baby Wipes8218baby accessories
    32424504177686176576prior70157.04447120Free & Clear Unscented Baby Wipes8218baby accessories
    32424505269582476726prior401128.044471260Free & Clear Unscented Baby Wipes8218baby accessories
    32424506317638876823prior1612NaN44471190Free & Clear Unscented Baby Wipes8218baby accessories
    32424507144176476866prior1301625.04447170Free & Clear Unscented Baby Wipes8218baby accessories
    32424508288844676868prior1751016.044471190Free & Clear Unscented Baby Wipes8218baby accessories
    32424509267073377148prior191912.044471240Free & Clear Unscented Baby Wipes8218baby accessories
    32424510232830077187prior119NaN4447110Free & Clear Unscented Baby Wipes8218baby accessories
    32424511192358177229prior2131117.04447120Free & Clear Unscented Baby Wipes8218baby accessories
    32424512204275077229prior2401412.04447161Free & Clear Unscented Baby Wipes8218baby accessories
    32424513268575477238prior2096.04447150Free & Clear Unscented Baby Wipes8218baby accessories
    32424514140119777265prior6159.04447180Free & Clear Unscented Baby Wipes8218baby accessories
    32424515291719577265prior104205.04447141Free & Clear Unscented Baby Wipes8218baby accessories
    32424516132167477265prior3101011.04447121Free & Clear Unscented Baby Wipes8218baby accessories
    32424517126858977265prior3711829.04447171Free & Clear Unscented Baby Wipes8218baby accessories
    32424518304430377280prior234231.04447130Free & Clear Unscented Baby Wipes8218baby accessories
    .............................................
    32434459814403161964prior106125.026478200Frozen Apple Juice1131frozen juice
    32434460503516175436prior451613.026478180Frozen Apple Juice1131frozen juice
    32434461385156183189prior412322.02647820Frozen Apple Juice1131frozen juice
    3243446247138285005prior75013.02434410Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    32434463183301692263prior52138.02434420Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344642624885136840prior26104.024344110Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344651604793136840prior65103.024344171Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344663154099136840prior162163.02434441Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344673135581151840prior70091.02434460Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344683297537181495prior211415.02434490Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    32434469823196181495prior31140.02434411Frozen Concentrate Non-Alcoholic Pina Colada1131frozen juice
    324344702471510107801prior86154.05500190Blended Juice Beverage, Mango Orange1131frozen juice
    324344712181814135090prior531410.0550030Blended Juice Beverage, Mango Orange1131frozen juice
    32434472962734167413prior1112NaN550090Blended Juice Beverage, Mango Orange1131frozen juice
    324344732928960167413prior401210.0550031Blended Juice Beverage, Mango Orange1131frozen juice
    324344741393242167413prior50127.05500211Blended Juice Beverage, Mango Orange1131frozen juice
    324344752601337181750prior1302030.0550020Blended Juice Beverage, Mango Orange1131frozen juice
    324344762125702109046prior33168.0264230Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344772849065138824prior1613NaN2642200Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344782634996138824prior601628.02642151Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344791857751181888prior20710.0264250Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344802131276181888prior71118.0264261Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344811466142181888prior931416.0264241Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344821022794204495prior48095.0264290Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344833249444204495prior506144.0264281Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344842231925204495prior511159.0264281Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    32434485327001204495prior53287.0264211Frozen Concentrated Orange Juice With Added Ca...1131frozen juice
    324344861997103110030prior42165.02418980Tropical Fruit Smoothie Tasty American Favorites1131frozen juice
    324344871362143113181prior333175.024189120Tropical Fruit Smoothie Tasty American Favorites1131frozen juice
    32434488777464179210prior751520.024189160Tropical Fruit Smoothie Tasty American Favorites1131frozen juice

    10000 rows × 14 columns

    #构造交叉表user_id---->aisle
    data04 = pd.crosstab(data03["user_id"],data03["aisle"])
    display(data04.shape,data04.head(10))
    
    (206209, 134)
    
    aisleair fresheners candlesasian foodsbaby accessoriesbaby bath body carebaby food formulabakery dessertsbaking ingredientsbaking supplies decorbeautybeers coolers...spreadsteatofu meat alternativestortillas flat breadtrail mix snack mixtrash bags linersvitamins supplementswater seltzer sparkling waterwhite winesyogurt
    user_id
    10000000000...1000000001
    20300002000...31100002042
    30000000000...4100000200
    40000000000...0001000100
    50200000000...0000000003
    60000000000...0000000000
    70000002000...0000000005
    80100001000...0000000000
    90000602000...00000002019
    100100000000...0000000002

    10 rows × 134 columns

    # 主成分分析,保留n.n% 的信息
    from sklearn.decomposition import PCA
    import pandas as pd
    import numpy as np
     
    # 1、数据:使用上面代码生成的data04
    data = data04
    
    #2.实例化一个转换器类
    transfer = PCA(n_components=0.9) #实例化一个转换器类
        # n_components: ·小数:表示保留百分之多少的信息 ·整数:减少到多少特征
    #3.#调用fit_transform()
    xi = transfer.fit_transform(data) #调用fit_transform()
    #查看构成新的几个变量,查看单个变量的方差贡献率
    print(xi.shape,transfer.explained_variance_ratio_)  
    #4.输出新构造出来的主成分变量
    Fi=[ ]
    for i in range(1,xi.shape[1]+1):
        F="F" + str(i)
        Fi.append(F)
    data02 = pd.DataFrame(xi,columns=Fi)
    display(data02.head(3))
    
    (206209, 27) [0.48237998 0.09585824 0.05185877 0.03590181 0.0293466  0.02393094
     0.01899492 0.0183208  0.01487788 0.0134451  0.01121877 0.01102918
     0.01052171 0.00980307 0.00832174 0.00726185 0.00712991 0.00683061
     0.00640343 0.00580483 0.00534075 0.00487297 0.00477908 0.00462158
     0.00444346 0.00413755 0.00408034]
    
    F1F2F3F4F5F6F7F8F9F10...F18F19F20F21F22F23F24F25F26F27
    0-24.2156592.429427-2.466370-0.1456860.269042-1.4329322.140677-2.738031-2.714316-1.743135...-3.225987-4.5800760.777403-3.6991291.9072142.9953860.7729230.6868001.694394-2.343230
    16.46320836.7511168.38255315.097530-6.920938-0.9783756.0115673.787725-8.180749-9.040861...-0.737606-0.7374020.740042-0.0913385.151285-4.584815-3.2378944.1212132.446897-4.283485
    2-7.9903022.404383-11.0300640.672230-0.442368-2.823272-6.2841406.512509-2.148634-1.585257...5.434733-3.6048424.282794-0.4458343.039337-1.469566-2.9466561.775345-0.4441940.786666

    3 rows × 27 columns

    更多相关内容
  • SPSS数据分析-交叉表分析

    万次阅读 2020-08-20 12:16:03
    交叉列联表分析易于理解,便于解释,操作简单却可以解释比较复杂的现象,因而在市场调查中应用非常广泛。 频数分布一次描述一个变量,交叉表可同时描述两个或更多变量。 交叉表法的起点是单变量数据,然后依研究目的...

    交叉表(交叉列联表) 分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法,此表格反映了这些只有有限分类或取值的离散变量的联合分布。
    当交叉表只涉及两个定类变量时,交叉表又叫做相依表
    交叉列联表分析易于理解,便于解释,操作简单却可以解释比较复杂的现象,因而在市场调查中应用非常广泛。
    频数分布一次描述一个变量,交叉表可同时描述两个或更多变量
    交叉表法的起点是单变量数据,然后依研究目的将这些数据分成两个或多个细目。

    交叉表是一种行列交叉的分类汇总表格,行和列上至少各有一个分类变量,在行和列的交叉处可以对数据进行多种汇总计算,例如:求和、求平均值、计数等。
    在这里插入图片描述
    步骤:

    1. 单击分析,选择描述统计,然后选中描述交叉表模块,弹出交叉表的选项窗口
      在这里插入图片描述
      在这里插入图片描述
      在【交叉表】中,将Q13婚姻状况 移至【行】框中,将Q2性别 移至【列】框中。
      在这里插入图片描述
      【单元格】按钮,弹出【交叉表:单元格显示】对话框。
      SPSS默认选中【实测】(即实际值),我们还可以勾选【百分比】下的【列】复选框,以显示百分比,行百分比和总计百分比可根据分析的需要进行选择。其他选择与描述性分析的关系不大,故在此不做选择。
      在这里插入图片描述
      单击【继续】,返回【交叉表】对话框,单击下方【确定】,输出结果如下图:
      在这里插入图片描述
      个案处理摘要:
      对个案进行汇总,显示有效个案数和数量与百分比。
      在这里插入图片描述
      从交叉表中我们可以看到,在四种婚姻状况中,“未婚单身”占比45.2%,所占比重最大;其次是“已婚已育”,占比27.5%,在此基础上增加性别角度,进一步查看数据的分布,在四种婚姻状况男、女的比例较为平衡。

    数据参照来源:《谁说菜鸟不会数据分析之SPSS篇》

    展开全文
  • 摘要:C#源码,数据库应用,dataGridView,静态交叉表 C# 静态交叉表(SQLServer2000)源码实例,进行销售业绩的分析查询,可按员工姓名分析,或按部门分析分析前请附加Database文件夹中的数据库文件。
  • 【SPSS笔记01】交叉分析表

    千次阅读 2021-05-05 20:53:36
    使用步骤Step1Step2变量解释Step3交叉表结果观察卡方分析的解释 交叉表用途&使用步骤 主要用途:主要用于分析分类变量的相关关系,如果是连续变量的相关性,主要使用相关分析 Step1 :分析——描述统计——交叉表...

    交叉表用途&使用步骤

    主要用途:主要用于分析分类变量相关关系,如果是连续变量的相关性,主要使用相关分析

    Step1

    分析——描述统计——交叉表
    在这里插入图片描述

    Step2

    将对应的分类型变量分别放在行和列,选择Statistics中的卡方,通过假设检验判断量分类变量之间的关系
    在这里插入图片描述

    变量解释

    ①:卡方:选择卡方会计算Pearson 卡方、似然比卡方、Fisher 的精确检验和Yates 修正卡方(连续性修正)

    ②:对于行和列都包含排序值的表(比如客户的满意度),相关将生成Spearman 相关系数rho(仅数值数据)。Spearman 的rho 是秩次之间的关联的测量。

    【注意:当两个表变量都是定量变量时,卡方将产生线性关联检验。相关产生Pearson 相关系数r,这是变量之间的线性关联的定量。】

    ③:对于名义变量(即数据大小没有实际意义且没有大小区分,如男1,女2)可以选择列联系数Phi(系数)Cramér 的VLambda(对称和非对称lambda 以及Goodman 和Kruskal的tau)和不确定性系数

    1)相依系数:基于卡方的关联性测量,范围在[0,1),
    0表示变量之间毫不相关,接近1表示相关性较大。
    (具体的数值大小与变量的个数相关)

    2)Phi and Cramer’s V. Phi :Phi=平方根(卡方检验统计量/样本大小),Cramer 的V 也是基于卡方统计量的关联性测量。

    3)Lambda: 相关性测量,它反映使用自变量的值来预测因变量的值时,误差成比例缩小。值为1 表示自变量能完全预测因变量;值为0 表示自变量对于预测因变量没有帮助。

    4)不确定系数:表示当一个变量的值用来预测其他变量的值时,误差成比例下降的程度。例如,值0.83 指示如果知道一个变量的值,则在预测其他变量的值时会将误差减少83%。程序同时计算不定性系数的对称版本和不对称版本。

    在这里插入图片描述
    ④:对于有序变量(比如客户满意度,1代表非常不满意,5代表非常满意)
    1)Gamma:两个有序变量之间的相关性的对称度量,它的范围是从-1 到1。绝对值接近1 的值表示两个变量之间存在紧密的关系。接近0 的值表示关系较弱或者没有关系。对于二阶表,显示零阶gamma。对于三阶表到n 阶表,显示条件gamma。
    2)Sommer’s d:与Gamma相似,也反映两个有序变量之间相关性的测量:绝对值接近1的值表示两个变量之间存在紧密的关系,值接近0 则表示两个变量之间关系很弱或没有关系。Somers 的d 是gamma 的不对称扩展,不同之处仅在于它包含了未约束到自变量上的成对的数目。还将计算此统计量的对称版本。
    3)Kendall’s tau-b:将结考虑在内的有序变量或排序变量的非参数相关性测量。系数的符号指示关系的方向,绝对值指示强度,绝对值越大则表示关系强度越高。可能的取值范围是从-1 到1,但-1 或+1 值只能从正方表中取得。
    4)Kendall’s tau-c忽略结的有序变量的非参数关联性测量

    ⑤按区间标定:Eta
    注意:如果是定量变量与定型变量之间分析,一定要选择Eta

    Step3

    点击单元格——选择计数(观察值表示基本的个数)——百分比(按需求选择按行、列划分百分比)
    在这里插入图片描述

    交叉表结果观察

    在这里插入图片描述
    如图,选择了按照行计算的百分比&总记得百分比:
    比如,第一行第二列的数据为42.1%,代表男性中有42.1%的人认为日报周末版更适合在周末阅读

    卡方分析的解释

    卡方检验表格

    主要看Pearson卡方检验,计算出的统计量为7.251,对应p=0.027<0.05,拒绝原假设。
    ①原假设为两变量相互独立,因此认为两分类变量不相互独立。
    ②概率论告诉我们不独立不一定相关,因此我们只能猜测两变量可能相关。
    在这里插入图片描述

    展开全文
  • SPSS-多重响应--频率和交叉表分析,希望大家能够多提点提点 在云南电信网上营业厅做了一个关于“客户不使用电信3g业务的原因有哪些的问卷调查,问题所示: 这份问卷调查总更有35人参与,样本容量偏少,其中 1:...

    SPSS-多重响应--频率和交叉表分析,希望大家能够多提点提点

    在云南电信网上营业厅做了一个关于“客户不使用电信3g业务的原因有哪些的问卷调查,问题所示:

    这份问卷调查总更有35人参与,样本容量偏少,其中

    1:选择 A :3G资费过高的有 14人

    2:选择 B:  网络覆盖率低,信号不稳定的  15人

    3:选择 C:买手机太麻烦的  15人

    4:选择 D: 换手机号麻烦  15人

    5:选择 E: 3G功能用处不大 9人

    6:选择F: 朋友使用后,觉得不好  10人

    第一步:我们将 A , B, C , D , E ,F,六个答案选项分别做为一个单独的变量,分别赋值为“0”和“1”,0代表没有被选中,“1”代表被选中,这个就是所谓的“二分法”

    在SPSS中进行数据编码后,如下所示:

    点击“分析-多重响应---定义变量集---进入如下所示页面:

    根据如上图所示,填写变量集名称,标签,以及在”二分法” 计算值选项中填入“1”  再点击”添加“ 添加成后,点击”关闭“按钮

    再点击”分析-多重响应--频率分析----分析结果如下所示:

    上图结果很直观,结果,我就不分析了

    百分比=N/总计  =14/78=17.9%

    个案百分比=N/参与人数(有效人数)=14/33=42.4%

     

    下面来进行“交叉表”分析,如下所示:



    从上图可知:多重响应交叉表 中有“行,列,层”三个选框

    1:我们将“变量集" 移入”行“列表框内, 将”客户类型“移入”列框内,   层选框可以不选,有需要时再选,层选项框是用来分层进行统计分析的(我进行了分层,如上图所示)

    比如:我想计算每一个答案有多少被选中,有多少没有选中,可以采用分层,分为“选中”和“未选中”两个层次

    “客户类型”是指来进行“问卷调查”人的分类,分为“3g老客户”“3g一般客户” "很少用3g客户“”不用3g客户“等类型,

    点击“选项”进入如下所示页面:

    点击确定,可以得到如下结果:



    因为我们上图选中的“列”所以,计算的是列单元格百分比, 也进行了分层处理,分为“没有选中”和“选中”两个层次

    转载于:https://www.cnblogs.com/AnswerXin/p/3243691.html

    展开全文
  • 9、spss做交叉表检验和对应分析

    千次阅读 2015-04-15 15:35:34
    回顾一下,主要有相关分析,假设检验,和各种回归。以及因子分析。我们知道,对于两组连续变量,我们可以通过假设检验来判断他们的分布是否相同,差异时候存在。不知道大家想过没有,如果我们想讨论两个分类变量的...
  • 交叉表: 作用: 交叉表是一种用于计算分组频率的特殊透视图,对数据进行汇总 考察预测数据和正式数据的对比情况,一个作为行,一个作为列 案例: 医院预测病人病情: 真实病情如下数组(B:有病,M:没病) ...
  • 很简单的一个东西,见网上好多朋友问“怎么...交叉表实例建表:在查询分析器里运行:CREATE TABLE [Test] ([id] [int] IDENTITY (1, 1) NOT NULL ,[name] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,[subject]...
  • 交叉表与透视表 交叉表与透视表什么作用 探究股票的涨跌与星期几有关? 以下图当中表示,week代表星期几,1,0代表这一天股票的涨跌幅是好还是坏,里面的数据代表比例 可以理解为所有时间为星期一等等的数据当中涨...
  • 交叉表是一种特殊的透视表,往往用来统计频次,也可以使用参数aggfunc指定聚合函数实现其他功能。扩展库pandas提供了crosstab()函数用来生成交叉表,返回新的DataFrame...
  • 在10.1休假前,希望跟大家讨论一下SPSS-多重响应--频率和交叉表分析,希望大家能够多提点提点 在云南电信网上营业厅做了一个关于“客户不使用电信3g业务的原因有哪些的问卷调查,问题所示: 这份问卷调查总更有...
  • 交叉分析:通常用于分析两个或两个以上,分组变量之间的变量关系,以及交叉表形式进行变量间关系的对比分析 定量、定量分组交叉 定量、定性分析交叉 定性、定性分组交叉 1 交叉统计函数 pivot_table(values,...
  • pandas高级处理-交叉表与透视表 1 交叉表与透视表什么作用 【就是探究两列数据之间的关系】 探究股票的涨跌与星期几有关? 以下图当中表示,week代表星期几,1,0代表这一天股票的涨跌幅是好还是坏,里面的数据...
  • 用SPSS进行列联表分析Crosstabs实例 列联表分析Crosstabs 列联表是指两个或多个分类变量各水平的频数分布表又称频数交叉表SPSS的Crosstabs过程为二维或高维列联表分析提供了22种检验和相关性度量方法其中卡方检验是...
  • 交叉表与透视表1 交叉表与透视表什么作用2 案例分析2.1 数据准备2.2 查看效果2.3 使用pivot_table(透视表)实现 1 交叉表与透视表什么作用 探究股票的涨跌与星期几有关? 以下图当中表示,week代表星期几,1,0代表这...
  • fail表示不存在就不执行写入,replace表示存在会删除后重新建立,append表示不管存在不存在都在后追加。 index 接收Boolean。表示是否将行索引作为数据传入数据库,默认True index_label 接收string或者...
  • SQL交叉表实例

    千次阅读 2013-11-01 10:18:42
    很简单的一个东西,见网上好多朋友问“怎么实现交叉表?... 交叉表实例  建表:  在查询分析器里运行:  CREATE TABLE [Test] (  [id] [int] IDENTITY (1, 1) NOT NULL ,  [name] [nvarchar] (50) COL
  • 数据分析方法论2:交叉&平均分析

    千次阅读 2020-12-17 16:44:19
    交叉分析 and 平均分析 平均分析法 平均分析法顾名思义,就是用平均数来反映数据在某一特征下的水平,平均分析通常和对比分析结合在一起,从时间和空间多个角度衡量差异,找到其中的趋势和规律。 01 不得不提...
  • 交叉分类,是以两个不同时期的地理实体类型为横纵坐标的表格。 ①用于参照的时期的类型位于表格的上方,按照横方向排列 ②用以比较的时期的类型位于表格的左方,垂直排列 ③在横纵坐标上类型的排列顺序一致 ④...
  • 数据分析交叉分析

    万次阅读 2018-12-12 23:19:10
    交叉分析通常用于两个或两个以上分组变量之间的关系,以交叉表形式进行变量间关系的对比分析。我们将两个具有一定联系的变量设置为行变量和列变量,把统计数据制作成二维交叉表格(数据透视表)。通常使用的函数是...
  • (1)从excel导入 下面的截图是data.xlsx中的数据,sheet的名字data1。 执行如下代码 # 利用pandas里的read_excel函数 # 注意两个地方,一是写好文件路径(包括文件名) # 二是写好导入文件中哪个s
  • 目录1 交叉表与透视表作用2 crosstab(交叉表) & pivot_table(透视表)3 案例3.1 数据准备3.2 查看效果3.3 pivot_table(透视表)实现4 小结 学习目标 应用crosstab和pivot_table实现交叉表与透视表 1 交叉表与...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 38,560
精华内容 15,424
关键字:

交叉表分析案例