如何用R语言从网上读取多样格式数据
生活中,我们面临着各种各样的数据:比如你的成绩单,比如公司的财务报表,比如朋友圈的一些状态,比如微信里的一段语音……我们生活的大数据时代的一个重要特征便是数据的多样化(variety)。
也许你期待的数据是这样的:
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species ## 1 5.1 3.5 1.4 0.2 setosa ## 2 4.9 3.0 1.4 0.2 setosa ## 3 4.7 3.2 1.3 0.2 setosa
然而事实上我们面临的数据确实这样的:
@HWI-EAS121:4:100:1783:550#0/1 CGTTACGAGATCGGAAGAGCGGTTCAGCAGGAATGCCGAGACGGATCTCGTATGCGGTCTGCTGCGTGACAAGACAGGGG +HWI-EAS121:4:100:1783:550#0/1 aaaaa`b_aa`aa`YaX]aZ`aZM^Z]YRa]YSG[[ZREQLHESDHNDDHNMEEDDMPENITKFLFEEDDDHEJQMEDDD @HWI-EAS121:4:100:1783:1611#0/1 GGGTGGGCATTTCCACTCGCAGTATGGGTTGCCGCACGACAGGCAGCGGTCAGCCTGCGCTTTGGCCTGGCCTTCGGAAA
还有这样的:
{ "uid": 10438, "result": [ { "day": "2011-12-12", "followers_count": "63", //粉丝数 "v_followers_count": "18", //V粉丝数 "daren_followers_count": "18", //达人粉丝数 "friends_count": "58", //关注数 "v_friends_count": "58", //V关注数 "statuses_count": "258", //微博数 "bi_followers_count": "18", //互粉数 "repost_count": "115", //转发数 "comments_count": "178", //评论数 }, ... ] }
那么我们如何去处理这些数据,我们如何分析这些数据,从数据中找到我们想要的东西呢?我们将从如何将这些数据导入R中开始,慢慢学习如何处理,分析我们身边的大数据。
第一章 数据的导入
面对各种各样纷杂的数据,我们分析的第一步便是获取数据并将其导入R中。
从网上获取数据
大数据的一个重要数据源便是互联网。从网络上获取数据并用来分析是非常重要的。为了得到这些数据,一个普通青年的做法便是来到一个网站,找到数据连接,然后右键->目标另存为,最后从本地文件夹中导入R。但是如果要下载的数据文件数目比较多,再这么做就从一个普通青年降级为了二逼青年。
为了应对需要下载多个文件的情况,R提供了函数download.file(),使得R可以从互联网上直接把数据拽下来。其调用格式为:
download.file(url, destfile, method, quiet = FALSE, mode = "w", cacheOK = TRUE, extra = getOption("download.file.extra"))
主要的参数为:
url:文件的所在地址
destfile:下载后文件的保存地址,默认为工作目录
method: 提供"internal", "wget", "curl" 和 "lynx"四种method,在windows上通常internal就能解决大多数的问题,少数搞不定的如Cygwin, gnuwin32这种的"wget"就可以搞定;windows的二进制文件用“curl”,这个method对于Mac的用户来说是都要设置的;“lynx”主要针对historical interest。
比如说我们要获取一系列的上市公司财务数据,我们就要得到他们的资产负债表。当然,如果花钱买wind数据库,一切也就不用操心了。但是如果不在学校,用不了数据库的话,一个可以替代的办法就是从新浪财经里面拽数据:以安信信托(600816) 资产负债表为例,你可以访问新浪财经就能看个明白,还可以下载。我们如果还要其他的股票,我们都可以如法炮制。那么我们通过R用download.file写一个函数来实现输入股票代码,将资产负债表下载到指定目录:
getbalancesheets=function(symbol,file){pre="http://money.finance.sina.com.cn/corp/go.php/vDOWN_BalanceSheet/displaytype/4/stockid/";end="/ctrl/all.phtml";url=paste(pre,symbol,end,sep="");destfile=paste(file,"BalanceSheet_",symbol,".xls",sep=""); download.file(url,destfile); }
值得注意的是:
凡是以http开头的,放心大胆的使用download.file()
凡是以https开头的,这个函数可能失效
在设置路径时可以通过file.exists来查看文件夹是否存在,如果不存在可以使用dir.create来创建它,避免找不到路径的烦恼。
使用getwd获取当前工作路径,setwd可以改变它
读入XML
XML可以说是我们非常熟悉的一类数据。我们通常在网上看到的电子表格便是XML文件的一部分。我们可以看到XML文件大抵是长这样的.
如何打开这样的一个文件?其实最简单的就是用EXCEL表格打开了,我们只要在打开文件时作为 XML 列表打开文件。当打开 XML 源时,Excel 会查找 XML 样式表 (XSL) 的标记。XSL 说明数据的显示方式。如果存在相应的标记,Excel 将会提示您选择是否应用样式表。如果选择应用 XSL,则 XSL 将指示数据的显示方式。
关于XML这种可扩展性标记语言,我们不再赘述,可以参阅wiki.这里我们关注的是在得到XML文件后如何分析处理。
R提供了XML包供我们来读取这样一个文件。我们将XML包的主要函数介绍如下:
xmlTreeParse(file, ignoreBlanks=TRUE, handlers=NULL, replaceEntities=FALSE, asText=FALSE, trim=TRUE, validate=FALSE, getDTD=TRUE, isURL=FALSE, asTree = FALSE, addAttributeNamespaces = FALSE, useInternalNodes = FALSE, isSchema = FALSE, fullNamespaceInfo = FALSE, encoding = character(), useDotNames = length(grep("^\\.", names(handlers))) > 0, xinclude = TRUE, addFinalizer = TRUE, error = xmlErrorCumulator(), isHTML = FALSE, options = integer(), parentFirst = FALSE) xmlRoot(x, skip = TRUE, ...) ## S3 method for class 'XMLDocumentContent' xmlRoot(x, skip = TRUE, ...) ## S3 method for class 'XMLInternalDocument' xmlRoot(x, skip = TRUE, addFinalizer = NA, ...) ## S3 method for class 'HTMLDocument' xmlRoot(x, skip = TRUE, ...)
xmlTreeParse函数主要是用于解析XML或HTML文件包含XML / HTML内容或字符串,并生成一个R代表XML / HTML树结构。xmlRoot函数主要是用于提供方便地访问由解析一个XML文档产生的顶级XMLNode对象.
我们
下面就来一步一步的分析如何读取一个XML或者HTML文件:
获取网页数据
这时你需要用到RCurl包的getURL函数来下载相关网页,我们以最近BBC上最火的Robin Williams的一则新闻为例说说怎样读取HTML文件(因为中文有些网站会出现乱码,为了避免不必要的麻烦,我们暂时使用英文网站,稍后的例子会有中文的):
library(RCurl) library(XML)url<-"http://www.bbc.com/news/entertainment-arts-28761353"SOURCE<-getURL(url,encoding="UTF-8")#Download the page## Error: transfer closed with 78288 bytes remaining to read#this is a very very long line. Let's not print it. Instead:substring (SOURCE,1,200)## Error: 找不到对象'SOURCE'PARSED<-htmlParse(SOURCE)#Format the html code d## Error: 找不到对象'SOURCE'
获取HTML的元素
我们可以通过XPath的相关函数来获取HTML的相关信息:
xpathSApply(PARSED,"//h1")## Error: 找不到对象'PARSED'
这样的标题由于含有HTML标记,让我们很不爽,我们可以通过下面函数来去掉它:
xpathSApply(PARSED,"//h1",xmlValue)## Error: 找不到对象'PARSED'
相应的函数调用格式如下:
xpathApply(doc, path, fun, ... , namespaces = xmlNamespaceDefinitions(doc, simplify = TRUE), resolveNamespaces = TRUE, addFinalizer = NA) xpathSApply(doc, path, fun = NULL, ... , namespaces = xmlNamespaceDefinitions(doc, simplify = TRUE), resolveNamespaces = TRUE, simplify = TRUE, addFinalizer = NA)
主要参数:
doc:XMLInternalDocument类型的数据,htmlParse函数产生的对象
path:XPath 表达式,常用的有 "/" 表示根节点处寻找;"//"表示文档任意处寻找;"@"表示选择相应的属性
我们可以通过抓取HTML里的关键词来发现很多东西,比如我们想知道这个页面有多少条链接,我们只需要运行:
length(xpathSApply(PARSED, "//a/@href"))
再比如我们想要知道新闻的日期,我们可以运行:
xpathSApply(PARSED, "//span[@class='date']",xmlValue)
最后要说的是,你的挖掘一定要对HTML的结构十分的熟悉,比如页面有哪些元素,这是第几级的结构等,方便在使用@时确定能找到有关属性,比如说我想知道BBC报道了哪些最近的关于中国的新闻,我们就可以运行以下代码:
url="http://www.bbc.co.uk/search/news/?q=China&search_form=in-page-search-form"SOURCE<-getURL(url,encoding="UTF-8")PARSED<-htmlParse(SOURCE)targets<-unique(xpathSApply(PARSED,"//a[@class='title linktrack-title']/@href")) head(targets)## [1] "http://www.bbc.co.uk/news/world-europe-28755656" ## [2] "http://www.bbc.co.uk/news/business-28767854"
然而,对于上面那篇文章,"//a[@class='title linktrack-title']/@href"是找不到任何东西的。进一步地,对于每一个链接,如果我们还想知道标题与日期,我们可以使用sapply函数:
bbcScraper2<-function(url){title=date=NA#Return empty values in case field not foundSOURCE<-getURL(url,encoding="UTF-8")PARSED<-htmlParse(SOURCE)title=(xpathSApply(PARSED,"//h1[@class='story-header']",xmlValue))date=(xpathSApply(PARSED,"//meta[@name='OriginalPublicationDate']/@content"))if(is.null(date)){date=(xpathSApply(PARSED,"//span[@class='date']",xmlValue)) }return(c(title,as.character(date))) }targets<-as.data.frame(targets) t(sapply(targets[1:5,],bbcScraper2))## [,1] ## [1,] "Pope Francis faces greatest challenge yet in Asia" ## [2,] "Alibaba sells off loan business ahead of share sale" ## [3,] "Conservatives misguided after Ferguson shooting" ## [4,] "Q&A: Edinburgh's giant pandas" ## [5,] "In pictures: Framing Hope" ## [,2] ## [1,] "2014/08/13 01:51:58" ## [2,] "2014/08/13 01:18:39" ## [3,] "2014/08/12 17:05:25" ## [4,] "2014/08/12 16:00:21" ## [5,] "2014/08/12 14:55:21"
读取网页表格
很多网站并不提供直接的数据下载,而是提供一个网页表格供你在线观看。那么我们有没有简单一点的办法把他们拽下来呢?readHTMLTable函数可以帮我们把东西轻而易举的办到,我们先来看看函数的调用格式:
readHTMLTable(doc, header = NA, colClasses = NULL, skip.rows = integer(), trim = TRUE, elFun = xmlValue, as.data.frame = TRUE, which = integer(), ...)
我们以保利地产的分红情况为例来说明函数的使用:
url<-"http://money.finance.sina.com.cn/corp/go.php/vISSUE_ShareBonus/stockid/600048.phtml"data<-readHTMLTable(url,header=NA,which=19)data## V1 V2 V3 V4 V5 V6 V7 V8 V9 ## 1 2014-05-16 0 5 2.94 瀹炴柦 2014-05-22 2014-05-21 -- 鏌ョ湅 ## 2 2013-05-28 0 0 2.32 瀹炴柦 2013-06-03 2013-05-31 -- 鏌ョ湅 ## 3 2012-06-12 0 2 2.15 瀹炴柦 2012-06-18 2012-06-15 -- 鏌ョ湅 ## 4 2011-05-11 0 3 2.13 瀹炴柦 2011-05-17 2011-05-16 -- 鏌ョ湅
对于中文来说,出现了乱码,这是我们不希望看到的,一个简单地办法就是将文件写入一个txt文件,再重新读取出来,即:
write.table(data,"F:/table.txt") read.table("F:/table.txt",encoding="UTF-8")## V1 V2 V3 V4 V5 V6 V7 V8 V9 ## 1 2014-05-16 0 5 2.94 实施 2014-05-22 2014-05-21 -- 查看 ## 2 2013-05-28 0 0 2.32 实施 2013-06-03 2013-05-31 -- 查看 ## 3 2012-06-12 0 2 2.15 实施 2012-06-18 2012-06-15 -- 查看 ## 4 2011-05-11 0 3 2.13 实施 2011-05-17 2011-05-16 -- 查看
看表格很完整的展现在我们面前了。
虽然中国足球没什么看点,但是还是有一些槽点,对于买彩票的如果没有假球的话还有一些竞猜的价值。我们想要推断首先就得从网上获取相应数据,我们还是用简单的readHTMLTable函数从网易载入中超赛程数据:
library(XML)CslData<-readHTMLTable("http://cs.sports.163.com/fixture/",header=T)CslPoint<-CslData[[31]]CslData[[31]]<-NULLCslFixture<-do.call(rbind, lapply(CslData,function(x) subset(x[,3:5]))) colnames(CslFixture)<-iconv(colnames(CslFixture),"UTF-8") colnames(CslPoint)<-iconv(colnames(CslPoint),"UTF-8") head(CslFixture)## 主队 比分 客队 ## NULL.1 山东鲁能 1 - 0 哈尔滨毅腾 ## NULL.2 广州恒大 3 - 0 河南建业 ## NULL.3 北京国安 1 - 0 长春亚泰 ## NULL.4 江苏舜天 0 - 0 贵州茅台 ## NULL.5 杭州绿城 1 - 1 大连阿尔滨 ## NULL.6 辽宁宏运 1 - 1 上海上港head(CslPoint)## 名次 球队 比赛 积分 ## 1 1 广州恒大 20 45 ## 2 2 北京国安 19 41 ## 3 3 广州富力 19 34
这样我们就得到了中超的数据,之后就可以利用我们之前在博客里讲的MCMC,logistic,SVM之类的办法去预测了。
这个例子节选自虎扑体育的《恒大夺冠100%,卓尔降级99%——用R语言轻松模拟中超剩余比赛》,那篇帖子也给了一个简单地预测办法,虽然不见得准确,也可以为我们的预测提供一个思路。
在比价的过程中,我们首要的任务就是从网上获取价格数据。我们该如何从当当的图书页面获取价格数据呢?
library(XML) library(RCurl)book_price=NULLfor(iin1:2){url_i<-paste0("http://category.dangdang.com/pg",i,"-cp01.00.00.00.00.00.html",sep="")url_i<-htmlParse(url_i,encoding="GBK")#asText=TRUE,node_i<-getNodeSet(url_i,"//li[@class]/div[@class=\"inner\"]/a")Attr_i<-sapply(node_i,xmlGetAttr,name="href")for(jinAttr_i){url_j=htmlParse(j,encoding="GBK")node_title=getNodeSet(url_j,"//div[@class]/img[@id]")if(length(node_title)>0){title=xmlGetAttr(node_title[[1]],"alt")title=iconv(title,"UTF-8","gbk") }else{next}node_price=getNodeSet(url_j,"//span[@id=\"salePriceTag\"]")if(length(node_price)>0){price=as.numeric(xmlValue(node_price[[1]])) }else{next}book_price=rbind(book_price,cbind(j,title,price)) } } colnames(book_price)=c("URL","书名","价格") write.csv(book_price,"F:/book_price.csv")
json数据的一个典型的代表就是微博数据,然而除了微博外也有很多其他的网站因为json采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的习惯使JSON成为理想的数据交换语言被许多的API使用。比如github的数据,Wikipedia article traffic statistics的数据也采用了json格式。
我们以github的API数据为例,下面是我的github的代码仓库部分数据的json格式信息,完整版本在这里
{ "id": 20472818, "name": "courses", "full_name": "yujunbeta/courses", "owner": { "login": "yujunbeta", "id": 7315956, "avatar_url": "https://avatars.githubusercontent.com/u/7315956?v=2", "gravatar_id": "e8569ebac320c9aed1764a7d693e5a87", "url": "https://api.github.com/users/yujunbeta", "html_url": "https://github.com/yujunbeta", "followers_url": "https://api.github.com/users/yujunbeta/followers", "following_url": "https://api.github.com/users/yujunbeta/following{/other_user}", "gists_url": "https://api.github.com/users/yujunbeta/gists{/gist_id}", "starred_url": "https://api.github.com/users/yujunbeta/starred{/owner}{/repo}", "subscriptions_url": "https://api.github.com/users/yujunbeta/subscriptions", "organizations_url": "https://api.github.com/users/yujunbeta/orgs", "repos_url": "https://api.github.com/users/yujunbeta/repos", "events_url": "https://api.github.com/users/yujunbeta/events{/privacy}", "received_events_url": "https://api.github.com/users/yujunbeta/received_events", "type": "User", "site_admin": false }, "private": false, "html_url": "https://github.com/yujunbeta/courses", "description": "Course materials for the Data Science Specialization: https://www.coursera.org/specialization/jhudatascience/1", "fork": true, "url": "https://api.github.com/repos/yujunbeta/courses", "forks_url": "https://api.github.com/repos/yujunbeta/courses/forks", "keys_url": "https://api.github.com/repos/yujunbeta/courses/keys{/key_id}",
R的jsonlite包提供了函数fromJSON来读取JSON数据。以我的github的JSON数据为例:
library(jsonlite)jsonData<-fromJSON("https://api.github.com/users/yujunbeta/repos")
我们可以通过操作jsonData来获取我的github的相应信息:
names(jsonData)#获取JSON数据的一级结构,类似于hush表的关键字## [1] "id" "name" "full_name" ## [4] "owner" "private" "html_url" ## [7] "description" "fork" "url" ## [10] "forks_url" "keys_url" "collaborators_url" ## [13] "teams_url" "hooks_url" "issue_events_url" ## [16] "events_url" "assignees_url" "branches_url" names(jsonData$owner)#获取所有者的基本信息## [1] "login" "id" "avatar_url" ## [4] "gravatar_id" "url" "html_url" ## [7] "followers_url" "following_url" "gists_url" jsonData$owner$login#获取登陆信息## [1] "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" ## [6] "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" ## [11] "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" "yujunbeta" ## [16] "yujunbeta" "yujunbeta" "yujunbeta"
在股票交易中我们经常会听到“概念股”这样一个名词,那么什么样的概念最可能走红,什么样的概念股最有可能获得多数股民的购买呢,当然就是被议论的最多的,人们最关心的,比如习大大上台时提的“美丽中国”在当时很是红火,现在最近新闻里提及的“金融改革”估计也会成为新的股市宠儿。
我们这里使用Wikipedia article traffic statistics提供的数据来看看最近人们对某一概念的关注程度如何。当然,要获得人们关注什么,什么概念在股市中最红火,靠wiki的搜索指数是远远不够的,用下面的程序赚钱还是够呛。
我们这里以最近比较红火的数据科学这一概念为例,我们来看看人们对它的关注程度:
url<-"http://stats.grok.se/json/en/latest90/data%20science"raw.data<-readLines(url,warn="F") library(rjson)rd<-fromJSON(raw.data)rd.views<-rd$daily_viewsrd.views<-unlist(rd.views)df<-as.data.frame(rd.views) head(df)## rd.views ## 2014-06-30 620 ## 2014-06-21 355 ## 2014-06-20 474library(ggplot2)df$date<-as.Date(rownames(df)) colnames(df)<-c("views","date") ggplot(df, aes(date,views))+geom_line()+geom_smooth()+theme_bw(base_size=20)
从图中我们可以看到data science最近真的是红火的不行,然而我们再来看看相关的statistic被人们关注的程度如何?
## rd.views
## 2014-06-30 288
## 2014-06-21 212
## 2014-06-20 233
显然statistic被人关注的程度真是少的可怜。类似的我们还可以看看big data,machine learning,statistical learning这些相近的词汇的关注度,这里我们不在赘述。
曾经见过网上一个有意思的评论:我们可以通过统计观看《小时代》的人数来统计究竟有多少脑残。当然,这只是一家之言。但是我们仍然可以利用关联规则的思想:如果”小时代“的状态里出现”脑残“的概率很高,那么就基本上可以相信那条评论很有道理。
为了避免一些不必要的争端,我们不妨利用微博数据来看看国民岳父的《后会无期》究竟与什么相关,观影人数又能代表什么?
这里我们利用lijian大神的Rweibo包来看看:
require(Rweibo)res<-web.search.content("后会无期",page=20,sleepmean=10,sleepsd=1)$Weiborequire(Rwordseg) insertWords("后会无期")n<-length(res)res<-res[res!=""]words<-unlist(lapply(X=res,FUN=segmentCN))word<-lapply(X=words,FUN=strsplit,"")wordfreq<-table(unlist(word))wordfreq<-sort(wordfreq,decreasing=TRUE)
现在我们来看看去掉一些单字词汇(如“你”,“是”之类)后的词汇频率超过20的大概有:
TFBOYS 房间 今天 电影 偶像 手记 台湾 后会无期 遥控 大家 年轻 64 39 33 32 32 32 32 28 26 24 24
从着些关联词汇来看,国民岳父的《后会无期》正在被最近风头正劲的TFBOYS演唱的《后会无期》取代,TFBOYS的《后会无期》成了新的热门。不过毕竟后会无期已经上演了那么长的时间,没有人会去温习那些经典的“道理”,因为大家都知道:无论你知道多少道理,仍有可能过不好这一生。那么目前跟电影《后会无期》相关的东西可以肯定的就只有”电影“本身以及电影9月的”台湾“之行。
我们不仅可以读入JSON数据也可以通过函数toJSON将数据框写为JSON格式,例如将鸢尾花数据集写为JSON格式(输出结果较长,在此从略):
data(iris) toJSON(iris, pretty=TRUE)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29