背景 在数据密集的业务领域，尤其是金融，保险，税务等行业中，经常需要利用Excel模型，来对业务进行分析和处理。例如： 1.金融投资： 根据模型进行估值计算，并对投资风险进行评估，通过测算出投资的内部收益率（IRR），净现值（NPV）来做投资收益分析，反应项目的获利能力。 2.保险精算： 运用数学，
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 Vue + SpreadJS 实现高性能数据展示与分析 在前端开发领域，表格一直都是一个高频使用的组件，尤其是在中后台和数据分析场景下。但当一屏展示数据超过1000条数
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 在做一些财务、供应链、资产管理等系统时，由于业务人员线下都是采用Excel来完成的，因此就需要将Excel中业务人员使用的功能都能在Web端系统实现，整体上的实现方案有
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 1. 什么是数据透视表 数据透视表是一种可以快速汇总、分析大量数据表格的交互式分析工具。使用数据透视表可以按照数据表格的不同字段从多个角度进行透视，并建立交叉表格，用以
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 大数据时代，数据在企业的日常经营中无处不在，各类数据的汇总、整合、分析、研究对企业的决策和发展有着至关重要的作用。企业要进行数字化转型，本质是强化对数据的使用，包含数据
本文由葡萄城技术团队于博客园原创并首发 转载请注明出处：葡萄城官网，葡萄城为开发者提供专业的开发工具、解决方案和服务，赋能开发者。 前端与数据展示 前后端分离是当前比较盛行的开发模式，它使项目的分工更加明确,后端负责处理、存储数据;前端负责显示数据.前端和后端开发人员通过接口进行数据的交换。因此前端
**前言** 在报表数据处理中，Excel公式拥有强大而多样的功能，广泛应用于各个业务领域。无论是投资收益计算、财务报表编制还是保险收益估算，Excel公式都扮演着不可或缺的角色。传统的做法是直接依赖Excel来实现复杂的业务逻辑，并生成相应的Excel文件。因此只需在预设位置输入相应参数，Exce
在当今数字化时代，数据分析和可视化成为企业决策和发展的重要支撑，很多 BI 工具昂贵的许可费用，让许多中小型企业用户和个人用户望而却步，开源 BI 工具的出现，让其成为很多用户进行数据分析展示的首选。目前市面上主流的开源 BI 产品，例如 Metabase 和 Superset，都是由国外的开发者开发的，这导致国内用户上手的时候都觉得不适应。
在大数据和 AI 的时代背景下，数据已经成为了重要财富，大到政务数据、企业核心数据，小到个人信息、银行卡余额，这些数据无一例外都是“隐私数据”，如果在使用和流转时发生泄漏都会造成巨大的损失。
pandas中用来承载数据的两个最重要的结构分别是： Series：相当于增强版的一维数组 DataFrame：相当于增强版的二维数组 pandas最大的优势在于处理表格类数据，如果数据维度超过二维，一般我们会使用另一个 python的库 numpy。 本篇主要介绍这两种核心数据结构的创建方式。 1
pandas进行数据整理的意义在于，它是数据分析、数据科学和机器学习的前置步骤。 通过数据整理可以提前了解数据的概要，缺失值、重复值等情况，为后续的分析和建模提供更为可靠的数据基础。 本篇主要介绍利用pandas进行数据整理的各种方法。 1. 数据概要 获取数据概要信息可以帮助我们了解数据的基本情况
pandas 作为一种常用的数据分析工具，提供了广泛的数据修改方法。 既可以针对行或者列的数据进行修改，也可以对具体单个元素进行修改，还可以基于条件选择要修改的行或者列的数据。 1. 增加数据 1.1 增加行数据 pandas的DataFrame增加一行或者多行数据之前是使用append方法。 im
`pandas`的数据排序可以帮助我们更好地理解和分析数据。 通过对数据进行排序，我们可以提取出特定的信息，例如最大值、最小值、中位数、众数等等，从而更准确地识别数据的特征和特点。 此外，数据排序还可以帮助我们更好地进行数据可视化，例如绘制直方图、箱线图等等，进一步帮助我们对数据进行解读和分析。 总
时间序列数据是数据分析中一类常见且重要的数据。 它们按照时间顺序记录，通常是从某些现象的观察中收集的，比如经济指标、气象数据、股票价格、销售数据等等。 时间序列数据的特点是有规律地随着时间变化而变化，它们的变化趋势可以被分析和预测。时间序列分析是一种用于预测未来值或评估过去值的统计方法，常常被用于预
在进行统计分析时，`pandas`提供了多种工具来帮助我们理解数据。 `pandas`提供了多个聚合函数，其中包括均值、标准差、最大值、最小值等等。 此外，`pandas`还可以进行基于列的统计分析，例如通过`groupby()`函数对数据进行聚合，并计算每组的统计分析结果。 除了基本的统计分析之外
日常分析数据时，只有单一数据文件的情况其实很少见，更多的情况是，我们从同一个数据来源定期或不定期的采集了很多数据文件；或者从不同的数据源采集多种不同格式的数据文件。 在这样的情况下，分析数据之前，需要将不同的数据集合并起来。合并数据一般有两个维度，一是同构的数据集合并后行数增加；一是异构的数据集合并
重命名 `pandas` 数据中列的名称是一种常见的数据预处理任务。这通常是因为原始数据中的列名称可能不够清晰或准确。例如，列名可能包含空格、大写字母、特殊字符或拼写错误。 使用 `pandas` 的 `rename`函数可以帮助我们更改列名，从而使数据更加清晰和易于理解。此外，重命名列名还可以确保
在实际应用中，数据集中经常会存在缺失值，也就是某些数据项的值并未填充或者填充不完整。缺失值的存在可能会对后续的数据分析和建模产生影响，因此需要进行处理。 `pandas`提供了多种方法来处理缺失值，例如删除缺失值、填充缺失值等。删除缺失值可能会导致数据量减少，填充缺失值则能够尽量保留原始数据集的完整
前面的transform只是对单个数据图像的处理，本文着重讲对多个数据图像的处理，并介绍科研中常用数据集的下载方式。
转载请注明出处： 目录 1.sadd 集合添加元素 2.srem移除元素 3.smembers 获取key的所有元素 4.scard 获取key的个数 5.sismember 判断member元素是否存在集合key中 6.srandmember key count 从集合key中随机选出count个
