这几天在画人均消费的可视化图时总是遇到问题，报错是： TypeError: can’t multiply sequence by non-int of type 'float’ 看字面意思很好理解，就是解析的时候遇到非整数的浮点数导致不能进行相乘的运算，所以出错是因为数据类型不对，因此解决办法就是转换数据类型！ 于是掌柜就去查看Excel表格中数据列的数据类型。  打开Excel表格显示说这一列数据为文本格式，所以直接选择“转换为数字”这个选项！ 然后这个问题就此解决了，再次运行程序的时候，发现又有新的报错…见下图：   是的，依然是TypeError！注意看最开始报错掌柜红色画线部分（if ...

这两天在弄Pyecharts画地图的时候发现，虽然可以画出地图，但是地图中间那块都重叠在一起了，看起来不舒服。  于是搜了一下官方文档看如何更改Map的大小，一开始以外是is_roam属性：  后来发现并不是。。。这个是设置鼠标的缩放和平移。 接着往下翻文档的时候又发现了一处：  这才是掌柜需要的地图缩放方法： zoom = xxx (改成你想要的数字，数字越大，地图就会放大相应倍数，反之亦然）。 然后就在map.add()方法里面添加了刚刚的zoom值，一开始改成=2，发现：  地图倒是放大了，但是也太大了。。。无法显示完整地图。。。 后来修改了几次数字后，发现=1.2刚刚好：  PS: 关...

1. 本文就当时爬取的方法做解说，不代表现在大众点评的情况，所以数据也只是当时爬取下来的数据，现在肯定也有变化！ 2. 如果大众点评现在更改反爬措施，请自行修改代码，谢谢理解！ 趁着疫情期间不能出门，于是掌柜的就继续在家捯饬代码。之前看到有个写了关于成都火锅店的数据分析，掌柜的看完后觉得想弄个咖啡店（因为喜欢喝咖啡☕），说干就干。结果在开头就碰钉子，大众点评的反爬措施不得不说一句：“厉害👍！” 之所以这么说是因为发现他们家的数据是不开F12看着都正常，一开就是全是下面这样：  然后查看多个咖啡店的信息都是如此，后来搜索后知道这就所谓的字体反爬！！！大众点评采用的反爬措施就是每隔一段时间（可能...

根据之前获取的数据我们进行了如下分析。  先看单变量的人均消费（mean-price），通过describe统计，可以看出来是成都的整体咖啡店人均消费是45（以成都的工资来看有点贵）：  于是掌柜又直接可视化整体的人均消费，人均消费多数在100以下，极个别超过500，最贵的是700+？？？（是不是会觉得奇怪，怎么会有一杯700的咖啡？😲）  所以掌柜又对超出100的咖啡店数据进行了一个查看：    可以看出来这些都基本是西餐厅包含了咖啡服务，因此可以得出结论一是： 大众点评把那些西餐厅的咖啡也算进去了，所以才会导致一开始的人均消费偏高！  现在去除那些西餐厅的咖啡部分，再来算成都的咖啡人均消...

（接上篇） 上篇掌柜分析了人均（mean-price）、地区（area）以及点评数（review-num），下面接着分析推荐菜（recommend）、评分（shop-num）以及多个变量之间的关系。  先看推荐菜（recommend），掌柜统计了一下出现频率最高的10个饮品：  结论五：在这650家咖啡店的数据里面，成都人民最爱点的咖啡就是拿铁😁，其次是焦糖玛奇朵和澳白（Flat White），第十位是星巴克的抹茶星冰乐加双倍浓缩。  然后掌柜也做了一个推荐咖啡的词云图：  结果也跟上面统计的一样，拿铁稳居首位！所以以后如果你去一家咖啡店不知道点什么的时候，不妨试着点杯拿铁看看，踩雷的几率会...

从今天开始每天都记录解一道Leetcode数据库的题，把它所使用的方法、思路、考察知识点以及最优解写下来。废话不多说，今天要解的是183题：没有下单的客户名字。 题目链接在这里：👉 Customers Who Never Order 首先看这题要考察的知识点：👉子查询 和 Not In 或Not Exists的运用 再看这题的思路： 既然要找的是没有下单的客户名字，那么有两种思路👇：  直接找没下单的人 利用反向思维，先找到下单客户的名字，再除开他们就是没下单的客户名字  而结合本题已知条件，两种思路都可以实现，至于哪种效率更高请继续往下看。 （PS: 如无特殊说明，本博客均采用的是My...

今天要解的是184题：部门最高工资的员工。（昨晚网速太不稳定，Leetcode半天打不开。。。导致延迟了😅） 题目链接在这里：👉 184. Department Highest Salary 首先看这题要考察的知识点：👉是多表关联查询中JOIN 和 IN 的使用 （但是看好些文章说不建议使用JOIN关联查询当数据量很大的时候？有大佬出来讲解一下吗？谢谢✍） 再看这题的思路： 要找的是部门最高员工，那么思路如下👇： 先关联两表再设置查询条件：通过分组找到各自“部门”最高工资员工。 下面看参考解法，解法一： SELECT D.Name AS Department, E.Name AS Em...

今天要解的题目是👉：196. Delete Duplicate Emails（删除重复的邮件） 乍看之下会觉得是个很简单的去重问题，但是请仔细注意题目的要求：  题目要求的是删除重复的数据，并保留Id最小的邮箱数据！！！所以如果一开始想用DISTINCT函数是不对的,因为它只是在查询的时候去掉了重复的数据不显示，但是并没有删除该数据。。。 此题考察知识点👉：Delete函数和Where条件查询的使用 此题思路一👉：既然是重复数据，那么就需要创建两个临时表，让表1的Email = 表2的Email，并且表1的Id 要 > 表2的Id；然后再删除表1即可。 思路二：因为重复的数据肯定是...

这几天多次遇到数据去重的问题，所以打算整理一下几种不同类型的数据去重的方法（这里主要汇总Python列表、字典、Excel、数据库的MySQL以及Pandas的Dataframe），暂不更新Leetcode数据库的题解。  Python列表、字典去重   看下面这个例子和第一种解法set()：  a = [5, 6, 2, 2, 1, 2, 3, 3, 6, 9, 9] print(list(set(a))) #下面是运行后的结果 >>>>>[1, 2, 3, 5, 6, 9]  使用set方法应该是列表去重最简单高效的方法，它利用了集合中的元素不能重复的特性，即...

接上文，上篇讲了Python列表和字典的去重方法，本篇主要总结Excel和MySQL的去重方法。  Excel去重   解法一：直接使用【数据】—>【删除重复值】按钮，下面看示例和图解步骤：  先选中你要删除重复值的那一列数据，然后再按照上图👆的步骤走。  接着就是确认你要删除的重复值数据范围（一列还是多列）：  最后就是删除后的确认  查看删完重复值的数据：  是不是很简单😀。 当然这里还有其他方法，比如下面的：  解法二，使用COUNTIF函数： 首先找到 【公式】—>【其他函数】---->【统计】----->【COUNTIF】 这里：  接着在空白处单元格点击...

Pandas去重DataFrame 接上篇，这篇就剩最后的用Pandas对DataFrame里面的数据去重，这里也有两种方法，可以直接看官方文档（但是掌柜觉得其实就是一种方法，因为第一种只是显示哪些重复。。。）：   使用duplicated方法，它会返回一个布尔向量，其长度为行数，表示行是否重复，但是并不会删除重复数据。来看实例：  import pandas as pd import numpy as np df2 = pd.DataFrame({ 'a': ['one', 'one', 'two', 'two', 'two', 'three', 'four'], 'b': ['x', '...

今天要解的题目是👉：185. Department Top Three Salaries（部门工资排前三的员工） 这题考察的知识点👉：两表连接JOIN的使用以及子查询 此题思路一👉：既然要查部门工资排前三，那么我们要知道有哪些部门？这里就要使用JOIN连接两表得到各个部门信息，然后再在各部门中排列出工资排前三的员工信息，这里就要用到子查询建立一个新表来跟原始表进行对比。（这也是官方的解法思路） 思路二👉： 还是要新建一个临时表后三表连接，查询条件是部门id一致并且原始工资表的工资要小于临时表的工资；接着既然是各部门，那么就用分组函数GROUP BY ，注意这里分组的条件是临时表的工资数...

这几天遇到了好几个面试，现在总结一下面试题以及相应的解法。（虽然面试的时候掌柜发挥的不怎么好，没有拿到offer。但是换个角度想想，通过多面试去发现自己的不足，也对自己是另一种锻炼和成长吧😁。）好了，言归正传，下面看面试题，因为这个公司偏向于用Python来处理数据和挖掘数据，所以面试的问题也都是跟Python数据分析相关的。  如何查找字典中value最大值对应的key？  方法一：可以用max(dict,key=dict.get)方法获得字典dict中value的最大值所对应的键；max(dict, key)方法首先遍历迭代器，并将返回值作为参数传递给key对应的函数，然后将函数的执行结...

继续之前的面试题解析，下面是第二题：  求1 +3！+5！+7！+9！+50!之和。  这道题其实考察的是用递归解决阶乘问题，查阅过后发现有三种方法可解（不过掌柜觉得其实是两种）。下面👇看第一种解法，常规思路：先找出单个阶乘的函数表达式后再求和：  应该不难理解第一种解法，下面尝试第二种解法👇：用列表推导式简化后求解递归  是不是觉得第一和第二其实是一样的？😂下面👇看第三种：直接调用Scipy库里面的阶乘模块factorial来计算  如果你想最少代码量解此题，第三种明显最合适！最易理解是第一种。 PS: 递归算法是个比较重要的概念，掌柜找到一张图（侵权可删）可以方便大家更易理解递归的...