腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
数说工作室
专栏成员
举报
214
文章
384687
阅读量
71
订阅数
订阅专栏
申请加入专栏
全部文章(214)
其他(51)
sas(44)
python(24)
大数据(24)
编程算法(23)
数据分析(15)
机器学习(13)
神经网络(12)
数据处理(11)
网络安全(9)
深度学习(8)
微信(7)
安全(7)
NLP 服务(6)
数据挖掘(6)
http(6)
人工智能(5)
数据安全(5)
正则表达式(5)
统计(5)
开源(4)
tensorflow(3)
sql(3)
numpy(3)
线性回归(3)
https(3)
手机(3)
html(2)
数据库(2)
企业(2)
nat(2)
云镜(主机安全)(1)
人脸识别(1)
比特币(1)
ios(1)
bootstrap(1)
css(1)
android(1)
django(1)
ide(1)
git(1)
matlab(1)
中文分词(1)
linux(1)
apache(1)
nginx(1)
文件存储(1)
VPN 连接(1)
机器翻译(1)
知识图谱(1)
腾讯云测试服务(1)
图像处理(1)
日志数据(1)
金融(1)
医疗(1)
游戏(1)
分布式(1)
爬虫(1)
hadoop(1)
决策树(1)
pytorch(1)
tcp/ip(1)
数据可视化(1)
物联网(1)
数据结构(1)
processing(1)
云计算(1)
特征工程(1)
es(1)
学习方法(1)
安全.(1)
应用安全开发(1)
隐私计算(1)
analysis(1)
code(1)
error(1)
管理(1)
量化(1)
模型(1)
异常(1)
搜索文章
搜索
搜索
关闭
4. call PRXPOSN() | 撕数据!
sas
数据处理
【SAS Says·扩展篇】撕数据! | 4. call PRXPOSN() 0. 前集回顾 1. 新的问题 2. 初识 PRXPOSN() 3. 问题解决 ---- 0. 前集回顾: 小王刚刚毕业,来到数说国际零售公司任数据分析师,产品部的妹子求助他,希望可以帮忙做这么一件事:下面是一份产品名单,有的行是产品的名字,有的行是产品的编号,现在只想将编号保留下来(即红色字体的部分),尤其是最后一行,这一行只要一部分。 (01)1872-8756 Body shop P1 Book B13 (05)9212-0
数说君
2018-04-04
924
0
面板数据与Eviews操作指南(上)
数据处理
假想,你现在需要分析2000-2014年,全国34个省级行政区基础建设投资对GDP的影响分析,或者说构建回归模型: GDP = a × 基础建设投资额 + e 但是问题来了,你现在手上的数据,不仅有时间序列(2000-2014),也有横截面(34个省),那么怎么办?是将每个省求14年的均值呢?还是对每一年求34个省的均值? 好纠结啊! 别急,面板数据就是用来处理这个的。面板数据是既有时间序列、又有横截面的数据,一般学经济的同学会比较常处理到这样的数据。 数说君的硕士毕业论文就用到了这个模型,因此本文也是数说
数说君
2018-04-04
3.5K
0
5. call PRXCHANGE() | 移形换影
数据处理
【SAS Says·扩展篇】移形换影 | 5. call PRXCHANGE() 0. 前集回顾 1. 新的问题 2. 初识 PRXCHANGE() 3. 问题解决 ---- 0. 前集回顾: 前面说到,小王刚刚毕业,来到数说国际零售公司任数据分析师,帮助产品部的妹子解决了一个问题,下面是一份产品名单,有的行是产品的名字,有的行是产品的编号,现在只想将编号保留下来(即红色字体的部分),并且把括号里的数字再单独提出来(括号里的数字代表了产品的类别)、把有PD(代表过期产品)的标识也提取出来: (01)1872
数说君
2018-04-03
1.1K
0
3. call PRXSUBSTR () | 庖丁解牛切割数据!
数据处理
【SAS Says·扩展篇】庖丁解牛割数据! | 3. call PRXSUBSTR () 0. 前集回顾 1. 新的问题 2. 初识 PRXSUBSTR() 3. 问题解决 ---- 0. 前集回顾: 刚毕业的小王来到一家零售公司的数据部门做一名分析师,上班的第一天,产品部的妹子就找他来解决一个问题: 数据库中有一份长长的产品名单,名单中有的是产品的名字,有的是产品的编号,产品部的妹子只想要产品的编号的那些行(下图红色字体的),以做更深一步的分析。 (01)1872-8756 Body shop P1
数说君
2018-04-03
870
0
庖丁解牛切割数据!| 【SAS Says·扩展篇】
数据处理
【SAS Says·扩展篇】庖丁解牛割数据! | 3. call PRXSUBSTR () 0. 前集回顾 1. 新的问题 2. 初识 PRXSUBSTR() 3. 问题解决 ---- 0. 前集回顾: 刚毕业的小王来到一家零售公司的数据部门做一名分析师,上班的第一天,产品部的妹子就找他来解决一个问题: 数据库中有一份长长的产品名单,名单中有的是产品的名字,有的是产品的编号,产品部的妹子只想要产品的编号的那些行(下图红色字体的),以做更深一步的分析。 (01)1872-8756 Body shop P1
数说君
2018-04-03
696
0
提取文本数据,分析师小王初上手!| 【SAS Says·扩展篇】正则表达式
数据处理
文本分析很有用,数说君自己也玩过,炒鸡有意思,从论坛、网页上爬取网友的舆情数据,然后整理、统计、画图,就可以知道舆论的风暴是什么,可以知道网友最热议的话题、最想去的旅游景点、最喜欢的饮料等等,也可以从这些舆情数据中挖掘出两个话题之间的关联性等等。 扯的有点远,本系列【SAS Says · 扩展篇 · 正则表达式】介绍的是SAS里正则表达式的应用,对于一些杂乱无章的非结构化数据,正则表达式可是一个处理的利器! 它的使用其实很简单,一旦你弄懂它们,你就能把数小时辛苦而且易错的文本处理工作压缩在几分钟甚至几秒钟
数说君
2018-03-28
1.7K
0
小明的 SQL 问题解决日志(1)
sas
sql
数据处理
本系列仅为小明在写SQL过程中,由浅入深遇到的一些问题、以及最后解决方案。我知道这其中有些问题,高手在12岁的时候就已经知道答案了,小明可能比你们慢了一点。 本文解决的问题: 1、有条件计数 2、去重后左连接 3、自关联,每对只取一条 ---- 文本演示code,默认用 SAS SQL 来演示,因为大家可能对 SAS 还是比较熟悉一些,但有些语句 SAS SQL 不支持的,改用其他。 1、有条件计数 以 SAS 中 sashelp 自带的 Cars 数据为例。 【问题:想计算每个 Make 下面,engi
数说君
2018-03-28
1.2K
0
【SAS Says】基础篇:复制、堆叠、合并数据
sas
数据处理
特别说明:本节【SAS Says】基础篇:复制、堆叠、合并数据,用的是数说君学习《The little SAS book》时的中文笔记,我们认为这是打基础的最好选择。 前面我们介绍过导入数据、ODS的使用、产生一个描述性结果的报告。到这一节,终于开始玩数据了。本节就开始复制和合并数据。 本节目录: 1. 使用SET语句复制数据集 2. 使用SET语句堆叠数据 3. 使用SET语句插入数据集 4. 一对一匹配合并数据 5. 一对多匹配合并数据 6. 合并统计量与原始数据 7. 合并total和原始数据 ---
数说君
2018-03-28
6.5K
0
【SAS Says】基础篇:读取数据(下)
sas
数据处理
特别说明:本节【SAS Says】基础篇:读取数据(下),用的是数说君学习《The little SAS book》时的中文笔记,我们认为这是打基础的最好选择。 复习: 前面四节 【SAS Says】基础篇:SAS软件入门(上) 【SAS Says】基础篇:SAS软件入门(下) 【SAS Says】基础篇:读取数据(上) 【SAS Says】基础篇:读取数据(中) 前面在我们介绍了读取数据的三种方法,list、column、formats。本节我们介绍在读取数据过程中,一些小技巧的使用,比如如何让SAS只读
数说君
2018-03-28
3.9K
0
【SAS Says】基础篇:读取数据(中)
sas
数据处理
特别说明:本节【SAS Says】基础篇:读取数据(上),用的是数说君学习《The little SAS book》时的中文笔记,我们认为这是打基础的最好选择。 复习: 前面三节 【SAS Says】基础篇:SAS软件入门(上) 【SAS Says】基础篇:SAS软件入门(下) 【SAS Says】基础篇:读取数据(上) 前面在“基础篇:读取数据(上)”中我们介绍了list input的数据读取方式,如果原始数据是用空格分隔的那么可以用这种读取方式,这种读取方式要求变量值不能包含空格,并且不能跳过某些值,只
数说君
2018-03-28
2.6K
0
面板数据与Eviews操作指南(上)
数据处理
一、面板数据简介 信息技术的发展使得数据越来越膨胀,传统的截面数据和时间序列已经不能全面刻画经济的演变,在大数据背景下,同时分析比较横截面观察值和时间序列观察值的需求越来越大。面板数据就是指既含有截面又含有时间序列的数据,分析比较这种数据的模型就是面板数据模型。 相对于一般的回归模型,面板数据模型不仅能够更好的识别和度量单纯时间序列模型和单纯横截面数据模型所不能发现的影响因素,而且可以克服多重共线性的困扰,能够提供更多的信息、更多的变化、更高的自由度和更高的估计效率,减少共线性。因此,面板数据可以更准确地刻
数说君
2018-03-28
4.1K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档