APP统计过程中看的最多的要属激活，但随着运营成本的不断上升，一定程度上我们期望获得有多少用户卸载了APP。分析App卸载情况是刚需，但如何对卸载情况进行统计却没有非常成熟的解决方案。以下整理的是一些实现方案…
ID-Mapping简介 在推进用户画像和风险控制时，遇到的最大的问题是用户身份信息的混乱： 相同设备，不同账号间切换 相同用户，不同渠道下账号不相同，如微信小程序和APP 同个用户，在不同的设备商登录 …
箱形图常用于数据的可视化，先前的文章中介绍过使用Python生成箱形图。箱形图中通常包含的数据有： 最小值（不包含异常值）Lower Whisker = Q1-1.5(Q3-Q1) 最大值（不包含异常值）Upper Whisker = Q3+1.5(Q…
在日常工作中，我们常常会用到需要周期性执行的任务，一种方式是采用Linux系统自带的crond结合命令行实现。另外一种方式是直接使用Python。接下里整理的是常见的Python定时任务的实现方式。 利用while True: +…
第一次接触到IP，还是在十多年前使用统计系统时，当时的统计系统中有个指标是IP地址。即记录每天有多少不同的IP访问您的网站，在后来是自己搭建统计系统时涉及到对IP地址省份、城市、区域的解析。最近在推进风控项…
纯真IP库是民间自发收集、提交、聚合而来的数据库，囊括了国内外的大量IP数据。它的官网提供了记录提交和纠错的功能，管理员在统一整合后每5天更新一次。纯真IP库是完全免费的，它的官网上有在线查询功能，同时也可…
在使用Python处理分析数据的时候，用的最多的算是Pandas时，由于Pandas是个非常强大的工具，涉及到的功能非常多，所以平常使用的时候经常需要查询文档。这里记载了自己常用的一些功能及知识点。 Pandas简介 Panda…
在使用Pandas分析数据时，除了读取文本类数据，如Excel、CSV文件外，还会涉及到数据库的读取。通常的方案是Pandas+ SQLAlchemy。 以下内容是记录的一些操作记录，算是备忘。 使用sqlalchemy连接数据库 Eng…
在使用Pandas处理数据时，有时需要多数据进行合并和连接操作，最常用的包括将多个分割的文件进行合并： import pandas as pd import glob file_list = glob.glob('data/*') df_list = [] for file in file_l…
决策树相对其他算法有一个优点是可以对决策树模型进行可视化。决策树又分为分类树和回归树，前者用于预测分类后者用于预测数值。决策树的可视化可以帮助我们非常直观的了解算法细节。但在具体使用过程中可能会遇到…
