Size: a a a

Python для анализа данных

2019 August 06

Е

Евгений in Python для анализа данных
Привет! Кто-нибудь видел алгоритмы определения домов пользователей по истории их местоположений? То есть есть много точек за историю, надо по ним понять, какая из них скорее всего является его домом
источник

ВЛ

Владислав Литвинюк... in Python для анализа данных
Привет, скажите, пж, как распарсить данные о лидах с амо срм в df?
источник

VS

Vanya Slobodchikov in Python для анализа данных
Владислав Литвинюк
Привет, скажите, пж, как распарсить данные о лидах с амо срм в df?
источник

VS

Vanya Slobodchikov in Python для анализа данных
Владислав Литвинюк
Привет, скажите, пж, как распарсить данные о лидах с амо срм в df?
Если не получится, то скопипастите, пожалуйста, сюда кусок json с картинки, я попробую завтра с утра
источник

ВЛ

Владислав Литвинюк... in Python для анализа данных
Vanya Slobodchikov
Если не получится, то скопипастите, пожалуйста, сюда кусок json с картинки, я попробую завтра с утра
хорошо, спасибо
источник

M🌗

M 🌗🌘🌑🌒🌓... in Python для анализа данных
Евгений
Привет! Кто-нибудь видел алгоритмы определения домов пользователей по истории их местоположений? То есть есть много точек за историю, надо по ним понять, какая из них скорее всего является его домом
на каггле было такое, можно поискать.
источник

VS

Vanya Slobodchikov in Python для анализа данных
M 🌗🌘🌑🌒🌓
на каггле было такое, можно поискать.
Да, там как по ссылке со стековерфлоу
источник

Е

Евгений in Python для анализа данных
M 🌗🌘🌑🌒🌓
на каггле было такое, можно поискать.
Спасибо, поищу
источник
2019 August 07

MY

Maksim Yasinski in Python для анализа данных
Владислав Литвинюк
Привет, скажите, пж, как распарсить данные о лидах с амо срм в df?
response = r.json()
df = pd.io.json.json_normalize(response['_embedded']['items'])
источник

ВЛ

Владислав Литвинюк... in Python для анализа данных
Maksim Yasinski
response = r.json()
df = pd.io.json.json_normalize(response['_embedded']['items'])
Спасибо, правда, на таком же этапе вчера и остановился
источник

К

Константин in Python для анализа данных
застрял, помогите плиз)
как свернуть в таблицу для когортного анализа?
источник

IB

Ilya Brodskiy in Python для анализа данных
в PBI загрузить)))
сори, не удержался)
источник

АМ

Алексей Макаров... in Python для анализа данных
Константин
застрял, помогите плиз)
как свернуть в таблицу для когортного анализа?
А колонка периода наблюдений - это registration? То есть нужно построить как для каждой когорты изменялись деньги в разрезе registration? Что-то не пойму логики составления когорт
источник

АМ

Алексей Макаров... in Python для анализа данных
Ilya Brodskiy
в PBI загрузить)))
сори, не удержался)
🙃
источник

IB

Ilya Brodskiy in Python для анализа данных
ненуачо
источник

К

Константин in Python для анализа данных
registration - месяц регистрации пользователя

cogort_month - месяц в котором были заказы от пользователей при регистрации из registration

money - сколько денег принесли пользователи, зарегестрированные в месяц registration,  в месяце cogort_month
источник

К

Константин in Python для анализа данных
вообще когортным анализом никогда не занимался. Но сейчас появилась необходимость. возможно неправильно формулирую задачу
источник

К

Константин in Python для анализа данных
хватило меня подключиться к БД, написать набор sql чтобы все достать, что нужно.
и распрасить получаемый tuple в такой вид
источник

К

Константин in Python для анализа данных
вообще хотлеось бы получить вот такое

и последний шаг в моей автоматизации, все данные что достал и уже сгруппировал положить втакую структуру
источник

К

Константин in Python для анализа данных
пробовал пойти по пути

#cсоздаю df по длинне когорт
>>> df = pd.DataFrame(columns=['lib', 'cogort1', ''cogort2'])

#обхожу все строки
>>> for i in range(5):

#формирую строку с длинной рвыной количеству столбцов, но надо контролировать пустые строчки в месяцах, что нет
>>>     df.loc[i] = ['name' + str(i)] + list(randint(10, size=2))

но что, то тоже запутался)
источник