Data analysis through jupyter notebook

18年计划转能源方面的数据挖掘岗位，准备了一些项目。

1.分析历年的光伏发电量数据与辐照度，气温等因素的关系；
2.获得光伏组件的功率衰减曲线并计算组件的Pr值

1.常规的数据分析流程（观察数据，数据预处理，特征工程，建立模型，结果分析等）
2.预测Titanic生还者的数据

1.以德国16年的光伏和风电发电量为结果，分析其与天气，风速等一系列因素的关系;
2.构建线性回归模型，旨在通过17年和18年的气象数据，预测这两年的发电量信息

1.给定44个地产楼盘，按照销量，库存率等信息划分成10组
2.分配给不同的销售组进行销售工作

1.设计实验，获取数据
2.描述统计分析，获得一般特征
3.推论统计分析，确定置信区间，进行假设检验及效应量
4.编制分析报告

1.设计实验，获取数据（流程与5一致）
2.描述统计分析，获得一般特征
3.推论统计分析，确定置信区间，进行假设检验及效应量
4.编制分析报告

1.通过Python中的SQL模块读取数据
2.分析数据结构，并对时间列进一步细化处理
3.通过数据透视表的形势对时间进行分列处理
4.导入K-means模块，并构建聚类可视化类，进行可视化处理
5.数据量略大，分享到云盘：链接：https://pan.baidu.com/s/1ydLyqyQGZe4ouQrtWnwR7g 提取码：0sc6

1.基于运筹学中的运输问题，调用python的pulp模块进行线性优化
2.依据叶片运输问题，构建数据集
3.建立数学模型，添加约束条件
4.求解各个路径分配的运输量，并总结一般问题的结题思路

1.基于用户对商品的评分，获得用户-商品评分矩阵
2.对于数据量巨大的矩阵，必定需要压缩来减少空间占用
3.因此调用了python的scipy.parse模块对矩阵分别进行了COO、CSR、CSC三种形式的压缩

1.常规的数据分析流程（观察数据，数据预处理，特征工程，建立模型，结果分析等）
2.预测未来一段时间共享单车的使用量

1.基于Keras框架，介绍了LSTM模型的参数设置
2.案例说明，在已知过去一段时间发货量的基础上，预测未来某天的发货量