- 综合排序
- 最热优先
- 最新优先
- 来自专栏Mac/Win软件
GraphPad Prism 9 for mac&win(医学绘图及数据分析工具)
GraphPad Prism 结合了科学绘图、综合曲线拟合（非线性回归）、可理解的统计数据和数据组织。 mac版：GraphPad Prism 9 for Macwin版：GraphPad Prism 9图片功能特点有效地组织您的数据执行正确的分析随时随地获得切实可行的帮助一键回归分析专注于您的研究，而不是您的软件无需编程即可自动化您的工作无数种自定义图形的方法
67240编辑于 2023-02-09 - 来自专栏生信小驿站
R语言meta分析（9）连续数据的meta分析
R语言meta分析（6）一文解决诊断性meta分析（第一章） R语言meta分析（7）诊断性meta分析（meta4diag包） R语言meta分析（8）基于生存数据的meta分析 R语言meta分析（ 9）连续数据的meta分析 本文将介绍用R软件的meta数据包介绍连续数据资料的Meta分析。 meta数据包提供分析连续数据的命令是: metacont()，能够计算连续型资料的固定效应值或随机效应值，命令提供了SMD和MD两种方法。 .csv',header=T) colnames(data) library(ggplot2) library(meta) str(data) data.frame': 19 obs. of 9 variables: $ study : Factor w/ 19 levels "GSE102286","GSE114711",..: 3 4 5 6 7 8 9 10 11 12
6.1K22发布于 2020-06-12 - 来自专栏游戏开发之旅
Unity本地化数据处理
Unity本地化数据处理 unity开发中，我们经常会遇到一些数据需要暂时保存起来，以便下次程序开始时继续使用，这时我们会用到PlayerPrefs数据处理,这里拿我前面开发登录账号的文章举例子说一下， 那时开发我们用到的是将用户的信息写入文件中进行保存，需要的时候再读取出来，更改的时候也要读取对应的数据，然后再将修改好的数据重新写入文件中，这些操作相当频繁，很消耗性能。
1.3K50发布于 2019-12-03 - 来自专栏Spark生态圈
数据本地化及延迟调度
前言 Spark数据本地化即移动计算而不是移动数据，而现实又是残酷的，不是想要在数据块的地方计算就有足够的资源提供，为了让task能尽可能的以最优本地化级别（Locality Levels）来启动，Spark ） PROCESS_LOCAL：进程本地化，代码和数据在同一个进程中，也就是在同一个executor中；计算数据的task由executor执行，数据在executor的BlockManager中，性能最好 NODE_LOCAL：节点本地化，代码和数据在同一个节点中；比如说，数据作为一个HDFS block块在节点上，而task在节点上某个executor中运行；或者是数据和task在一个节点上的不同executor 中，数据需要在进程间进行传输 NO_PREF：对于task来说，数据从哪里获取都一样，没有好坏之分，比如说SparkSQL读取MySql中的数据 RACK_LOCAL：机架本地化，数据和task在一个机架的两个节点上 ，数据需要通过网络在节点之间进行传输 ANY：数据和task可能在集群中的任何地方，而且不在一个机架中，性能最差 这些Task的本地化级别其实描述的就是计算与数据的位置关系，这个最终的关系是如何产生的呢
1.5K20发布于 2018-09-04 - 来自专栏锦小年的博客
Python数据分析(9)-numpy文件读写
numpy提供两种格式的文件读写，分别是npy和txt，前者是numpy自有的一种文件格式，后者是txt格式支持。对应函数：
1.2K20发布于 2019-05-26 - 来自专栏信息无障碍
无障碍工具条本地化安装部署
无障碍工具部署步骤： 以信息无障碍公共服务平台为例，地址：localhost:8080/index.html 步骤一：将canyou文件夹放到 localhost:8080/ 站点指向的服务器目录下 ( 链接代码如下： 无障碍阅读 测试部署是否成功 alt", "网站logo链接").attr("tabindex", "0"); })(); 选择器（selector）路径定位方法，按浏览器f12 注意选择器以.rrbay_body开头 第一种：纯蓝工具条 script> 或者 <script id="rrbayJs" src="/canyou/js/wza.min.js" referrerpolicy="origin"></script> 第二种：黑白黄工具条 bw" referrerpolicy="origin"></script> 第三种：蓝色工具条(历史版本，停止维护升级) 查看效果,打开 localhost:8080/index5.html ， 点击顶部进入无障碍通道
33500编辑于 2024-10-29 - 来自专栏架构驿站
【性能分析】大数据分析工具
大数据是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。 在大数据和大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。 该项目将会创建出开源版本的谷歌Dremel Hadoop工具（谷歌使用该工具来为Hadoop数据分析工具的互联网应用提速）。 “Drill”项目其实也是从谷歌的Dremel项目中获得灵感：该项目帮助谷歌实现海量数据集的分析处理，包括分析抓取Web文档、跟踪安装在Android Market上的应用程序数据、分析垃圾邮件、分析谷歌分布式构建系统上的测试结果等等 多层次的数据视图，确保有效和透明的数据 7. 图形用户界面的互动原型 8. 命令行（批处理模式）自动大规模应用 9. Java API（应用编程接口） 10. 简单的插件和推广机制 11.
1.7K50编辑于 2022-03-25 - 来自专栏FreeBuf
Python工具分析风险数据
小安前言 随着网络安全信息数据大规模的增长，应用数据分析技术进行网络安全分析成为业界研究热点，小安在这次小讲堂中带大家用Python工具对风险数据作简单分析，主要是分析蜜罐日志数据，来看看一般大家都使用代理 数据分析工具介绍 工欲善其事，必先利其器，在此小安向大家介绍一些Python数据分析的“神兵利器“。 Python中著名的数据分析库Panda Pandas库是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建，也是围绕着 Series 和 DataFrame 两个核心数据结构展开的，其中Series 我们有了这些“神兵利器“在手，下面小安将带大家用Python这些工具对蜜罐代理数据作一个走马观花式的分析介绍。 1 引入工具–加载数据分析包 启动IPython notebook，加载运行环境： ? 当然了用Pandas提供的IO工具你也可以将大文件分块读取，再此小安测试了一下性能，完整加载约21530000万条数据也大概只需要90秒左右，性能还是相当不错。
2.2K90发布于 2018-02-24 - 来自专栏信数据得永生
django 1.8 官方文档翻译：9-1-4 格式本地化
格式本地化 概览 Django的格式化系统可以在模板中使用当前地区特定的格式，来展示日期、时间和数字。也可以处理表单中输入的本地化。 注意 Django对于展示数据，使用和解析数据不同的格式。 然而，这对于本地化的值不可能总是十分合适，如果你在输出JavaScript或者机器阅读的XML，你会想要使用去本地化的值。你也可能想只在特定的模板中使用本地化，而不是任何位置都使用。 DJango提供了l10n模板库，包含以下标签和过滤器，来实现对本地化的精细控制。 模板标签 localize 在包含的代码块内开启或关闭模板变量的本地化。 使用localize 模板标签来在大块的模板区域内控制本地化。 unlocalize 强制单一值不带本地化输出。
1.3K20编辑于 2022-11-27 - 来自专栏网罗开发
数据分析工具篇——数据读写
数据分析的本质是为了解决问题，以逻辑梳理为主，分析人员会将大部分精力集中在问题拆解、思路透视上面，技术上的消耗总希望越少越好，而且分析的过程往往存在比较频繁的沟通交互，几乎没有时间百度技术细节。 因此，熟练常用技术是良好分析的保障和基础。 笔者认为熟练记忆数据分析各个环节的一到两个技术点，不仅能提高分析效率，而且将精力从技术中释放出来，更快捷高效的完成逻辑与沟通部分。 本文基于数据分析的基本流程，整理了SQL、pandas、pyspark、EXCEL（本文暂不涉及数据建模、分类模拟等算法思路）在分析流程中的组合应用，希望对大家有所助益。 2、分批读取数据： 遇到数据量较大时，我们往往需要分批读取数据，等第一批数据处理完了，再读入下一批数据，python也提供了对应的方法，思路是可行的，但是使用过程中会遇到一些意想不到的问题，例如：数据多批导入过程中 如上即为数据的导入导出方法，笔者在分析过程中，将常用的一些方法整理出来，可能不是最全的，但却是高频使用的，如果有新的方法思路，欢迎大家沟通。
4K30发布于 2021-04-07 - 来自专栏ShowMeAI研究中心
图解数据分析 | 数据分析工具地图
.png] 基于数据分析目前良好的发展前景，各界也出现了许多好用的功能种类丰富的数据分析工具。 下方是数据分析常用R库： 方向 R库 数据处理 lubridata，dplyr，ply，reshape2，string，formatR，mcmc 统计 方差分析 aov anova 密度分析 density www.bilibili.com/video/BV1uL411s7bt B站视频教程：https://www.bilibili.com/video/BV1Jg411F7cS Microsoft Excel是数据分析中使用最广泛的工具之一 六、Apache Spark 官网：https://spark.apache.org/ 最大的大型数据处理引擎之一，该工具在Hadoop集群中执行应用程序的内存速度快100倍，磁盘速度快10倍，该工具在数据管道和机器学习模型开发中也很流行 七、SAS 官网：https://www.sas.com/zh_cn/home.html SAS是用于数据处理和分析的编程语言和环境，该工具易于访问，并且可以分析来自不同来源的数据。
1.4K51编辑于 2022-02-25 - 来自专栏BI8ESZ
docker 安装MySQL及数据本地化
-p 3306:3306 --name mysql57 -e MYSQL_ROOT_PASSWORD=123456 mysql:5.7 # 查看运行容器 docker ps 2 . docker安装且数据本地化 # 删除容器 ctrl+ｐ+q # 退出容器 docker stop tempMysql # 停止容器 docker rm tempMysql # 删除容器 # 可选(复制数据进新数据库
98640发布于 2019-10-21 - 来自专栏cwl_Java
数据库PostrageSQL-本地化
本地化 本章从管理员的角度描述可用的本地化特性。PostgreSQL支持两种本地化方法： 利用操作系统的区域（locale）特性，提供对区域相关的排序顺序、数字格式、 翻译过的信息和其它方面。 默认情况下，initdb将会按照它的执行环境的区域设置初始化数据库集簇； 因此如果你的系统已经设置为你的数据库集簇想要使用的区域， 那么你就没有什么可干的。 一些区域分类的值必需在数据库被创建时的就被固定。你可以为不同的数据库使用不同的设置，但是一旦一个数据库被创建，你就不能在数据库上修改这些区域分类的值。 LC_COLLATE和LC_CTYPE设置都是在数据库创建时决定的，并且在除了创建数据库之外的操作中都不能被更改。 那些通过分析错误消息来处理服务器端错误的客户端应用很明显会有问题，因为服务器来的消息可能会是以不同语言表示的。 我们建议这类应用的开发人员改用错误代码机制。
1.2K10发布于 2020-12-16 - 来自专栏SAP升级
技术干货 | SAP数据迁移与脱敏实战：SNP TDO工具如何满足数据本地化合规？
SNPTDO工具是一款功能强大的SAP数据刷新&脱敏的解决方案，通过SNP安全、高效且灵活的技术方式。将源系统的数据按照客户的希望刷新到目标系统。 可以灵活地实现数据本地化要求，满足跨国企业数据落地当地国家的要求。 价值实现方法论：是否拥有清晰的“价值路线图”工具，能将SAP功能点与具体的业务指标（如停机窗口时间减少、交付周期缩短）改善挂钩，并提供上线后的持续服务？ SNP特有的实施工具Kyano平台和专业的实施方法论BLUEFIELDTM帮助企业进行数字化转型，包括包括SAP系统升级、SAP系统拆分、系统上云、SAP数据归档、SAP数据集成等等，该方法论可以大幅缩短项目实施周期和停机时间 SNP多款软件已获得SAP认证，包括专业的系统扫描分析工具CrystalBridgeAnalysisExtractor，用于停用旧系统的精益解决方案KyanoDatafridge和自动化归档历史数据的SNPOutboardERPArchiving
19110编辑于 2026-02-02 - 来自专栏张俊红
9种最常用数据分析方法，解决90%分析难题
分享九个数据分析的方法。” 一、关联分析 关联分析，也叫作“购物篮分析”，是一种通过研究用户消费数据，将不同商品之间进行关联，并挖掘二者之间联系的分析方法。 二、对比分析 对比法就是用两组或两组以上的数据进行比较。对比法是一种挖掘数据规律的思维，能够和任何技巧结合，一次合格的分析一定要用到N次对比。 三、聚类分析 聚类分析属于探索性的数据分析方法。 而在数据分析中，这句话可以理解为20%的数据产生了80%的效果，需要围绕找到的20%有效数据进行挖掘，使之产生更大的效果。 六、象限分析 象限法是通过对两种及以上维度的划分，运用坐标的方式，人工对数据进行划分，从而传递数据价值，将之转变为策略。
99131编辑于 2022-09-22 - 来自专栏单细胞天地
OSCA单细胞数据分析笔记9—Clustering
分群是我们分析scRNA-seq的一个工具，是真正开始结合生物学背景知识的开始。我们可以灵活采用不同的算法、分辨率获得我们“满意”的分群结果。 二、基于图聚类的分群 ? 2.2 scran包分群实操 示例数据 sce.pbmc #来源参考原教程 ? 虽然进行生物水平的可解释性不高，但可实现从所有细胞中，抽取k个有代表性表达情况的细胞的目的，用于某些特定的分析场景。 例如 clusterRows {bluster}提供一种联合图聚类与k-均值聚类的方法，可明显的优势是相对于单纯图聚类大大提高了分析速度。 针对大的scRNA-seq数据集，推荐使用approxSilhouette()函数采用近似的方法计算所有细胞的轮廓系数。
2.7K21发布于 2021-07-02 - 来自专栏啄木鸟软件测试
机器学习测试笔记（9）——数据分析
1数据分析步骤 2数据分析方法 3数据分析工具 4机器学习分类 监督学习：有标签 无监督学习：没标签 5 数据分析库 6训练方式与预测方式 7机器学习三要素 7.1模型 7.2策略 7.2.1目标函数 目标函数：f(x) 7.2.2损失函数 目标函数：f(x) Y：真实值 L(Y,f(x)]) =(Y-f(x))2 损失函数值越小，效果越好 7.2.3欠拟合、过拟合 训练数据集上 测试数据集上 拟合 courseId=1209980013&share=2&shareId=480000002205486 性能测试第3季:JMeter工具使用 https://study.163.com/course/courseMain.htm
43930发布于 2021-01-04 - 来自专栏Mac资源随时更新
Prism 9 统计分析绘图工具 注册版下载
Prism 9是一款强大的统计分析绘图工具，帮助您有效的分析、统计并绘制出直观的图形，帮您节省大量的时间，让您更加专注于您的科研！ Prism 9 统计分析绘图工具图片功能综合分析和强大的统计，简化有效地组织您的数据与电子表格或其他科学图形程序不同，Prism有八种不同类型的数据表，专门为您要运行的分析而格式化。 这样可以更轻松地正确输入数据，选择合适的分析并创建令人惊叹的图形。有效地组织您的数据执行正确的分析避免统计术语。 教程数据集还可帮助您了解执行某些分析的原因以及如何解释结果。工作更简单，而不是更难一键式回归分析没有其他程序像Prism那样简化曲线拟合。 对数据和分析的任何更改 - 添加遗漏数据，省略错误数据，更正拼写错误或更改分析选择 - 都会立即反映在结果，图形和布局中。无需编程即可自动完成工作减少分析和绘制一组实验的繁琐步骤。
92520编辑于 2022-08-30 - 来自专栏ShowMeAI研究中心
Python数据分析 | 数据分析工具库Pandas介绍
Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。 Pandas是Python中最常用到的数据操作和分析工具包，它构建在Numpy之上，具备简洁的使用接口和高效的处理效率。 数据科学、机器学习AI应用过程，涉及数据清洗和分析的操作也频繁使用到Pandas。 当我们提到python数据分析的时候，大部分情况下都会使用Pandas进行操作。 成熟的 IO 工具：读取文本文件（CSV 等支持分隔符的文件）、Excel 文件、数据库等来源的数据，利用超快的 HDF5 格式保存 / 加载数据； 时间序列：支持日期范围生成、频率转换、移动窗口统计
2.2K51编辑于 2022-02-25 - 来自专栏叕鰦座
SAP 数据分析工具-1
数据收集（目前只支持json格式） ? ? 2种方式： API方式：GET/POST获取基础数据 url为服务地址，在服务地址下依次从PLATFORM（平台）/PLATTYPE(分类）/DO_TYPE（活动数据）获取所需的基础数据 RFC方式： 根据约定的sessionid 对应 PLATFORM（平台）/PLATTYPE(分类）/DO_TYPE（活动数据）获取所需的基础数据 ? 存储方式：由一张表实现所有数据类型的加密存储（任意JSON转为内表后存储） ? 程序架构： SAP部分： ? 展示结果： ?
80330发布于 2021-03-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号