databook

如何使用 Bash 进行数据清洗你可能经历过这样的场景：拿到一个 CSV，以为只是删几行、改几列，结果打开一看：空值、重复、负金额、Windows 换行符，全挤在一起。

Python 常用统计图表实战指南在日常工作和生活中，我们经常会遇到各种各样的数据：每月的外卖账单、每天的步数记录、工作时长与咖啡消耗量……如果只看一堆密密麻麻的数字表格，很容易让人眼花缭乱。

异常值检测与处理方法总结先别被“数据科学”这几个字吓到。异常值其实天天出现在我们身边：这些“画风突变”的数据点，就是我们今天要抓的“显眼包”——异常值（Outlier）。

正态分布撒谎时：用柯西分布捕捉生活中的“黑天鹅”你有没有遇到过这样的怪事？如果你用我们熟悉的正态分布（钟形曲线）来套这些场景，它会告诉你：“堵车 2 小时的概率低到几乎不可能，简直是个错误数据。”

Beta 分布：如何用“成功”和“失败”来预测下次尝试想象一下这个场景：明天你要去一家新开的网红餐厅。你翻开点评软件，看到过去 10 个人里，有 7 个人给了好评。

几何分布：从“等一个结果”开始你有没有过这样的经历？这些场景背后，都藏着一个共同的概率模型——几何分布（Geometric Distribution）。

用 Python 计算联合概率和条件概率概率论听起来像是数学课本里枯燥的公式，但实际上它无处不在——你早上出门前纠结“要不要带伞”，本质上就是在做一次概率判断。

如何对稀疏数据的场景进行分析稀疏数据指数据点中大部分为零或空值的数据集。典型应用场景包括：Netflix用户评分（大部分电影未被观看）、社交媒体连接（每人只认识一小部分用户）、电商用户与产品的交互记录。

Python 中 10 个最常用的统计函数刚入行数据科学，面对成堆的数据和模型，往往最先卡在“算个平均值都要翻文档”这一步。别急，Python 标准库 statistics 模块就能帮你搞定 80% 的日常统计需求。

如何快速构建一个数据科学应用？从零到上线写给数据科学新手的完整实战指南本文将介绍如何将一个在 Jupyter Notebook 中训练好的机器学习模型，转化为一个真正的 Web 应用，以便与同事或老板在线分享和体验。

用递归消除法优化“特征子集”机器学习的模型训练中，特征不是越多越好，而是要找到那个 "刚刚好"的子集。今天介绍的方法 "简单粗暴"，通过递归的方式，不断淘汰一个个特征，直到找到那个最优的 "特征子集"。

基于模型的重要性评分进行“特征排序”前几篇介绍了使用方差阈值，相关性分析以及统计检验等方式来过滤特征，这些方法都有一个共同点，就是由人来决定如何打分。

用统计检验来确定“重要特征”在做机器学习建模的时候，经常遇到一个让人头疼的问题：手上有几十甚至上百个特征，到底哪些该留、哪些该丢？

用相关性分析消除“冗余特征”刚开始学机器学习时，我也像大部分人一样，有个很朴素的想法：特征越多，模型能学到的信息就越多，效果自然越好。

用方差阈值过滤掉“惰性特征”在机器学习实战中，我们常常把精力花在调参和选模型上，却忽略了一个更基础的问题：喂给模型的数据里，有多少特征是真正有用的？

当散点图不够用时：用 t-SNE 可视化多维数据在数据分析的工作中，我们经常会遇到这样一个问题：如何把数据的“样子”展示给别人看？如果数据只有两个维度，事情很简单——画一张散点图就好了。

用SymPy自动因式分解：从面积拼图到代数恒等式大家好，今天要解决一个痛点是关于因式分解公式的。直接说问题：用 Manim 展示 $ x2 + 5x + 6 = (x+2)(x+3) $ 的“十字相乘”面积模型，你需要先想好怎样把大矩形拆成四块$ (x^2)、(2x)、(3x)、(6) $，再手动计算每一块的边长和位置。

用SymPy自动求解追及问题的方程做追及问题动画时，需要根据题意列方程求出相遇时间，再手动计算两个物体在每个时刻的坐标。题意中速度、初始距离、出发时间差这些参数一改变，就得重新手算一遍，整个过程繁琐且易错。

用SymPy自动求解三角形构造与全等条件验证做 Manim 动画演示三角形全等判定定理时，我需要根据给定的边长或角度条件，在坐标系中精确放置三角形的三个顶点。

用SymPy自动计算抛物线求根、判别式与顶点做 Manim 动画时，我想让抛物线 $ y=x^2+bx+2 $随着系数 b 的变化，自动、精准地显示它与 x 轴的交点。