数据产品经理该懂的python技术
一、Python介绍
小奈:其实你们写的代码好像有不同派系的?
大仁:你是说编程语言?我来介绍下吧,我们来看下GitHub(程序员同城交友、代码协作平台)的数据,看下各种编程语言 Pull Requst的数据, Javascript的提交量最高,前端的鼎盛时期,python则处于飞速上升中,很有潜力。Java一直很稳,常年占据了后端主流编程语言第一。
二、Python热度为何持续上涨?
python可以用来干什么呢?
- 后端开发语言,常见开发架构django;
- 数据分析,常用库,pandas;
- 爬虫,scrapy;
- 人工智能,tensorflow。
人工智能和数据分析,近年来需求持续攀升,这方面人才待遇也是水涨船高,既然python那么能干,热度自然飞速上涨。
三、爬虫
说到数据分析,我们不得不说下数据来源,一般是内部数据,也有外部数据,外部数据的获取有很多种,最常见的方式就是爬虫了。
爬虫基于robots协议可以公开爬去网络上的信息。
1.爬虫工作原理
python中有成熟的爬虫框架(scrapy、bs4),只要你给爬虫一个网址,它就可以去爬取,和输入url类似却又不同,不同的是爬虫会把这些html文件里有用的信息抓取回来,而且爬虫可以爬取该网站相关的其它链接,像是daquan里的abc、123、456等。
小奈:爬取别人的信息会不会违法?
大仁:看你怎么爬取,其实有个爬虫协议(robots),每个网站都可以声明,其实就是声明哪些文件可以、哪些不可以,下面以淘宝网的robots.txt为例:
User-agent: Baiduspider
Allow: /article
Allow: /oshtml
Disallow: /product/
Disallow: /
遵循robots协议后,爬取的数据不用于商用,基本上没事,商用的话目前还是灰色地带,混沌蛮荒阶段。(抛砖引玉,求专业人士解答下)
2.淘宝对百度的屏蔽
当年还可以在百度里搜索到淘宝商品信息,后来淘宝决定对搜索引擎实施不同程度的屏蔽,那时候淘宝体量还没那么大,屏蔽百度,会少了很多站外流量。
但是这个关键性的决定,让用户心智统一(淘宝里才可以搜索商品),后面现金流般的淘宝广告就更不说了,站在当时,很考验产品决策人。
3.搜索引擎
爬虫似乎和搜索引擎密切相关,是的,是时候来科普下,搜索引擎的工作原理。
假如你在“JackSearch”这个搜索引擎里,输入“产品经理”,那么当你点击搜索时,服务器就会去数据库查找,返回相关的文件信息,那么你就会问,这些文件是哪来的?
是爬虫们去网页世界里爬取的。
当然,搜索引擎远比这个复杂,爬虫抓取回来的信息,还需要存储,建立索引,这个推荐一本书《Luence》。
4.数据产品经理(ex-developer)常用工具
在上古时代,Unix系统连界面都没有,程序员都还是用vi来写代码的,就是密密麻麻黑乎乎的命令行状态。到了今天,依然有部分极客只用命令行(terminal)来写代码,然后现在生活条件好了,大部分程序员都是用集成开发环境,这样子可以提高效率,省下不少脑力。
5.PyCharm (python的集成开发环境)
- 数据库工具:navicat(for mysql)、robomngo(for mongodb)
- 后端开发工具:jetbian公司系列,webstorm(for JavaScript)、pycharm(for python)
- 代码管理工具:sourcetree(for git)、svn
- 原型工具:axure、墨刀、etc
简单介绍下pycharm,大概长这样子,左边是项目文件(1.py , 2.py), 主界面是文件代码编写窗口,底部是调试窗口。
6.爬虫框架scrapy
Scrapy:Python开发的一个快速、高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛,可以用于数据挖掘、监测和自动化测试。
这里不得不说下,scrapy是分布式爬虫框架,如何理解?上次也有介绍分布式,分布式就是假如100只爬虫,今天的任务是爬取100本小说,那么如果一百台机器,机器上各有一只,每只爬不同的一部小说,那就是分布式。
分布式爬虫方便性能扩张,极大提高程序的抓取效率。
7.爬虫实践
- 新建工程 scrapy startproject tutorial;
- 创建爬虫 scrapy genspider -t xxx.com;
- 修改settings.py,在settings.py中修改DEFAULT_REQUEST_HEADERA和USER_AGENT;
- 定义item:DemoItem(scrapy.Item);name = scrapy.Field();title = scrapy.Field();link = scrapy.Field();info = scrapy.Field()
- 编写spider爬虫逻辑;
- 储存到数据库(mysql、mongodb、etc)。
8.不想写爬虫又想抓数据?
当然可以的,常见有八抓鱼、火车头之类。八爪鱼有一些优势,比如学习成本低,可视化流程,快速搭建采集系统;能直接导出excel文件和导出到数据库中;降低采集成本,云采集提供10个节点,也能省事不少。
四、数据分析告诉你,天龙八部在讲什么?
小奈:那python在数据分析工作中,如何发挥作用呢?
大仁:数据分析可以用python、r、第三方分析工具,都可以,但最主要还是结合业务,要有分析思路,这个就要求有业务经验了,我举个例子吧,我常看小说,就以天龙八部为例子吧。
“天龙八部”是哪八部?“天龙八部”都是“非人”,包括八种神道怪物,因为以“天”及“龙”为首,所以称为“天龙八部”。
八部者,一天,二龙,三夜叉,四乾达婆,五阿修罗,六迦楼罗,七紧那罗,八摩呼罗迦。
看完介绍,还是不懂,没关系,今天主要讲的是,用数据分析天龙八部里高频词语、人物关系、(关系真的很复杂,电脑都跑的发烫,瑟瑟发抖)以及究竟在讲啥?
1.自己?
看到下面的词云,为什么“自己”这个词,那么高频?估计和写作人称有关,上帝视角?(有点不解,求天龙粉解答)
乍看之下,段誉词频(1551)最高,其实要结合“业务”,实则乔峰才是正主。要从乔峰的身世说起,开头中,乔峰是丐帮帮主,后身世揭破,契丹人也,改名萧峰。
所以乔峰的词频(1900+)=乔峰(963)+萧峰(966)。
从词语中,我们可以看出,写作手法,乔峰(段誉)听/笑/呆/动词,所以人物+动词。
2.人物关系图
故事有好多条主线。
(1)寻仇:
其中虚竹和乔峰,为什么关系最亲密?因为虚竹的爸是杀死乔峰的爸的带头大哥,寻仇是小说的主线之一。
(2)段正淳恋爱史:
从另一角度看,可以说是,大理镇南王,段正淳恋爱史,他和几位女人谈恋爱,并生下的都全都是女儿,女儿再一个个和段誉谈恋爱,搞得段誉很痛苦,最后发现自己不是亲生的故事。
总结来说:故事是由“慕容博”和“段正淳”,两位大Boss挑起的,各负责一条主线:
- 慕容博想光复燕国,才策划杀死萧家,企图引起两国战乱,引起萧父报仇;
- 镇南王,则是负责拈花若草,一身情债,一个人很爽,搞得很多人很痛苦,最后自杀。
五、实战
1.词云
这里主要用到了两个库:jieba分词用的,wordcloud词云用,matplib显示用。
- 下载小说txt文件;
- 准备一张mask(遮罩)图片;
- 字体;
#coding:utf-8
from os import path
from collections import Counter
import jieba
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from wordcloud import WordCloud, STOPWORDS
if __name__==’__main__’:
#读取文件
d = path.dirname(__file__)
pardir = path.dirname(d)
pardir2 = path.dirname(pardir)
cyqf = path.join(pardir2,’tlbbqf/’)
text = open(path.join(d,’tlbb.txt’), encoding=”utf-8″, errors=”surrogateescape”).read()
jieba_word = jieba.cut(text, cut_all=False) #cut_all 分词模式
data = []
for word in jieba_word:
data.append(word)
dataDict = Counter(data)
with open(‘./词频统计.csv’, ‘w’, encoding=’utf-8′) as fw:
for k,v in dataDict.items():
fw.write(“%s,%d\n” % (k,v))
mask = np.array(Image.open(path.join(d, “mask.png”)))
font_path=path.join(d,”font.ttf”)
stopwords = set(STOPWORDS)
wc = WordCloud(background_color=”white”,
max_words=2000,
mask=mask,
stopwords=stopwords,
font_path=font_path)
# 生成词云
wc.generate(text)
# 生成的词云图像保存到本地
wc.to_file(path.join(d, “wordcloud.png”))
# 显示图像
plt.imshow(wc, interpolation=’bilinear’)
plt.axis(“off”)
plt.show()
2.人物关系图
(1)统计词频
text = open(path.join(d,'tlbb.txt'), encoding="utf-8", errors="surrogateescape").read()jieba_word = jieba.cut(text, cut_all=False) #cut_all 分词模式data = []for word in jieba_word:data.append(word)dataDict = Counter(data)
(2)计算人物之间矩阵关系
(3)用gephi画出人物关系
首先是导入关系图,逗号、矩阵、utf-8;
然后就是箭头,第一个是显示节点信息,第二、三是调整连线的粗细、颜色;
点击某个节点,例如段誉,可以侧重显示他的人物关系。
六、最后
数据分析产品经理,该具备什么素质?
最核心的当然是分析经验/思路,但是基本的数据分析能力还是得有,最常见的就是Python或R,这里推荐下python吧,动手能力强的话可以做点其它的。
接下来会带来,一些机器学习的东西,不知道大家有没有兴趣?
人工智能,比较有趣的一个方向,大家一起努力吧。
数据产品经理该懂的python技术相关推荐
- python产品经理_数据产品经理该懂的python技术
本文作者详细介绍了python技术,一起来学习一下~ 一.Python介绍 小奈:其实你们写的代码好像有不同派系的? 大仁:你是说编程语言?我来介绍下吧,我们来看下GitHub(程序员同城交友.代码协 ...
- 前端H5怎么切换语言_第一章 产品经理必懂的前端技术- 上
产品经理为什么要懂一些前端技术? 当前端H5工程师说CSS时,你是否知道他在表达什么? 当andriod工程师说这个文本要用TextView时,你是否明白TextView是什么? 当ios工程师说这个 ...
- 产品经理要懂的「技术那些事」
本文由作者 Alto 于社区发布 产品经理是否要懂技术?要懂到什么程度? 非技术背景如何与研发沟通?工程师口中的"黑话"到底是什么意思? 本文是书籍<产品经理必懂的技术那点事 ...
- AI产品经理必懂5种技术关系
http://www.woshipm.com/pmd/1629952.html AI产品经理在对于AI技术上都会有迷茫和焦虑,那么AI产品经理需要了解技术关系有哪些呢? 产品经理面临对AI技术都有迷茫 ...
- java产品经理_产品经理必懂的技术那点事儿:成为全栈产品经理
资料目录: 1 产品思维与技术思维 1 1.1 产品经理为什么要懂技术 1 1.2 产品经理和工程师分别是干什么的 3 1.3 产品设计中需要注意的技术边界 5 1.4 工程师的 ...
- 数据产品经理基础技能:数据需求说明文档怎么写?
公众号后台回复"图书",了解更多号主新书内容作者:草帽小子来源:一个数据人的自留地 作者介绍 @草帽小子 数据产品经理一枚~ 用户画像.埋点.指标体系.BI.广告投放等系列文章作者 ...
- 产品功能树图_数据产品经理之图表设计
本文介绍了数据产品经理需要懂的常用图表设计,并针对19种图表的定义.适用场景.优缺点,进行了分析说明. 概述 数据产品经理在日常产品设计时经常需要设计一些图表来对数据进行更好的展现,也能方便用户更好的 ...
- 产品经理必懂的技术那点事儿 pdf_产品经理10大基础技能(5):读透神经网络和机器学习...
本篇先介绍许多热门的行业均在产生AI产品经理岗位的需求,再详细介绍AI产品经理必懂的AI技能,接着撰写什么是神经网络?什么是机器学习?最后用一个案例详细拆解AI产品经理如何用机器视觉识别手写字体的整体 ...
- 软件工程中需要学习和掌握的软件都有哪些_9个B端产品经理需要懂的技术
B端产品经理需要懂技术,在互联网行业已经是一个共识.那产品经理究竟需要懂哪些技术呢?本文介绍了九个产品经理需要了解的技术,与大家分享! B端产品经理需要懂技术,在互联网行业已经是一个共识. 毕竟互联网 ...
最新文章
- 分享 10 道 Nodejs 进程相关面试题
- JS日期时间加减实现
- 7.16 10.19-10.22
- 【CodeForces - 298C】Parity Game (思维,有坑)
- uva oj 567 - Risk(Floyd算法)
- python与linux关系_如何处理Linux / Python依赖关系?
- 金山办公科创板过会 雷军有望迎来实控第三家上市公司
- Cairngorm 3 libraries 简介 是通过google翻译加上自己的理解得来的
- EF 4.3 Code-Based Migrations
- STM32库函数: GPIO部分代码细究1
- 网络爬虫:中国大学排名定向爬虫
- 基于jsp、ssm企业工资管理系统
- 经济学原理 下载 曼昆_22考研必看,上海财经的大学801经济学报录比及考情分析(超详细)...
- 使用JS判断日期的有效性
- python读书心得体会范文_读书心得体会范文10篇
- 杭电OJ第11页2075~2079算法题(C语言)
- [PAT A1044]Shopping in Mars
- live555库安装_基于live555的rtsp播放器:开发环境配置
- 【会议分享】2022年智能车国际会议(ICoIV 2022)
- 实验一 网络对抗技术