近期思考这个系列，是把我在工作时、上下班的地铁上，所思所想所惑之处，自问自答的写出来。
虽然不知道未来的路在哪里，还是要给自己信心吧，相信自己比随波逐流更难得可贵吧。

①当地时间，本地时间
在业务上涉及到国际业务，有时候为了统一口径，我们会划拨两类时间，一个是北京时间，一个是对应的各国时间。
Q：但在最近分析的过程中，发现营销数据突然下降的很异常，觉得不太现实，就看看数据来源有没有出错。
A：发现原来是因为统一口径的问题，换算成北京时间看，数据是下降的，但业务时间上数据是正常的，这就是为什么处理数据前要先核实一下取数时间，取数范围。
②pd.cut
Q：之前发了两篇实战，介绍打标签的for循环，但现实中数据量过大，导致千万以上的循环耗时很久，用之前那种方式效率太差。
A：发现了个更简单的方式：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')

x：被切分的类数组（array-like）数据，必须是1维的（不能用DataFrame）；
bins：bins是被切割后的区间（或者叫“桶”、“箱”、“面元”）
right：bool型参数，默认为True，表示是否包含区间右部。比如如果bins=[1,2,3]，right=True，则区间为(1,2]，(2,3]；right=False，则区间为(1,2),(2,3)。
labels：给分割后的bins打标签。labels的长度必须和划分后的区间长度相等，比如bins=[1,2,3]，划分后有2个区间(1,2]，(2,3]，则labels的长度必须为2。
precision：保留区间小数点的位数，默认为3。

##实战例子
a=pd.cut(m['MaxIntimacy'],bins=[0,100,150,300,50000],labels=['宫女','秀女','美人','答应'],right=True)

③透视表组合
Q:实际中当我们做出一个透视表，往往还会涉及到排序和组合，特别是看分布的时候我们会设立一定的区间，比如0-100，101-200，等等

A：我们可以右击，选择组合，设定起止，步长，


④幸存者偏差

幸存者偏差又叫“幸存者谬误”，反驳的是一种常见逻辑谬误，即只看到经过某种筛选之后的结果，忽略关键信息。只看到了一部分幸存者，却没意识到这些幸存者只是极个别的数据。

举个例子：
幸存者偏差”来源于二战中一个著名的故事：
1941年，第二次世界大战中，空军是最重要的兵种之一，盟军的战机在多次空战中损失严重，无数次被纳粹炮火击落，盟军总部秘密邀请了一些物理学家、数学家以及统计学家组成了一个小组，专门研究“如何减少空军被击落概率”的问题。

当时军方的高层统计了所有返回的飞机的中弹情况——发现飞机的机翼部分中弹较为密集，而机身和机尾部分则中弹较为稀疏，于是当时的盟军高层的建议是：加强机翼部分的防护。
但这一建议被小组中的一位来自哥伦比亚大学的统计学教授——沃德（Abraham Wald）驳回了，沃德教授提出了完全相反的观点——加强机身和机尾部分的防护。
那么这位统计学家是如何得出这一看似不够符合常识的结论的呢？
沃德教授的基本出发点基于三个事实是：（1）统计的样本只是平安返回的战机；（2）被多次击中机翼的飞机，似乎还是能够安全返航；（3）而在机身机尾的位置，很少发现弹孔的原因并非真的不会中弹，而是一旦中弹，其安全返航的机率极小，即返回的飞机是幸存者，仅仅依靠幸存者做出判断是不科学的，那些被忽视了的非幸存者才是关键，他们根本没有回来！
Q：如何在数据分析的过程中，避免只看选择后的结果
A：第一、必须确保从总体中抽取的样本是完全随机的，样本和剩余样本不存在显著差异。
第二、如果一组数据中缺少了一些必要情况下的数据，那么对这组数据进行分析从而得出的结论往往是不可靠的，因为这些数据是通过某种预选过程筛选后“存活”下来的结果。
第三、在收集数据时要着眼全局，从多个维度展开分析。
⑤平均数、分布、分位数
举个例子：当我们发现V8以上的玩家第一大额付费平均是在注册XX天的时候，但有可能这个平均值是被某个玩家拉高或拉低，

现实中样本常常是不均匀的，不符合正态分布的，很多时候平均值只能用作整体的一个参考，细节都需要看具体分布才可以得到
Q：当我们拿到一个比较图，看看不同等级的人群会在注册后几天付费，数据分布很不均匀，从图上也很难得到很具体的数值。

即使很多时候我们看了分布，但想要拿取一个比较准确的数值，就会需要用到分位数的概念

分位数（Quantile），亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数（即二分位数）、四分位数、百分位数等

A：这时候我们可以拉分位数看看，

注：如果25%，50%，75%分位数看不到自己想要的结果，就看10-90分位。
⑥关于什么时候用什么类型的图合适
Q：现实中我们会思考如何用最合适的图展示我们得到的数据，让业务部门能够一眼看出关键点。
A:在知乎上看到这个网友的回答：
海洋图：适合非常长的时间段，观察数据的变化，比如一年来的DAU变化。
有多个标题的共同图表：适合季度数据的对比，
树状图：适合多个类目比较，比如最喜爱的商品前10，比如员工的籍贯都是哪里
饼图：只有类目小于4类的时候展示比较有用，其余还不如用条形图或柱状图代替
折线图：时间，或者等级顺序，有次序的类别比较适合。
⑦postgresql如何保留小数位
Q：常常在数据库会涉及到占比之类的计算，此时没有小数位会很头疼
A：使用round(x,y)，x代表数据，y代表位数
但因为常常我们是用整列进行运算，需要再用cast进行一次转换才可

## round(cast(A as numeric )/cast(B as numeric ),2)
select round(cast(字段名称 as numeric )/cast(字段名称 as numeric ),4) as 占比 from 数据表名称
4表示保留4位小数

⑧什么时候是除以参与人数，什么时候除以真正有玩（购买）人数
Q：实际中，比如以有消耗特殊道具参与游戏，我们想看整个游戏中人均消耗特殊道具数量，我们是除以总参与人数，还是除以真正那些少数有消耗过道具的人数呢？
A：其实因为这个“人均”表示的意义不一样，我们的数值模拟和估算预期，常常是看整体参与人数，此时的人均就是被那些使用数量为0的人分摊了，表示所有的参与人中，大概一个人会用几个。如果此时几种特殊道具人均都是0.1，0.2这种，就需要看那些真正买了的人，他们的购买深度是怎样的。
总之，正常分析都是先看整体均值（含大量被0分摊的数据），如果得不到结论就看那些有买过的人，他们的购买深度
⑨如何写好一份埋点案
Q：埋点，就是埋下一个个传感器的感觉，将你所需要记录人的行为关键点，记录下来。
中间表和点位信息，就是埋点案中比较关键的东西。
A：关于中间表，
我的建议是
首先，先想好自己要分析什么方面，一定要和产品、运营多沟通，看关键点就好。
其次，想好最终报表格式，分为维度+指标，从哪几个维度，比如区域、日期、等级、购买金额、注册时长、普通场/高级场等等，指标看主要道具消耗，参与人数、活跃人数等等。
最后通过方面+维度+指标，整合你的中间表，比如玩家维度表，活动维度表，确定好唯一值，是一个玩家一个数据，还是一个玩家一个产品id一个数据，还是一个VIP段一个数据。
关于点位：
其实就是你怎么通过计算得到你中间表上所有字段的信息，点位会更细分。点位就涉及到群体的行为，从关键行为出发，比如点击弹窗的，需要返回的数据有：点击时间，role_id，来源途径（上一步是从哪个窗口进入的，道具id，玩家血量等等你想在这一时刻记录的数据，最终可通过对日志的计算得到中间表数据，用来给业务方和技术部门做沟通。