导读：在进行数据分析和建模的过程中，大量的时间花在数据准备上：加载、清理、转换和重新排列。本文将讨论用于缺失值处理的工具。缺失数据会在很多数据分析应用中出现。pandas的目标之一就是尽可能无痛地处理缺失值。作者：韦斯·麦金尼（WesMcKinney）译者：徐敬一来源：大数据DT（ID：hzdashuju）pandas对象的所有描述

↑点击上方“凹凸数据” 关注星标 每天更新，干货不断  （多图预警）注：这是小五一年前在知乎的回答，当时还只有凹凸数读一个公众号，所以很多图片都会带有数读或者知乎的水印。作为一个菜鸟数据分析师，只会sqlpython业余时间写写文章：用python爬取数据→数据清洗→数据分析→数据可视化词云镇楼20190730回来看，前面

转眼就到了年末，一大票朋友来找我抱怨工作的事。大家的痛点因人而异，但是其中却有一些“职场通病”，今天就集中分享下，看看又有多少打工人被戳中。电商运营小林，职龄2年到了年底就抓狂！各种活动方案让人头秃，每次策划前都要央求着数据分析专员帮忙提供一些数据，每次都很被动，我自己要是会数据分析多好！还至于

全球著名技术分析机构DCIG发布了最新的《DCIG2020年2021年全闪存阵列购买指南》。不出意外，华为OceanStor全闪存占据C位，位列最佳推荐榜首，超越其他所有竞争对手。一直以来，DCIG购买指南都从最终用户的角度针对数据中心各种产品特性进行客观的第三方评估、排名，为用户提供全面、深度的产品技术采购分析及建议，是全球数据中心用户在采购基础设

本文源码：GitHub·点这里(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fgithub.com%2Fcicadasmile%2Fmiddlewareparent)||GitEE·点这里(https://gitee.com/cicadasmile/middleware

本文源码：GitHub·点这里(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fgithub.com%2Fcicadasmile%2Fmiddlewareparent)||GitEE·点这里(https://gitee.com/cicadasmile/middleware

!(https://oscimg.oschina.net/oscnet/b5fe5e4805377393d579ec6ab76f50eb5fd.gif)关注“Java艺术”一起来充电吧!上篇我们分析了服务提供者处理一个请求的全过程，当然，是跳过信息交换层和传输层的。本篇继续分析服务提供者发起一个远程RPC调用的全过程，也是跳过信息交换层和传输层

如何恰当地处理数据量庞大的Excel文件，避免内存溢出问题？本文将对比分析业界主流的Excel解析技术，并给出解决方案。

1问题回顾1.1问题描述在项目的性能测试中，相关的接口的随着并发数增加，接口的响应时间变长，接口吞吐不再增长，应用的CPU使用率较高。1.2分析思路谁导致的CPU较高，阻塞接口TPS的增长？接口的响应时间的调用链分布是什么样的，有没有慢的点？1）使用火焰图