rapidminer中怎么設(shè)置保留小數(shù)位數(shù)？打開(kāi)文件，再點(diǎn)擊左上角工具欄，你選擇數(shù)字，再點(diǎn)擊到里面就這個(gè)可以你選保留數(shù)字位數(shù)數(shù)據(jù)分析需要用什么技術(shù)？java還python好一點(diǎn)？我猜樓主問(wèn)這個(gè)問(wèn)題，主

rapidminer中怎么設(shè)置保留小數(shù)位數(shù)？

打開(kāi)文件，再點(diǎn)擊左上角工具欄，你選擇數(shù)字，再點(diǎn)擊到里面就這個(gè)可以你選保留數(shù)字位數(shù)

數(shù)據(jù)分析需要用什么技術(shù)？java還python好一點(diǎn)？

我猜樓主問(wèn)這個(gè)問(wèn)題，主要那就對(duì)數(shù)據(jù)分析技術(shù)不太了解

先說(shuō)結(jié)論：

要是你是想堆建求全部的數(shù)據(jù)分析解決方案，從存儲(chǔ)，數(shù)據(jù)處理和清洗，講，可視化，那就用java，要知道java這塊解決方案和框架相對(duì)多，諸如hadoop,spark,flink等

如果不是你只不過(guò)是純數(shù)據(jù)分析，數(shù)據(jù)集都很單個(gè)體，比如想急速在excel或數(shù)據(jù)庫(kù)中，檢索，網(wǎng)上查詢，提煉自己想要的數(shù)據(jù)，就用python

我們來(lái)去看看目前企業(yè)對(duì)數(shù)據(jù)分析的需求吧：

20%的數(shù)據(jù)可以發(fā)揮著80%的業(yè)務(wù)價(jià)值；

80%的數(shù)據(jù)請(qǐng)求只對(duì)于20%的數(shù)據(jù)。

從目前來(lái)看，反正是數(shù)據(jù)存儲(chǔ)處理、分析肯定挖掘，最發(fā)下和晚熟的生態(tài)圈那就基于條件關(guān)系型數(shù)據(jù)庫(kù)，例如報(bào)表、聯(lián)機(jī)分析等工具；另那就是數(shù)據(jù)分析人員更側(cè)重于網(wǎng)站查詢分析語(yǔ)言如SQL、R、Python數(shù)據(jù)分析包而又不是編程語(yǔ)言。

企業(yè)大數(shù)據(jù)建設(shè)的二八原則是，將20%最有價(jià)值的數(shù)據(jù)——以結(jié)構(gòu)化的形式讀取在關(guān)系型數(shù)據(jù)庫(kù)中供業(yè)務(wù)人員進(jìn)行查詢和分析；而將80%的數(shù)據(jù)——以非結(jié)構(gòu)化、各種形式讀取在相對(duì)于廉價(jià)的Hadoop等平臺(tái)上，供有當(dāng)然數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)分析師或數(shù)據(jù)工程師參與下一步怎么辦數(shù)據(jù)處理。經(jīng)加工的數(shù)據(jù)這個(gè)可以以數(shù)據(jù)集市或數(shù)據(jù)模型的形式存儲(chǔ)在NoSQL數(shù)據(jù)庫(kù)中，這都是后面要講過(guò)的“離線”與“在線”數(shù)據(jù)。

數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)，是事務(wù)型數(shù)據(jù)到分析型數(shù)據(jù)的轉(zhuǎn)變，總結(jié)型數(shù)據(jù)不需要包括的是：總結(jié)的主題、數(shù)據(jù)的維度和層次，以及數(shù)據(jù)的歷史變化等等。而對(duì)大數(shù)據(jù)平臺(tái)來(lái)說(shuō)，對(duì)分析的需求會(huì)最細(xì)，除了：

網(wǎng)站查詢：快速響應(yīng)配對(duì)組合條件查詢、模糊查詢、標(biāo)簽

搜索：以及對(duì)非結(jié)構(gòu)化文檔的搜索、返回結(jié)果的排序

統(tǒng)計(jì)數(shù)據(jù)：實(shí)時(shí)動(dòng)態(tài)思想活動(dòng)變化，如電商平臺(tái)的在線銷(xiāo)售訂單與發(fā)貨換算出的庫(kù)存顯示

挖掘：接受挖掘算法、機(jī)器學(xué)習(xí)的訓(xùn)練集

根據(jù)完全不同的數(shù)據(jù)處理需求，可能需要設(shè)計(jì)差別的數(shù)據(jù)存儲(chǔ)，還要決定如何飛快地將數(shù)據(jù)剪切粘貼到隨機(jī)的存儲(chǔ)點(diǎn)并進(jìn)行比較好的結(jié)構(gòu)轉(zhuǎn)換，以供分析人員快速響應(yīng)業(yè)務(wù)的需求。

JAVA技術(shù)棧：

Hadoop三個(gè)分布式系統(tǒng)基礎(chǔ)架構(gòu)。

幫忙解決了大數(shù)據(jù)（大到一臺(tái)計(jì)算機(jī)沒(méi)能并且存儲(chǔ)，一臺(tái)計(jì)算機(jī)不能在具體的要求的時(shí)間內(nèi)參與處理）的可靠存儲(chǔ)(HDFS)和處理(MapReduce)。

Hive是建立在Hadoop之上的，不使用Hadoop才是底層存儲(chǔ)的批處理系統(tǒng)。（也可以表述為MapReduce的一層殼）

Hive是替下降MapReducejobs的c語(yǔ)言設(shè)計(jì)工作。

HBaseHBase是一種Key/Value系統(tǒng)，它啟動(dòng)在HDFS之上。

Hbase是目的是解決Hadoop的實(shí)時(shí)性需求。

Spark和StormSpark和Storm全是不分地區(qū)的并行計(jì)算框架。

解決的辦法Hadoop只適用于離線數(shù)據(jù)處理，而不能不能需要提供實(shí)時(shí)數(shù)據(jù)處理能力的問(wèn)題。

區(qū)別：

1.Spark基于條件這樣的理念，當(dāng)數(shù)據(jù)龐大時(shí)，把計(jì)算過(guò)程傳信給數(shù)據(jù)要比把數(shù)據(jù)傳信給換算過(guò)程要更富效率。而Storm是把數(shù)據(jù)傳信給計(jì)算過(guò)程。

2.實(shí)現(xiàn)設(shè)計(jì)理念的不同，其應(yīng)用領(lǐng)域也相同。Spark工作于2個(gè)裝甲旅的數(shù)據(jù)全集（如Hadoop數(shù)據(jù)）也被導(dǎo)入Spark集群，Spark設(shè)計(jì)和實(shí)現(xiàn)intomemory管理可以不通過(guò)快訊掃描，并最大化窗口迭代算法的全局I/O不能操作。Storm在閃圖一次性處理內(nèi)的生成的“小數(shù)據(jù)塊”上要更好（諸如在Twitter數(shù)據(jù)流上實(shí)時(shí)計(jì)算一些匯聚功能或分析）。

Python技術(shù)棧

幾張圖一切都搞定

python技術(shù)棧