我的创作纪念日

目录

1.机缘

2.收获

3.日常

4.成就

5.憧憬

---

1.机缘

加入CSDN的时间是2017年10月4日，一转眼快17年了，但是开始创作的日子才128天。开始注册的时候就是为了下载资源，后来也充值，也上传一些资源，中途有段时间没上来，直到2024年3月，回归CSDN，并开始创作。

---

2.收获

在创作的过程中，到目前共有156篇文章，收获了一百多万的阅读量、5000多粉丝、600多铁粉，2000多排名，也很荣幸成为了全栈领域优质创作者。也要感谢CSDN中各位好友的支持，大家一起交流技术问题，也有一些充满活力的大学生，写文章的效率很高，这是值得我学习的地方。

---

3.日常

在128天的创作过程中，创作已经成为了我生活的一部分，每天都要登录进来看看评论、私信啥的。

在有限的精力下平衡创作与工作学习，我通常采取以下策略：

---

4.成就

在128天的创作过程中，文章居多，代码也有，这里列举一部分。

在用户的流失预测分析中，截取部分代码。

data['MultipleLines'].replace('No phone service','No',inplace=True)

internetCols = ['OnlineSecurity', 'OnlineBackup', 
                'DeviceProtection', 'TechSupport', 
                'StreamingTV', 'StreamingMovies']

for col in internetCols:
    data[col].replace('No internet service','No',inplace=True)

#将特征元素为Yes和No组成的特征进行特征值化操作:map映射
cols = ['Partner','Dependents','PhoneService','MultipleLines','OnlineSecurity', 
        'OnlineBackup', 'DeviceProtection', 'TechSupport', 'StreamingTV', 'StreamingMovies','PaperlessBilling']
for col in cols:
    data[col] = data[col].map({'Yes':1,'No':0})

#对性别gender进行特征值化：map映射
data['gender'] = data['gender'].map({'Male':1,'Female':0})

#将剩下的非数值型特征（组成元素大于两个）进行特征值化
cols_name = ['InternetService','Contract','PaymentMethod']
ret = pd.get_dummies(data[cols_name])
data = pd.concat((data,ret),axis=1).drop(columns=cols_name)
data.head()

在通信行业办理活动分析中，截取部分代码。

from pyecharts.charts import Line
from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(['2019年9月','2019年10月','2019年11月'])
bar.add_yaxis('外呼接通率', df3['外呼接通率'].map(lambda x: float(x.strip('%'))).tolist(),gap="0%")
bar.add_yaxis('有效接通率', df7['有效接通率'].map(lambda x: float(x.strip('%'))).tolist(),gap="0%")
bar.add_yaxis('有效接通渗透率', df8['有效接通渗透率'].map(lambda x: float(x.strip('%'))).tolist(),gap="0%")
bar.set_global_opts(
                    title_opts=opts.TitleOpts(title="外呼接通及渗透情况",pos_left="center"),
                    legend_opts=opts.LegendOpts(pos_top="5%"),
                    yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} %"),max_=100),
                    tooltip_opts=opts.TooltipOpts(formatter="{a}: {c}")
                    )
bar.extend_axis(yaxis=opts.AxisOpts(type_="value", position="right",))
bar.render_notebook()

 在广告投放分析中，截取部分代码。

#在3种广告中interest 值为多少的人点击率最高？
#点击率：点击量/曝光量
ret = data.groupby(by=['xyz_campaign_id','interest'])['Clicks','Impressions'].sum()
for ad_id in data['xyz_campaign_id'].unique():
    #ad_id就一次表示916,936和1178这三种广告的唯一标识
    ad_id_df = ret.loc[ad_id] #取出了不同广告对应的行数据
    #计算广告的点击率
    click_rate = (ad_id_df['Clicks'] / ad_id_df['Impressions']).sort_values(ascending=False).head(1)
    print('广告%d中%d类别的兴趣标签的点击率最高，为%f'%(ad_id,click_rate.index.values[0],click_rate.values))

---

5.憧憬

创作规划，简单来说就是，3年后成为博客专家。为实现与时俱进、一专多能的目标而努力奋斗。