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

rapidminer中怎么設置保留小數(shù)位數(shù)？

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

數(shù)據(jù)分析需要用什么技術？java還python好一點？

我猜樓主問這個問題，主要那就對數(shù)據(jù)分析技術不太了解

先說結論：

要是你是想堆建求全部的數(shù)據(jù)分析解決方案，從存儲，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多，諸如hadoop,spark,flink等

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

我們來去看看目前企業(yè)對數(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)務價值；

80%的數(shù)據(jù)請求只對于20%的數(shù)據(jù)。

從目前來看，反正是數(shù)據(jù)存儲處理、分析肯定挖掘，最發(fā)下和晚熟的生態(tài)圈那就基于條件關系型數(shù)據(jù)庫，例如報表、聯(lián)機分析等工具；另那就是數(shù)據(jù)分析人員更側重于網(wǎng)站查詢分析語言如SQL、R、Python數(shù)據(jù)分析包而又不是編程語言。

企業(yè)大數(shù)據(jù)建設的二八原則是，將20%最有價值的數(shù)據(jù)——以結構化的形式讀取在關系型數(shù)據(jù)庫中供業(yè)務人員進行查詢和分析；而將80%的數(shù)據(jù)——以非結構化、各種形式讀取在相對于廉價的Hadoop等平臺上，供有當然數(shù)據(jù)挖掘技術的數(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)這個可以以數(shù)據(jù)集市或數(shù)據(jù)模型的形式存儲在NoSQL數(shù)據(jù)庫中，這都是后面要講過的“離線”與“在線”數(shù)據(jù)。

數(shù)據(jù)庫到數(shù)據(jù)倉庫，是事務型數(shù)據(jù)到分析型數(shù)據(jù)的轉(zhuǎn)變，總結型數(shù)據(jù)不需要包括的是：總結的主題、數(shù)據(jù)的維度和層次，以及數(shù)據(jù)的歷史變化等等。而對大數(shù)據(jù)平臺來說，對分析的需求會最細，除了：

網(wǎng)站查詢：快速響應配對組合條件查詢、模糊查詢、標簽

搜索：以及對非結構化文檔的搜索、返回結果的排序

統(tǒng)計數(shù)據(jù)：實時動態(tài)思想活動變化，如電商平臺的在線銷售訂單與發(fā)貨換算出的庫存顯示

挖掘：接受挖掘算法、機器學習的訓練集

根據(jù)完全不同的數(shù)據(jù)處理需求，可能需要設計差別的數(shù)據(jù)存儲，還要決定如何飛快地將數(shù)據(jù)剪切粘貼到隨機的存儲點并進行比較好的結構轉(zhuǎn)換，以供分析人員快速響應業(yè)務的需求。

JAVA技術棧：

Hadoop三個分布式系統(tǒng)基礎架構。

幫忙解決了大數(shù)據(jù)（大到一臺計算機沒能并且存儲，一臺計算機不能在具體的要求的時間內(nèi)參與處理）的可靠存儲(HDFS)和處理(MapReduce)。

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

Hive是替下降MapReducejobs的c語言設計工作。

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

Hbase是目的是解決Hadoop的實時性需求。

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

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時數(shù)據(jù)處理能力的問題。

區(qū)別：

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

2.實現(xiàn)設計理念的不同，其應用領域也相同。Spark工作于2個裝甲旅的數(shù)據(jù)全集（如Hadoop數(shù)據(jù)）也被導入Spark集群，Spark設計和實現(xiàn)intomemory管理可以不通過快訊掃描，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)流上實時計算一些匯聚功能或分析）。

Python技術棧

幾張圖一切都搞定

python技術棧