对于不同阶层，想必这个问题的答案也不同。

知乎上显然有很多的海外党，那有什么办法统计出海外党所占的比例呢？

实际背景：预测一个用户的购买时间可用数据：历史购买时间准备解法：算出历史购买时间间隔，假设其符合正态分布。计算最近一次购买时间距今天的间隔时间。最后计算置信区间blablabla. P.s 整体的用户购买间隔不符合正态分布，所以单独计算每一个用户。那么问题来了：用户的购买次数不多，也就3 ~ 10次（即样本量只有2~9且方差大）。所以可以用上面解法么？

有5000行6列的数据，里面随机会缺行，但是不能去掉缺的行，要对缺行的上下行求平均数来补上，怎么批量做，求大神指点。数据局部示例如图。

如果个人从大数据上扒到私人隐私，并用来恶意利用，该怎么找出这个人呢？有什么机构可以保护自己呢？

PS:目前大三。男。望不吝指教或代邀大神，有劳。

如果严格按照总金额是2.15亿整来算，由于活动参与人数不确定，不可避免无法整除的情况，从而导致无法平均分配。 如果一定要平均分配，奖池现金总额还会在2.15亿附近吗？ 之前活动宣传是说平分超2亿现金，现在改为2.15亿，是否没有之前来得严谨？ …………………………更新…………………………… 最终的结果：791405位用户，每人271.66元，总金额是214993082元。还是比较靠近2.15亿的总额的。 如果是每人217.67元，总额会是215000996整体金额更加靠近2.15亿元，而且这也是四舍五入的结果，但末尾数不及271.66好看。……………………………………………………… 另外，这个问题本意并不是让大家预测或者是评价本次集 […]

数据预处理的好坏，很大程度上决定了模型分析结果的好坏。（Garbage In Garbage Out！）其中，异常值（outliers）检测是整个数据预处理过程中，十分重要的一环。方法也是多种多样。比如有基于经典统计的方法——三倍于标准差之上的数据为异常值等等。由于异常值检验，和去重、缺失值处理不同，它带有一定的主观性。所以，想请问一下各位大牛，平时你们更愿意相信哪种或哪几种异常值检测的方法。谢谢！~

数据较多，有以毫米为单位的，还有以个为单位的，怎样将以毫米为单位的数据转换成以米为单位