使用Mac，已经安装pandas下载TuShare后不知怎么安装TuShare -财经数据接口包

现在的数据挖掘和分析建模主要就是用逻辑回归之类的处理分类问题，一些非结构化数据用到DL来构造特征可能会比较好。但是貌似处理构造特征，深度学习在数据挖掘领域还有什么可以做的？如何对构造用户画像和推荐系统有什么帮助？

PS:目前大三。男。望不吝指教或代邀大神，有劳。

大二的学生，旅游管理专业。在写一个有关定制旅游的行业分析。我发现在做定制旅游的企业有很多，报道也有很多，我能做出一张各个企业的比较表（包括定位、优势劣势、模式和盈利率等等方面，这些可以通过大量的报道获取。）但是我发现我没能找到良好的渠道来获取数据，比如市场规模？利润空间？希望大家可以给我提些意见。还有怎么做出优秀的市场调查？在线发放问卷让我觉得有些不靠谱。

大家在说数据分析能够使所有的东西都精确化，更大地实现效用，我想问的是数据化、量化分析是否会使世界变得无趣？我生活当中的所体验的是：拳击比赛当中，梅瑟威很厉害，但是很多人诟病他的比赛不好看，因为他通过计算发现，防守反击比对攻更容易赢得比赛；NBA各个球队三分化，因为随着训练的科学，三分比两分球效率更高，更容易赢得比赛，个人英雄主义不再受欢迎；有很多明星不像过去那样个性鲜明，大家都很注重公共形象，都是完美形象，吸引尽可能多的人群，没有叛逆或者离经叛道。我觉得这些都和数据分析不无关系，这个是否会使世界趋向一个方向呢？缺少了冲突和个性化是否是我们追求的？

想转行。明年毕业，目前为止所有的背景都是和海洋相关。转数据可以吗？要怎么去做呢

想必很多人在找工作求职时会看到招聘贴中会希望应聘者对数字敏感，这类工作有做财务的，有做投资的，也有做数据科学家的，等等等，感觉只要不是做创意的都会希望对数字敏感。各位有没有在工作中遇到的例子说明下在各种工作情景下，对数字敏感的人应该有什么样的具体表现呢？

tableau一直处于脱机状态，无法导入地图轮廓。且原版地图太过于简单。

比如某一自变量有7个水平，分析这一自变量的主效应，自由度应该为6，但是R中方差分析的结果却是1.后来发现把变量类型改为factor，自由度就变为和理论一致，但是这是为什么？