91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
數(shù)據(jù)分析輕松進(jìn)階：從Excel到Python和R
數(shù)據(jù)分析輕松進(jìn)階：從Excel到Python和R
George Mount 著
彭青松 譯
出版時(shí)間：2024年07月
頁數(shù)：194
“ 喬治準(zhǔn)確地闡述了你從Excel過渡到數(shù)據(jù)分析領(lǐng)域所需做的一切?！?br /> ——Jordan Goldmeier
微軟Excel MVP
“ 這本書的獨(dú)特定位使其既可以作為商業(yè)分析和數(shù)據(jù)分析的參考書，也可以作為入門書。”
——Aiden Johnson
Breakthrough Data Science
數(shù)據(jù)科學(xué)家兼導(dǎo)師

數(shù)據(jù)分析領(lǐng)域看似令人生畏，但你可以借助Excel這一“神奇的跳板”，輕松躍入數(shù)據(jù)分析領(lǐng)域。通過這本實(shí)踐指南，Excel用戶將輕松學(xué)會數(shù)據(jù)分析師常用的語言，在面對復(fù)雜的數(shù)據(jù)分析任務(wù)時(shí)做到胸有成竹。讀完本書后，你將能夠使用Python和R進(jìn)行探索性數(shù)據(jù)分析和假設(shè)檢驗(yàn)。
本書首先利用Excel幫助你理解概率分布、相關(guān)性、線性回歸等統(tǒng)計(jì)學(xué)知識，然后分別展示如何將這些知識遷移到Python和R中。通過使用本書介紹的工具和框架，你將能夠很好地掌握繼續(xù)學(xué)習(xí)高級數(shù)據(jù)分析技術(shù)的竅門。
本書的閱讀路線如下。
● Excel數(shù)據(jù)分析基礎(chǔ)：使用Excel檢驗(yàn)變量之間的關(guān)系，并將統(tǒng)計(jì)學(xué)和數(shù)據(jù)分析中的重要概念可視化。
● 從Excel到R：將你在Excel中學(xué)到的數(shù)據(jù)分析知識遷移到R中。
● 從Excel到Python：將你在Excel中學(xué)到的數(shù)據(jù)分析知識遷移到Python中，并對照R進(jìn)行完整的數(shù)據(jù)分析。
  1. 前言
  2. 第一部分　Excel數(shù)據(jù)分析基礎(chǔ)
  3. 第1章　探索性數(shù)據(jù)分析入門
  4. 1.1 什么是探索性數(shù)據(jù)分析
  5. 1.1.1 觀測值
  6. 1.1.2 變量
  7. 1.2 演示：對變量進(jìn)行分類
  8. 1.3 小結(jié)：變量類型
  9. 1.4 在Excel中探索變量
  10. 1.4.1 探索分類變量
  11. 1.4.2 探索定量變量
  12. 1.5 本章小結(jié)
  13. 1.6 練習(xí)
  14. 第2章　概率論基礎(chǔ)
  15. 2.1 概率與隨機(jī)性
  16. 2.2 概率與樣本空間
  17. 2.3 概率與實(shí)驗(yàn)
  18. 2.4 非條件概率與條件概率
  19. 2.5 概率分布
  20. 2.5.1 離散概率分布
  21. 2.5.2 連續(xù)概率分布
  22. 2.6 本章小結(jié)
  23. 2.7 練習(xí)
  24. 第3章　推斷統(tǒng)計(jì)基礎(chǔ)
  25. 3.1 推斷統(tǒng)計(jì)框架
  26. 3.1.1 收集有代表性的樣本
  27. 3.1.2 陳述假設(shè)
  28. 3.1.3 制訂分析計(jì)劃
  29. 3.1.4 分析數(shù)據(jù)
  30. 3.1.5 做出決定
  31. 3.2 數(shù)據(jù)由你主宰
  32. 3.3 本章小結(jié)
  33. 3.4 練習(xí)
  34. 第4章　相關(guān)性和回歸
  35. 4.1 “相關(guān)并不等于因果”
  36. 4.2 相關(guān)性簡介
  37. 4.3 從相關(guān)性到回歸
  38. 4.4 Excel 中的線性回歸
  39. 4.5 反思結(jié)果：虛假關(guān)系
  40. 4.6 本章小結(jié)
  41. 4.7 高階編程階段
  42. 4.8 練習(xí)
  43. 第5章　數(shù)據(jù)分析棧
  44. 5.1 統(tǒng)計(jì)學(xué)、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)
  45. 5.1.1 統(tǒng)計(jì)學(xué)
  46. 5.1.2 數(shù)據(jù)分析
  47. 5.1.3 商業(yè)分析
  48. 5.1.4 數(shù)據(jù)科學(xué)
  49. 5.1.5 機(jī)器學(xué)習(xí)
  50. 5.1.6 獨(dú)特，但不排他
  51. 5.2 數(shù)據(jù)分析棧的重要性
  52. 5.2.1 電子表格
  53. 5.2.2 數(shù)據(jù)庫
  54. 5.2.3 商業(yè)智能平臺
  55. 5.2.4 數(shù)據(jù)編程語言
  56. 5.3 本章小結(jié)
  57. 5.4 下一步
  58. 5.5 練習(xí)
  59. 第二部分　從Excel到R
  60. 第6章　使用R之前的準(zhǔn)備工作
  61. 6.1 下載R
  62. 6.2 RStudio入門
  63. 6.3 R包
  64. 6.4 升級R、RStudio和R包
  65. 6.5 本章小結(jié)
  66. 6.6 練習(xí)
  67. 第7章　R中的數(shù)據(jù)結(jié)構(gòu)
  68. 7.1 向量
  69. 7.2 索引向量和提取子集
  70. 7.3 從Excel表格到R數(shù)據(jù)框
  71. 7.4 在R中導(dǎo)入數(shù)據(jù)
  72. 7.5 探索R數(shù)據(jù)框
  73. 7.6 索引R數(shù)據(jù)框和提取子集
  74. 7.7 將數(shù)據(jù)寫入R數(shù)據(jù)框
  75. 7.8 本章小結(jié)
  76. 7.9 練習(xí)
  77. 第8章　使用R進(jìn)行數(shù)據(jù)處理與可視化
  78. 8.1 使用dplyr包處理數(shù)據(jù)
  79. 8.1.1 按列操作
  80. 8.1.2 按行操作
  81. 8.1.3 聚合和連接數(shù)據(jù)
  82. 8.1.4 dplyr包和管道運(yùn)算符
  83. 8.1.5 使用tidyr包重塑數(shù)據(jù)
  84. 8.2 使用ggplot2包可視化數(shù)據(jù)
  85. 8.3 本章小結(jié)
  86. 8.4 練習(xí)
  87. 第9章　使用R進(jìn)行數(shù)據(jù)分析
  88. 9.1 探索性數(shù)據(jù)分析
  89. 9.2 假設(shè)檢驗(yàn)
  90. 9.2.1 獨(dú)立樣本t檢驗(yàn)
  91. 9.2.2 線性回歸
  92. 9.2.3 訓(xùn)練集/測試集分離和驗(yàn)證
  93. 9.3 本章小結(jié)
  94. 9.4 練習(xí)
  95. 第三部分　從Excel到Python
  96. 第10章　使用Python之前的準(zhǔn)備工作
  97. 10.1 下載Python
  98. 10.2 Jupyter Notebook入門
  99. 10.3 Python中的模塊
  100. 10.4 升級Python、Anaconda和Python包
  101. 10.5 本章小結(jié)
  102. 10.6 練習(xí)
  103. 第11章　Python中的數(shù)據(jù)結(jié)構(gòu)
  104. 11.1 numpy數(shù)組
  105. 11.2 索引numpy數(shù)組和提取子集
  106. 11.3 pandas數(shù)據(jù)框
  107. 11.4 在Python中導(dǎo)入數(shù)據(jù)
  108. 11.5 探索pandas數(shù)據(jù)框
  109. 11.5.1 索引pandas數(shù)據(jù)框和提取子集
  110. 11.5.2 把pandas數(shù)據(jù)框?qū)懭胛募?
  111. 11.6 本章小結(jié)
  112. 11.7 練習(xí)
  113. 第12章　使用Python進(jìn)行數(shù)據(jù)處理與可視化
  114. 12.1 按列操作
  115. 12.2 按行操作
  116. 12.3 聚合和連接數(shù)據(jù)
  117. 12.4 重塑數(shù)據(jù)
  118. 12.5 可視化數(shù)據(jù)
  119. 12.6 本章小結(jié)
  120. 12.7 練習(xí)
  121. 第13章　使用Python進(jìn)行數(shù)據(jù)分析
  122. 13.1 探索性數(shù)據(jù)分析
  123. 13.2 假設(shè)檢驗(yàn)
  124. 13.2.1 獨(dú)立樣本t檢驗(yàn)
  125. 13.2.2 線性回歸
  126. 13.2.3 訓(xùn)練集/測試集分離和驗(yàn)證
  127. 13.3 本章小結(jié)
  128. 13.4 練習(xí)
  129. 第14章　結(jié)論和展望
  130. 14.1 進(jìn)一步學(xué)習(xí)的方向
  131. 14.2 研究設(shè)計(jì)和商業(yè)實(shí)驗(yàn)
  132. 14.3 進(jìn)一步學(xué)習(xí)統(tǒng)計(jì)方法
  133. 14.4 數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)
  134. 14.5 版本控制
  135. 14.6 道德準(zhǔn)則
  136. 14.7 勇往直前
  137. 14.8 告別的話
書名：數(shù)據(jù)分析輕松進(jìn)階：從Excel到Python和R
作者：George Mount 著
譯者：彭青松 譯
國內(nèi)出版社：人民郵電出版社
出版時(shí)間：2024年07月
頁數(shù)：194
書號：978-7-115-64776-4
原版書書名：Advancing into Analytics: From Excel to Python and R
原版書出版商：O'Reilly Media
George Mount
 
George Mount是數(shù)據(jù)分析培訓(xùn)與咨詢公司Stringfest Analytics的創(chuàng)始人兼首席執(zhí)行官。他曾與行業(yè)領(lǐng)先的訓(xùn)練營、學(xué)習(xí)平臺和實(shí)踐組織合作，幫助人們提高數(shù)據(jù)分析技能。
 
 
購買選項(xiàng)
定價(jià)：79.80元
書號：978-7-115-64776-4
出版社：人民郵電出版社