互联网 类型
可以朗读 语音朗读
113千字 字数
2022-08-01 发行日期
展开全部

主编推荐语

120多个真实办公场景数据分析实战案例，助你低门槛高效率，从零开始自动化办公实战。

内容简介

本书介绍了数据分析的方法和步骤，并分别通过Excel和Python实施和对比。通过本书一方面可以拓宽对Excel功能的认识，另一方面可以学习和掌握Python的基础操作。

本书分为11章，涵盖的主要内容有Excel和Python在数据分析领域的定位与核心功能对比、统计量介绍、Excel与Python实践环境搭建、数据处理与分析的基本方法、ETL方法、数据建模理论、数据挖掘基础、数据可视化的基本方法、分析报告的制作方法。

本书内容由浅入深，注重功能实用性，适合数据分析工作者、相关专业学生、Python初学者、Excel深入学习者阅读。

目录

  • 版权信息
  • 前言
  • 第1章 Excel与Python的定位与功能对比
  • 1.1 数据分析简介
  • 1.2 Excel与Python的特征对比
  • 1.3 Excel与Python的功能范围
  • 1.4 Excel与Python的选择和协作
  • 第2章 统计量
  • 2.1 常用统计量介绍
  • 2.2 随机变量及其分布
  • 第3章 实践环境的搭建
  • 3.1 Excel数据分析环境
  • 3.2 Python开发环境
  • 3.3 Python基础语法
  • 3.4 Excel与Python的整合环境
  • 第4章 数据处理与分析
  • 4.1 各种统计量的计算
  • 4.2 数据分析与概率统计
  • 4.3 逻辑运算
  • 4.4 文本处理
  • 4.5 日期与时间
  • 4.6 查找与引用
  • 4.7 数学与三角函数
  • 4.8 数据的排序、查重、汇总
  • 第5章 数据抽取——ETL中的E
  • 5.1 连接数据库的配置
  • 5.2 使用Power Query
  • 5.3 从数据库抽取数据
  • 5.4 从数据文件中读取数据
  • 5.5 从互联网获取数据
  • 5.6 验证抓取的数据
  • 第6章 数据清洗——ETL中的T
  • 6.1 问题数据类型与数据清洗方法
  • 6.2 使用Python抓取演示用金融数据
  • 6.3 数据清洗方法说明
  • 6.4 数据清洗实践
  • 第7章 数据装载——ETL中的L
  • 7.1 数据仓库ETL技术
  • 7.2 通过Excel装载数据
  • 7.3 通过Python装载数据
  • 7.4 数据装载策略
  • 第8章 数据建模
  • 8.1 数据模型相关概念
  • 8.2 使用Power Pivot构建数据模型
  • 8.3 使用SQLAlchemy构建模型
  • 8.4 Excel和Python构建关系数据模型对比
  • 第9章 数据挖掘
  • 9.1 认识数据挖掘
  • 9.2 Excel数据挖掘方案
  • 9.3 Python数据挖掘方案
  • 9.4 scikit-learn操作
  • 9.5 具体挖掘算法
  • 第10章 数据可视化
  • 10.1 数据可视化基础
  • 10.2 可视化方案
  • 10.3 散点图
  • 10.4 饼图
  • 10.5 条形图
  • 10.6 面积图
  • 10.7 折线图
  • 10.8 柱形图
  • 10.9 特殊可视化图
  • 10.10 Excel与Python可视化处理方式对比
  • 第11章 分析报告
  • 11.1 分析报告基础
  • 11.2 Excel数据透视
  • 11.3 Excel数据仪表板
  • 11.4 安装JupyterLab插件
  • 11.5 JupyterLab交互式设计
展开全部

评分及书评

评分不足
1个评分

出版方

北京大学出版社

北京大学出版社是在1979年，经国家出版事业管理局同意，教育部批准成立的，恢复了北京大学出版社建制。北京大学出版社依靠北大雄厚的教学、科研力量，同时积极争取国内外专家学者的合作支持，出版了大量高水平、高质量、适应多层次需要的优秀高等教育教材。 北大出版社注意对教材进行全面追踪，捕捉信息，及时修订，以跟上各学科的最新发展，反映该学科研究的最新成果，保持北大版教材的领先地位。