用 Excel 學 Python 資料分析

張俊紅

  • 出版商: 碁峰資訊
  • 出版日期: 2020-06-05
  • 定價: $450
  • 售價: 7.9$356
  • 語言: 繁體中文
  • 頁數: 336
  • 裝訂: 平裝
  • ISBN: 9865025205
  • ISBN-13: 9789865025205
  • 相關分類: Excel資料科學

立即出貨 (庫存 > 10)

  • 用 Excel 學 Python 資料分析-preview-1
  • 用 Excel 學 Python 資料分析-preview-2
  • 用 Excel 學 Python 資料分析-preview-3
  • 用 Excel 學 Python 資料分析-preview-4
  • 用 Excel 學 Python 資料分析-preview-5
  • 用 Excel 學 Python 資料分析-preview-6
  • 用 Excel 學 Python 資料分析-preview-7
  • 用 Excel 學 Python 資料分析-preview-8
  • 用 Excel 學 Python 資料分析-preview-9
用 Excel 學 Python 資料分析-preview-1

買這商品的人也買了...

相關主題

商品描述

結合資料分析與Python、Excel
集Python、Excel、資料分析為一體是本書的最大特色。本書圍繞整個資料分析的基本流程,分別說明使用Excel與使用Python如何完成。內容包括:Python環境配置、Python基礎知識、資料來源的取得、資料概覽、資料預處理、數值操作、資料運算、時間序列、資料分組、樞紐分析表、結果檔匯出、資料視覺化等。

對比Excel學習Python
Python 雖然是一門程式語言,但是在資料分析領域實現的功能和Excel的基本功能一樣,而Excel 又是大家比較熟悉、容易上手的軟體,所以可以透過Excel資料分析去對比學習Python資料分析。對於同一個功能,本書會告訴你在Excel中怎麼做,並告訴你如何在Python裡頭完成相對應的的操作。

使用Python輕鬆完成自動化
以實戰案例說明如何在工作中應用Python。諸如:利用Python實現報表自動化、自動發送電子郵件、使用Python分析報表找出暢銷商品、不同門市的銷售佔比並完成相關圖表的繪製等等。


誰適合本書:
.熟悉Excel,想學習Python來精進自己技能的資料分析師。
.剛入行對Excel和Python都不精通的資料分析師。
.其他常用Excel,卻想透過學習Python提昇工作效率的人。

<序>

在PC時代開始,我們用鍵盤、掃描器等設備進行資訊的資料化。在行動網路時代,手機通過攝影機、GPS、陀螺儀等各種感測器將我們的位置、行動軌跡、行為偏好,甚至情緒等資訊資料化。截至2000年,全人類儲存了大約12EB 的資料,要知道1PB=1024TB,而1EB=1024PB。但是到了2011 年,一年所產生的資料就高達1.82ZB(注:1ZB=1024EB),資料已經變成了一種人造的「新能源」。

在商業領域,從資訊到商品,從商品到服務,越來越多我們熟悉的事物被標準的資料所度量。無論是線上廣告的精準行銷,還是電子商務的個性化推薦,又或者是網路金融的人臉識別,網路的每一次效率提升都依賴於對傳統資訊、物品,甚至人的資料化。在使用資料進行效率變革及商業化的道路上,Excel 和Python 扮演了關鍵的角色,它們協助資料分析師高效地從海量資料中發現問題,驗證假設,建構模型,預測未來。

作為一本資料分析的專業書籍,作者從資料取得、清洗、抽取,以及資料視覺化等多個角度介紹了日常工作中資料分析的標準路徑。藉由同時呈現Excel 與Python 在資料處理過程中的操作步驟,詳細說明了Excel 與Python 間的差異,以及用Python 進行資料分析的方法。

雖與作者素未謀面,但是對於Python在處理海量資料和建模上的高效性與便捷性,以及Python在機器學習中的重要性,我們的觀點是一致的。同時,我們也相信對於資料分析人員來說,掌握一種用於資料處理的程式設計語言是非常必要的,而從Excel 到Python 的學習方法則是一條學好資料分析的「捷徑」。

作者簡介

張俊紅
資料分析師。擅長Python、SQL、Excel。熟悉資料分析、機器學習領域,喜歡分享,致力於做一個資料科學路上的終身學習者、實踐者、分享者。

目錄大綱

推薦序
作者序

【入門篇】
 第1章 資料分析基礎


【實踐篇】
 第2章 熟悉鍋 - Python 基礎知識
 第3章 Pandas 資料結構
 第4章 準備食材 - 取得資料來源
 第5章 淘米洗菜 - 數據預處理
 第6章 菜品挑選 - 資料的選擇
 第7章 切配菜品 - 數值操作
 第8章 開始烹調 - 資料運算
 第9章 炒菜計時器 - 時間序列
 第10章 菜品分類 - 資料分組 / 樞紐分析表
 第11章 水果拼盤 - 多表拼接
 第12章 盛菜裝盤 - 結果匯出
 第13章 菜品擺放 - 資料視覺化


【進階篇】
 第14章 典型資料分析案例
 第15章 NumPy 陣列