新書推薦：
《
大模型应用开发：RAG入门与实战
》
售價：NT$
407.0
《
不挨饿快速瘦的减脂餐
》
售價：NT$
305.0
《
形而上学与存在论之间：费希特知识学研究（守望者）（德国古典哲学研究译丛）
》
售價：NT$
504.0
《
卫宫家今天的饭9 附画集特装版（含漫画1本+画集1本+卫宫士郎购物清单2张+特制相卡1张）
》
售價：NT$
602.0
《
化妆品学原理
》
售價：NT$
254.0
《
万千教育学前·与幼儿一起解决问题：捕捉幼儿园一日生活中的教育契机
》
售價：NT$
214.0
《
爱你，是我做过最好的事
》
售價：NT$
254.0
《
史铁生：听风八百遍，才知是人间（2）
》
售價：NT$
254.0
|
| 編輯推薦： |
数据分析领域看似令人生畏，但你可以借助Excel这一“神奇的跳板”，轻松跃入数据分析领域。通过这本实践指南，Excel用户将轻松学会数据分析师常用的语言，在面对复杂的数据分析任务时做到胸有成竹。读完本书后，你将能够使用Python和R进行探索性数据分析和假设检验。
本书首先利用Excel帮助你理解概率分布、相关性、线性回归等统计学知识，然后分别展示如何将这些知识迁移到Python和R中。通过使用本书介绍的工具和框架，你将能够很好地掌握继续学习高级数据分析技术的窍门。
本书的阅读路线如下。
* Excel数据分析基础：使用Excel检验变量之间的关系，并将统计学和数据分析中的重要概念可视化。
* 从Excel到R：将你在Excel中学到的数据分析知识迁移到R中。
* 从Excel到Python：将你在Excel中学到的数据分析知识迁移到Python中，并对照R进行完整的数据分析。
|
| 內容簡介： |
|
初入数据分析世界的你是否不知从何学起？本书为你绘制了一条从Excel轻松进阶到R和Python的平坦路线。你将学习如何使用R和Python这两种常用的数据编程语言进行探索性数据分析和假设检验，并在学习过程中获得实践经验。本书分为三大部分，共计14章。在第一部分中，你将使用Excel学习统计学概念，并为数据分析奠定基础。在第二部分和第三部分中，你将了解如何把已学的Excel数据分析知识分别迁移到R和Python中。本书提供丰富的代码示例和“开箱即用”的数据集，有助于你在初涉数据分析领域时轻松向前迈进一大步。
|
| 關於作者： |
|
乔治·芒特（George Mount）是数据分析培训与咨询公司Stringfest Analytics的创始人兼首席执行官。他曾与行业先进的训练营、学习平台和实践组织合作，帮助人们提高数据分析技能。
|
| 目錄：
|
前言
第 一部分 Excel数据分析基础
第 1章 探索性数据分析入门 3
1.1 什么是探索性数据分析 3
1.1.1 观测值 5
1.1.2 变量 5
1.2 演示：对变量进行分类 8
1.3 小结：变量类型 10
1.4 在Excel 中探索变量 10
1.4.1 探索分类变量 10
1.4.2 探索定量变量 13
1.5 本章小结 22
1.6 练习 23
第 2章 概率论基础 25
2.1 概率与随机性 25
2.2 概率与样本空间 26
2.3 概率与实验 26
2.4 非条件概率与条件概率 26
2.5 概率分布 27
2.5.1 离散概率分布 27
2.5.2 连续概率分布 30
2.6 本章小结 37
2.7 练习 37
第3章 推断统计基础 39
3.1 推断统计框架 40
3.1.1 收集有代表性的样本 40
3.1.2 陈述假设 41
3.1.3 制订分析计划 42
3.1.4 分析数据 44
3.1.5 做出决定 46
3.2 数据由你主宰 52
3.3 本章小结 53
3.4 练习 53
第4章 相关性和回归 55
4.1 “相关并不等于因果” 55
4.2 相关性简介 56
4.3 从相关性到回归 60
4.4 Excel 中的线性回归 62
4.5 反思结果：虚假关系 67
4.6 本章小结 68
4.7 高阶编程阶段 68
4.8 练习 69
第5章 数据分析栈 71
5.1 统计学、数据分析和数据科学 71
5.1.1 统计学 71
5.1.2 数据分析 71
5.1.3 商业分析 72
5.1.4 数据科学 72
5.1.5 机器学习 72
5.1.6 独特，但不排他 73
5.2 数据分析栈的重要性 73
5.2.1 电子表格 74
5.2.2 数据库 76
5.2.3 商业智能平台 77
5.2.4 数据编程语言 77
5.3 本章小结 79
5.4 下一步 79
5.5 练习 79
第二部分 从Excel 到R
第6章 使用R 之前的准备工作 83
6.1 下载R 83
6.2 RStudio 入门 83
6.3 R 包 92
6.4 升级R、RStudio 和R 包 93
6.5 本章小结 93
6.6 练习 94
第7章 R 中的数据结构97
7.1 向量 97
7.2 索引向量和提取子集 99
7.3 从Excel 表格到R 数据框 100
7.4 在R 中导入数据 102
7.5 探索R 数据框 106
7.6 索引R 数据框和提取子集 107
7.7 将数据写入R 数据框 108
7.8 本章小结 109
7.9 练习 109
第8章 使用R 进行数据处理与可视化 111
8.1 使用dplyr 包处理数据 112
8.1.1 按列操作 112
8.1.2 按行操作 114
8.1.3 聚合和连接数据 117
8.1.4 dplyr 包和管道运算符 119
8.1.5 使用tidyr 包重塑数据 121
8.2 使用ggplot2 包可视化数据 123
8.3 本章小结 129
8.4 练习 129
第9章 使用R 进行数据分析131
9.1 探索性数据分析 132
9.2 假设检验 135
9.2.1 独立样本t 检验 136
9.2.2 线性回归 138
9.2.3 训练集/ 测试集分离和验证 139
9.3 本章小结 142
9.4 练习 142
第三部分 从Excel 到Python
第 10章 使用Python 之前的准备工作 145
10.1 下载Python145
10.2 Jupyter Notebook 入门 146
10.3 Python 中的模块154
10.4 升级Python、Anaconda 和Python 包 156
10.5 本章小结 156
10.6 练习 156
第 11章 Python 中的数据结构 157
11.1 numpy 数组 158
11.2 索引numpy 数组和提取子集 159
11.3 pandas 数据框 161
11.4 在Python 中导入数据 162
11.5 探索pandas 数据框 163
11.5.1 索引pandas 数据框和提取子集 165
11.5.2 把pandas 数据框写入文件 166
11.6 本章小结 166
11.7 练习 166
第 12章 使用Python 进行数据处理与可视化 167
12.1 按列操作 168
12.2 按行操作 170
12.3 聚合和连接数据 171
12.4 重塑数据 173
12.5 可视化数据 174
12.6 本章小结 179
12.7 练习 179
第 13章 使用Python 进行数据分析 181
13.1 探索性数据分析 182
13.2 假设检验 184
13.2.1 独立样本t 检验 185
13.2.2 线性回归 186
13.2.3 训练集/ 测试集分离和验证 187
13.3 本章小结 189
13.4 练习 189
第 14章 结论和展望 191
14.1 进一步学习的方向 191
14.2 研究设计和商业实验 191
14.3 进一步学习统计方法 192
14.4 数据科学和机器学习 192
14.5 版本控制 192
14.6 道德准则 193
14.7 勇往直前 193
14.8 告别的话 193
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
