欧美猛片BBBBBⅩXXXX,国产亚洲美日韩AV中文字幕,国产精品艺校美女校花在线

內(nèi)容簡介

　　《從零開始利用Excel與Python進(jìn)行數(shù)據(jù)分析》介紹了數(shù)據(jù)分析的方法和步驟，并分別通過Excel和Python實(shí)施和對(duì)比。通過《從零開始利用Excel與Python進(jìn)行數(shù)據(jù)分析》一方面可以拓寬對(duì)Excel功能的認(rèn)識(shí)，另一方面可以學(xué)習(xí)和掌握Python的基礎(chǔ)操作。《從零開始利用Excel與Python進(jìn)行數(shù)據(jù)分析》分為 11 章，涵蓋的主要內(nèi)容有Excel和Python在數(shù)據(jù)分析領(lǐng)域的定位與核心功能對(duì)比、統(tǒng)計(jì)量介紹、Excel與Python實(shí)踐環(huán)境搭建、數(shù)據(jù)處理與分析的基本方法、ETL方法、數(shù)據(jù)建模理論、數(shù)據(jù)挖掘基礎(chǔ)、數(shù)據(jù)可視化的基本方法、分析報(bào)告的制作方法?！稄牧汩_始利用Excel與Python進(jìn)行數(shù)據(jù)分析》內(nèi)容由淺入深，注重功能實(shí)用性，適合數(shù)據(jù)分析工作者、相關(guān)專業(yè)學(xué)生、Python初學(xué)者、Excel深入學(xué)習(xí)者閱讀。

作者簡介

　　蘭一杰，資深軟件工程師、項(xiàng)目經(jīng)理。對(duì)Excel小數(shù)據(jù)、Python大數(shù)據(jù)、深度學(xué)習(xí)等有深入研究并能靈活整合運(yùn)用。多年從事通過Python實(shí)施數(shù)據(jù)化運(yùn)維、主數(shù)據(jù)項(xiàng)目、大數(shù)據(jù)分析項(xiàng)目的開發(fā)工作。曾經(jīng)參與的項(xiàng)目包括：唯思軟件 - 客戶端開方工程師、VS游戲?qū)?zhàn)平臺(tái)客戶端開發(fā)、廣州嘉為科技 - 高級(jí)軟件開發(fā)師、深圳海關(guān)數(shù)據(jù)倉庫運(yùn)維開發(fā)項(xiàng)目、萬科地產(chǎn)主數(shù)據(jù)項(xiàng)目、廣州時(shí)代地產(chǎn)主數(shù)據(jù)項(xiàng)目、金地地產(chǎn)主數(shù)據(jù)項(xiàng)目、深圳長城開發(fā)科技基礎(chǔ)構(gòu)架自動(dòng)化項(xiàng)目、中信保誠自動(dòng)化運(yùn)維工單化項(xiàng)目、法本信息 - 大數(shù)據(jù)工程師、廣發(fā)證券大數(shù)據(jù)應(yīng)用分析項(xiàng)目等。

圖書目錄

第1章 Excel與Python的定位與功能對(duì)比
1.1 數(shù)據(jù)分析簡介
1.2 Excel與Python的特征對(duì)比
1.3 Excel與Python 的功能范圍
1.4 Excel 與 Python 的選擇和協(xié)作
第2章統(tǒng)計(jì)量
2.1 常用統(tǒng)計(jì)量介紹
2.2 隨機(jī)變量及其分布
第3章實(shí)踐環(huán)境的搭建
3.1 Excel數(shù)據(jù)分析環(huán)境
3.2 Python開發(fā)環(huán)境
3.3 Python基礎(chǔ)語法
3.4 Excel與Python的整合環(huán)境
第4章數(shù)據(jù)處理與分析
4.1 各種統(tǒng)計(jì)量的計(jì)算
4.2 數(shù)據(jù)分析與概率統(tǒng)計(jì)
4.3 邏輯運(yùn)算
4.4 文本處理
4.5 日期與時(shí)間
4.6 查找與引用
4.7 數(shù)學(xué)與三角函數(shù)
4.8 數(shù)據(jù)的排序、查重、匯總
第5章數(shù)據(jù)抽取——ETL中的E
5.1 連接數(shù)據(jù)庫的配置
5.2 使用 Power Query
5.3 從數(shù)據(jù)庫抽取數(shù)據(jù)
5.4 從數(shù)據(jù)文件中讀取數(shù)據(jù)
5.5 從互聯(lián)網(wǎng)獲取數(shù)據(jù)
5.6 驗(yàn)證抓取的數(shù)據(jù)
第6章數(shù)據(jù)清洗——ETL中的T
6.1 問題數(shù)據(jù)類型與數(shù)據(jù)清洗方法
6.2 使用Python抓取演示用金融數(shù)據(jù)
6.3 數(shù)據(jù)清洗方法說明
6.4 數(shù)據(jù)清洗實(shí)踐
第7章數(shù)據(jù)裝載——ETL中的L
7.1 數(shù)據(jù)倉庫ETL技術(shù)
7.2 通過Excel裝載數(shù)據(jù)
7.3 通過Python裝載數(shù)據(jù)
7.4 數(shù)據(jù)裝載策略
第8章數(shù)據(jù)建模
8.1 數(shù)據(jù)模型相關(guān)概念
8.2 使用Power Pivot構(gòu)建數(shù)據(jù)模型
8.3 使用 SQLAlchemy構(gòu)建模型
8.4 Excel和Python構(gòu)建關(guān)系數(shù)據(jù)模型對(duì)比
第9章數(shù)據(jù)挖掘
9.1 認(rèn)識(shí)數(shù)據(jù)挖掘
9.2 Excel數(shù)據(jù)挖掘方案
9.3 Python數(shù)據(jù)挖掘方案
9.4 scikit-learn操作
9.5 具體挖掘算法
第10章數(shù)據(jù)可視化
10.1 數(shù)據(jù)可視化基礎(chǔ)
10.2 可視化方案
10.3 散點(diǎn)圖
10.4 餅圖
10.5 條形圖
10.6 面積圖
10.7 折線圖
10.8 柱形圖
10.9 特殊可視化圖
10.10 Excel與Python可視化處理方式對(duì)比
第11章分析報(bào)告
11.1 分析報(bào)告基礎(chǔ)
11.2 Excel數(shù)據(jù)透視
11.3 Excel數(shù)據(jù)儀表板
11.4 安裝JupyterLab插件
11.5 JupyterLab交互式設(shè)計(jì)