數(shù)據(jù)分析輕松進(jìn)階：從Excel到Python和R

定　價(jià)：￥79.80

作　者：	[美] 喬治·芒特（George Mount）
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥75.80)

ISBN：	9787115647764	出版時(shí)間：	2024-07-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　初入數(shù)據(jù)分析世界的你是否不知從何學(xué)起？本書為你繪制了一條從Excel輕松進(jìn)階到R和Python的平坦路線。你將學(xué)習(xí)如何使用R和Python這兩種常用的數(shù)據(jù)編程語言進(jìn)行探索性數(shù)據(jù)分析和假設(shè)檢驗(yàn)，并在學(xué)習(xí)過程中獲得實(shí)踐經(jīng)驗(yàn)。本書分為三大部分，共計(jì)14章。在第一部分中，你將使用Excel學(xué)習(xí)統(tǒng)計(jì)學(xué)概念，并為數(shù)據(jù)分析奠定基礎(chǔ)。在第二部分和第三部分中，你將了解如何把已學(xué)的Excel數(shù)據(jù)分析知識(shí)分別遷移到R和Python中。本書提供豐富的代碼示例和“開箱即用”的數(shù)據(jù)集，有助于你在初涉數(shù)據(jù)分析領(lǐng)域時(shí)輕松向前邁進(jìn)一大步。

作者簡(jiǎn)介

　　喬治·芒特（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)先進(jìn)的訓(xùn)練營(yíng)、學(xué)習(xí)平臺(tái)和實(shí)踐組織合作，幫助人們提高數(shù)據(jù)分析技能。

圖書目錄

前言
第一部分　Excel數(shù)據(jù)分析基礎(chǔ)
第 1章　探索性數(shù)據(jù)分析入門 3
1.1 什么是探索性數(shù)據(jù)分析 3
1.1.1 觀測(cè)值 5
1.1.2 變量 5
1.2 演示：對(duì)變量進(jìn)行分類 8
1.3 小結(jié)：變量類型 10
1.4 在Excel 中探索變量 10
1.4.1 探索分類變量 10
1.4.2 探索定量變量 13
1.5 本章小結(jié) 22
1.6 練習(xí) 23
第 2章　概率論基礎(chǔ) 25
2.1 概率與隨機(jī)性 25
2.2 概率與樣本空間 26
2.3 概率與實(shí)驗(yàn) 26
2.4 非條件概率與條件概率 26
2.5 概率分布 27
2.5.1 離散概率分布 27
2.5.2 連續(xù)概率分布 30
2.6 本章小結(jié) 37
2.7 練習(xí) 37
第3章　推斷統(tǒng)計(jì)基礎(chǔ) 39
3.1 推斷統(tǒng)計(jì)框架 40
3.1.1 收集有代表性的樣本 40
3.1.2 陳述假設(shè) 41
3.1.3 制訂分析計(jì)劃 42
3.1.4 分析數(shù)據(jù) 44
3.1.5 做出決定 46
3.2 數(shù)據(jù)由你主宰 52
3.3 本章小結(jié) 53
3.4 練習(xí) 53
第4章　相關(guān)性和回歸 55
4.1 “相關(guān)并不等于因果” 55
4.2 相關(guān)性簡(jiǎn)介 56
4.3 從相關(guān)性到回歸 60
4.4 Excel 中的線性回歸 62
4.5 反思結(jié)果：虛假關(guān)系 67
4.6 本章小結(jié) 68
4.7 高階編程階段 68
4.8 練習(xí) 69
第5章　數(shù)據(jù)分析棧 71
5.1 統(tǒng)計(jì)學(xué)、數(shù)據(jù)分析和數(shù)據(jù)科學(xué) 71
5.1.1 統(tǒng)計(jì)學(xué) 71
5.1.2 數(shù)據(jù)分析 71
5.1.3 商業(yè)分析 72
5.1.4 數(shù)據(jù)科學(xué) 72
5.1.5 機(jī)器學(xué)習(xí) 72
5.1.6 獨(dú)特，但不排他 73
5.2 數(shù)據(jù)分析棧的重要性 73
5.2.1 電子表格 74
5.2.2 數(shù)據(jù)庫(kù) 76
5.2.3 商業(yè)智能平臺(tái) 77
5.2.4 數(shù)據(jù)編程語言 77
5.3 本章小結(jié) 79
5.4 下一步 79
5.5 練習(xí) 79
第二部分　從Excel 到R
第6章　使用R 之前的準(zhǔn)備工作 83
6.1 下載R 83
6.2 RStudio 入門 83
6.3 R 包 92
6.4 升級(jí)R、RStudio 和R 包 93
6.5 本章小結(jié) 93
6.6 練習(xí) 94
第7章　R 中的數(shù)據(jù)結(jié)構(gòu)97
7.1 向量 97
7.2 索引向量和提取子集 99
7.3 從Excel 表格到R 數(shù)據(jù)框 100
7.4 在R 中導(dǎo)入數(shù)據(jù) 102
7.5 探索R 數(shù)據(jù)框 106
7.6 索引R 數(shù)據(jù)框和提取子集 107
7.7 將數(shù)據(jù)寫入R 數(shù)據(jù)框 108
7.8 本章小結(jié) 109
7.9 練習(xí) 109
第8章　使用R 進(jìn)行數(shù)據(jù)處理與可視化 111
8.1 使用dplyr 包處理數(shù)據(jù) 112
8.1.1 按列操作 112
8.1.2 按行操作 114
8.1.3 聚合和連接數(shù)據(jù) 117
8.1.4 dplyr 包和管道運(yùn)算符 119
8.1.5 使用tidyr 包重塑數(shù)據(jù) 121
8.2 使用ggplot2 包可視化數(shù)據(jù) 123
8.3 本章小結(jié) 129
8.4 練習(xí) 129
第9章　使用R 進(jìn)行數(shù)據(jù)分析131
9.1 探索性數(shù)據(jù)分析 132
9.2 假設(shè)檢驗(yàn) 135
9.2.1 獨(dú)立樣本t 檢驗(yàn) 136
9.2.2 線性回歸 138
9.2.3 訓(xùn)練集/ 測(cè)試集分離和驗(yàn)證 139
9.3 本章小結(jié) 142
9.4 練習(xí) 142
第三部分　從Excel 到Python
第 10章　使用Python 之前的準(zhǔn)備工作 145
10.1 下載Python145
10.2 Jupyter Notebook 入門 146
10.3 Python 中的模塊154
10.4 升級(jí)Python、Anaconda 和Python 包 156
10.5 本章小結(jié) 156
10.6 練習(xí) 156
第 11章　Python 中的數(shù)據(jù)結(jié)構(gòu) 157
11.1 numpy 數(shù)組 158
11.2 索引numpy 數(shù)組和提取子集 159
11.3 pandas 數(shù)據(jù)框 161
11.4 在Python 中導(dǎo)入數(shù)據(jù) 162
11.5 探索pandas 數(shù)據(jù)框 163
11.5.1 索引pandas 數(shù)據(jù)框和提取子集 165
11.5.2 把pandas 數(shù)據(jù)框?qū)懭胛募?166
11.6 本章小結(jié) 166
11.7 練習(xí) 166
第 12章　使用Python 進(jìn)行數(shù)據(jù)處理與可視化 167
12.1 按列操作 168
12.2 按行操作 170
12.3 聚合和連接數(shù)據(jù) 171
12.4 重塑數(shù)據(jù) 173
12.5 可視化數(shù)據(jù) 174
12.6 本章小結(jié) 179
12.7 練習(xí) 179
第 13章　使用Python 進(jìn)行數(shù)據(jù)分析 181
13.1 探索性數(shù)據(jù)分析 182
13.2 假設(shè)檢驗(yàn) 184
13.2.1 獨(dú)立樣本t 檢驗(yàn) 185
13.2.2 線性回歸 186
13.2.3 訓(xùn)練集/ 測(cè)試集分離和驗(yàn)證 187
13.3 本章小結(jié) 189
13.4 練習(xí) 189
第 14章　結(jié)論和展望 191
14.1 進(jìn)一步學(xué)習(xí)的方向 191
14.2 研究設(shè)計(jì)和商業(yè)實(shí)驗(yàn) 191
14.3 進(jìn)一步學(xué)習(xí)統(tǒng)計(jì)方法 192
14.4 數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí) 192
14.5 版本控制 192
14.6 道德準(zhǔn)則 193
14.7 勇往直前 193
14.8 告別的話 193