舉報(bào)

會員
從零開始利用Excel與Python進(jìn)行數(shù)據(jù)分析
最新章節(jié):
11.5.4 添加可視化控件
《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Excel功能的認(rèn)識,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。
最新章節(jié)
- 11.5.4 添加可視化控件
- 11.5.3 添加交互功能
- 11.5.2 讀取處理數(shù)據(jù)
- 11.5.1 使用Markdown添加說明
- 11.5 JupyterLab交互式設(shè)計(jì)
- 11.4.2 驗(yàn)證使用插件
品牌:北大出版社
上架時間:2023-04-21 18:52:10
出版社:北京大學(xué)出版社
本書數(shù)字版權(quán)由北大出版社提供,并由其授權(quán)上海閱文信息技術(shù)有限公司制作發(fā)行
- 11.5.4 添加可視化控件 更新時間:2023-04-21 19:52:49
- 11.5.3 添加交互功能
- 11.5.2 讀取處理數(shù)據(jù)
- 11.5.1 使用Markdown添加說明
- 11.5 JupyterLab交互式設(shè)計(jì)
- 11.4.2 驗(yàn)證使用插件
- 11.4.1 安裝插件
- 11.4 安裝JupyterLab插件
- 11.3.7 添加切片器
- 11.3.6 增強(qiáng)表格可視化效果
- 11.3.5 使用迷你圖
- 11.3.4 添加目標(biāo)值和計(jì)算百分比
- 11.3.3 表格樣式設(shè)置
- 11.3.2 布局設(shè)計(jì)
- 11.3.1 確定內(nèi)容
- 11.3 Excel數(shù)據(jù)儀表板
- 11.2 Excel數(shù)據(jù)透視
- 11.1.5 Python分析報(bào)告制作方案
- 11.1.4 Excel分析報(bào)告制作方案
- 11.1.3 內(nèi)容的確定
- 11.1.2 設(shè)計(jì)的原則
- 11.1.1 儀表板和報(bào)表的差異
- 11.1 分析報(bào)告基礎(chǔ)
- 第11章 分析報(bào)告
- 10.10 Excel與Python可視化處理方式對比
- 10.9.3 其他學(xué)科數(shù)據(jù)可視化
- 10.9.2 數(shù)據(jù)挖掘可視化
- 10.9.1 繪制股票K線圖
- 10.9 特殊可視化圖
- 10.8.3 在Python中繪制柱形圖
- 10.8.2 在Excel中繪制柱形圖
- 10.8.1 柱形圖說明
- 10.8 柱形圖
- 10.7.3 在Python中繪制折線圖
- 10.7.2 在Excel中繪制折線圖
- 10.7.1 折線圖說明
- 10.7 折線圖
- 10.6.3 在Python中繪制面積圖
- 10.6.2 在Excel中繪制面積圖
- 10.6.1 面積圖說明
- 10.6 面積圖
- 10.5.4 在Python中繪制條形圖
- 10.5.3 在Excel中繪制條形圖
- 10.5.2 堆積條形圖說明
- 10.5.1 分段條形圖說明
- 10.5 條形圖
- 10.4.3 在Python中繪制餅圖
- 10.4.2 在Excel中繪制餅圖
- 10.4.1 餅圖說明
- 10.4 餅圖
- 10.3.3 在Python中繪制散點(diǎn)圖
- 10.3.2 在Excel中繪制散點(diǎn)圖
- 10.3.1 散點(diǎn)圖說明
- 10.3 散點(diǎn)圖
- 10.2.4 選擇可視化圖
- 10.2.3 辨認(rèn)數(shù)據(jù)類型
- 10.2.2 Python數(shù)據(jù)可視化方案
- 10.2.1 Excel數(shù)據(jù)可視化方案
- 10.2 可視化方案
- 10.1.2 數(shù)據(jù)可視化陷阱
- 10.1.1 數(shù)據(jù)可視化圖的構(gòu)成
- 10.1 數(shù)據(jù)可視化基礎(chǔ)
- 第10章 數(shù)據(jù)可視化
- 9.5.5 決策樹算法
- 9.5.4 貝葉斯算法
- 9.5.3 聚類分析
- 9.5.2 邏輯回歸
- 9.5.1 線性回歸
- 9.5 具體挖掘算法
- 9.4.3 驗(yàn)證操作
- 9.4.2 算法選擇
- 9.4.1 特征抽取
- 9.4 scikit-learn操作
- 9.3.3 scikit-learn API接口
- 9.3.2 認(rèn)識scikit-learn
- 9.3.1 安裝scikit-learn
- 9.3 Python數(shù)據(jù)挖掘方案
- 9.2.6 使用Excel函數(shù)進(jìn)行數(shù)據(jù)挖掘
- 9.2.5 管理數(shù)據(jù)挖掘模型
- 9.2.4 創(chuàng)建數(shù)據(jù)挖掘模型
- 9.2.3 使用數(shù)據(jù)挖掘插件
- 9.2.2 認(rèn)識數(shù)據(jù)挖掘插件
- 9.2.1 安裝數(shù)據(jù)挖掘插件
- 9.2 Excel數(shù)據(jù)挖掘方案
- 9.1.3 數(shù)據(jù)挖掘步驟
- 9.1.2 數(shù)據(jù)挖掘算法的分類
- 9.1.1 數(shù)據(jù)分析和數(shù)據(jù)挖掘
- 9.1 認(rèn)識數(shù)據(jù)挖掘
- 第9章 數(shù)據(jù)挖掘
- 8.4 Excel和Python構(gòu)建關(guān)系數(shù)據(jù)模型對比
- 8.3.4 應(yīng)用SQLAlchemy數(shù)據(jù)模型
- 8.3.3 通過SQLAlchemy構(gòu)建數(shù)據(jù)模型
- 8.3.2 認(rèn)識SQLAlchemy
- 8.3.1 啟用SQLAlchemy
- 8.3 使用SQLAlchemy構(gòu)建模型
- 8.2.4 應(yīng)用Power Pivot數(shù)據(jù)模型
- 8.2.3 構(gòu)建Power Pivot關(guān)系模型
- 8.2.2 認(rèn)識Power Pivot
- 8.2.1 啟用Power Pivot
- 8.2 使用Power Pivot構(gòu)建數(shù)據(jù)模型
- 8.1.3 測試數(shù)據(jù)說明
- 8.1.2 多維度建模
- 8.1.1 關(guān)系模型
- 8.1 數(shù)據(jù)模型相關(guān)概念
- 第8章 數(shù)據(jù)建模
- 7.4.3 操作的方式
- 7.4.2 裝載的頻率
- 7.4.1 裝載的方式
- 7.4 數(shù)據(jù)裝載策略
- 7.3.9 總結(jié)
- 7.3.8 生成Markdown格式數(shù)據(jù)
- 7.3.7 轉(zhuǎn)換為NumPy數(shù)據(jù)
- 7.3.6 保存為Parquet格式數(shù)據(jù)
- 7.3.5 保存為LaTeX數(shù)據(jù)
- 7.3.4 保存到JSON文件
- 7.3.3 生成HTML文件
- 7.3.2 寫入關(guān)系數(shù)據(jù)庫
- 7.3.1 寫入HDF5文件
- 7.3 通過Python裝載數(shù)據(jù)
- 7.2.6 發(fā)布到OneDriver
- 7.2.5 發(fā)布到Power BI
- 7.2.4 發(fā)布到SharePoint
- 7.2.3 保存為XML文件
- 7.2.2 保存為HTML文件
- 7.2.1 保存為CSV文件
- 7.2 通過Excel裝載數(shù)據(jù)
- 7.1.2 ELT
- 7.1.1 ETL
- 7.1 數(shù)據(jù)倉庫ETL技術(shù)
- 第7章 數(shù)據(jù)裝載——ETL中的L
- 6.4.9 總結(jié)
- 6.4.8 步驟編排和復(fù)用
- 6.4.7 分類匯總
- 6.4.6 數(shù)據(jù)追加
- 6.4.5 數(shù)據(jù)關(guān)聯(lián)
- 6.4.4 錯誤、異常數(shù)據(jù)的處理
- 6.4.3 添加自定義列
- 6.4.2 缺失數(shù)據(jù)的處理
- 6.4.1 重復(fù)數(shù)據(jù)的處理
- 6.4 數(shù)據(jù)清洗實(shí)踐
- 6.3.2 DataFrame類型數(shù)據(jù)清洗方法
- 6.3.1 Power Query清洗方法
- 6.3 數(shù)據(jù)清洗方法說明
- 6.2 使用Python抓取演示用金融數(shù)據(jù)
- 6.1.2 數(shù)據(jù)清洗方法
- 6.1.1 問題數(shù)據(jù)類型
- 6.1 問題數(shù)據(jù)類型與數(shù)據(jù)清洗方法
- 第6章 數(shù)據(jù)清洗——ETL中的T
- 5.6.3 檢查數(shù)據(jù)邊界
- 5.6.2 確定數(shù)據(jù)類型
- 5.6.1 數(shù)據(jù)統(tǒng)計(jì)
- 5.6 驗(yàn)證抓取的數(shù)據(jù)
- 5.5.4 Excel和Python抓取互聯(lián)網(wǎng)數(shù)據(jù)方法對比
- 5.5.3 調(diào)用Web API服務(wù)
- 5.5.2 抓取網(wǎng)頁數(shù)據(jù)
- 5.5.1 構(gòu)建測試用網(wǎng)站數(shù)據(jù)
- 5.5 從互聯(lián)網(wǎng)獲取數(shù)據(jù)
- 5.4.5 Excel和Python讀取各類文件數(shù)據(jù)的方法對比
- 5.4.4 從TXT文件中讀取數(shù)據(jù)
- 5.4.3 從JSON文件中讀取數(shù)據(jù)
- 5.4.2 從XML文件中讀取數(shù)據(jù)
- 5.4.1 從CSV文件中讀取數(shù)據(jù)
- 5.4 從數(shù)據(jù)文件中讀取數(shù)據(jù)
- 5.3.7 Excel和Python連接數(shù)據(jù)庫的方法對比
- 5.3.6 連接MongoDB數(shù)據(jù)庫
- 5.3.5 連接PostgreSQL數(shù)據(jù)庫
- 5.3.4 連接MySQL數(shù)據(jù)庫
- 5.3.3 連接Oracle數(shù)據(jù)庫
- 5.3.2 連接SQL Server數(shù)據(jù)庫
- 5.3.1 連接SQLite數(shù)據(jù)庫
- 5.3 從數(shù)據(jù)庫抽取數(shù)據(jù)
- 5.2.2 使用Power Query
- 5.2.1 打開Power Query
- 5.2 使用Power Query
- 5.1.2 Python中的配置方式
- 5.1.1 Excel中的配置方式
- 5.1 連接數(shù)據(jù)庫的配置
- 第5章 數(shù)據(jù)抽取——ETL中的E
- 4.8.4 Excel和Python的數(shù)據(jù)排序、查重、匯總功能對比
- 4.8.3 數(shù)據(jù)的匯總
- 4.8.2 數(shù)據(jù)的查重
- 4.8.1 數(shù)據(jù)的排序
- 4.8 數(shù)據(jù)的排序、查重、匯總
- 4.7.4 指數(shù)與對數(shù)
- 4.7.3 三角函數(shù)
- 4.7.2 轉(zhuǎn)換計(jì)算
- 4.7.1 數(shù)值處理
- 4.7 數(shù)學(xué)與三角函數(shù)
- 4.6.6 Excel和Python的查找引用功能對比
- 4.6.5 MATCH函數(shù)
- 4.6.4 TRANSPOSE函數(shù)
- 4.6.3 VLOOKUP函數(shù)
- 4.6.2 LOOKUP函數(shù)
- 4.6.1 定義引用關(guān)系
- 4.6 查找與引用
- 4.5.6 Excel和Python的日期和時間函數(shù)對比
- 4.5.5 轉(zhuǎn)換日期和時間格式
- 4.5.4 星期制度數(shù)據(jù)
- 4.5.3 日期的加減
- 4.5.2 拆分日期和時間數(shù)據(jù)
- 4.5.1 構(gòu)建日期和時間數(shù)據(jù)
- 4.5 日期與時間
- 4.4.8 Excel和Python的文本處理函數(shù)對比
- 4.4.7 去除空格
- 4.4.6 替換字符串
- 4.4.5 大小寫轉(zhuǎn)換
- 4.4.4 計(jì)算字符串長度
- 4.4.3 查找字符串
- 4.4.2 對比字符串
- 4.4.1 拼接字符串
- 4.4 文本處理
- 4.3.8 Excel與Python邏輯運(yùn)算對比
- 4.3.7 邏輯“異或”的運(yùn)算
- 4.3.6 邏輯“非”的運(yùn)算
- 4.3.5 異常值處理
- 4.3.4 邏輯錯誤處理
- 4.3.3 邏輯條件判斷
- 4.3.2 邏輯假的設(shè)置
- 4.3.1 邏輯“與”的運(yùn)算
- 4.3 邏輯運(yùn)算
- 4.2.9 Excel和Python數(shù)據(jù)分析和概率計(jì)算功能對比
- 4.2.8 方差分析
- 4.2.7 相關(guān)系數(shù)
- 4.2.6 抽樣工具
- 4.2.5 正態(tài)分布計(jì)算
- 4.2.4 幾何分布計(jì)算
- 4.2.3 二項(xiàng)分布計(jì)算
- 4.2.2 排列組合
- 4.2.1 描述統(tǒng)計(jì)
- 4.2 數(shù)據(jù)分析與概率統(tǒng)計(jì)
- 4.1.8 Excel與Python中統(tǒng)計(jì)量函數(shù)對比
- 4.1.7 頻率計(jì)算
- 4.1.6 標(biāo)準(zhǔn)差的計(jì)算
- 4.1.5 四分位數(shù)的計(jì)算
- 4.1.4 最大值、最小值的計(jì)算
- 4.1.3 眾數(shù)的計(jì)算
- 4.1.2 中位數(shù)的計(jì)算
- 4.1.1 平均數(shù)的計(jì)算
- 4.1 各種統(tǒng)計(jì)量的計(jì)算
- 第4章 數(shù)據(jù)處理與分析
- 3.4.4 自動化處理
- 3.4.3 Excel文件讀寫
- 3.4.2 構(gòu)建測試數(shù)據(jù)
- 3.4.1 安裝openpyxl包
- 3.4 Excel與Python的整合環(huán)境
- 3.3.14 數(shù)據(jù)庫操作
- 3.3.13 主要的數(shù)據(jù)科學(xué)包
- 3.3.12 包和模塊
- 3.3.11 類——時間對象的演示
- 3.3.10 函數(shù)——以化學(xué)實(shí)例演示
- 3.3.9 復(fù)合數(shù)據(jù)類型——以地理實(shí)例演示
- 3.3.8 GUI編程——以美術(shù)實(shí)例演示
- 3.3.7 循環(huán)控制——以數(shù)學(xué)實(shí)例演示
- 3.3.6 條件控制——以物理實(shí)例演示
- 3.3.5 字符串操作——以語文實(shí)例演示
- 3.3.4 運(yùn)算符——算術(shù)演示
- 3.3.3 變量與類型——角色扮演
- 3.3.2 基礎(chǔ)語法——Python的獨(dú)特“口音”
- 3.3.1 認(rèn)識Python的工作方式
- 3.3 Python基礎(chǔ)語法
- 3.2.2 安裝Anaconda開發(fā)環(huán)境
- 3.2.1 安裝Python
- 3.2 Python開發(fā)環(huán)境
- 3.1.2 Excel的操作方法
- 3.1.1 配置和擴(kuò)展功能區(qū)
- 3.1 Excel數(shù)據(jù)分析環(huán)境
- 第3章 實(shí)踐環(huán)境的搭建
- 2.2.3 連續(xù)型隨機(jī)變量分布
- 2.2.2 離散型隨機(jī)變量分布
- 2.2.1 隨機(jī)變量
- 2.2 隨機(jī)變量及其分布
- 2.1.4 條件概率
- 2.1.3 可能性評估
- 2.1.2 離散程度
- 2.1.1 集中趨勢
- 2.1 常用統(tǒng)計(jì)量介紹
- 第2章 統(tǒng)計(jì)量
- 1.4.2 如何協(xié)作
- 1.4.1 如何選擇
- 1.4 Excel與Python的選擇和協(xié)作
- 1.3.3 Excel與Python的數(shù)據(jù)處理功能對比
- 1.3.2 Python數(shù)據(jù)處理包和工具
- 1.3.1 Excel的功能區(qū)
- 1.3 Excel與Python的功能范圍
- 1.2.3 適用場景和對象
- 1.2.2 操作方式對比
- 1.2.1 定位對比
- 1.2 Excel與Python的特征對比
- 1.1.2 賦能增值
- 1.1.1 發(fā)展趨勢
- 1.1 數(shù)據(jù)分析簡介
- 第1章 Excel與Python的定位與功能對比
- 前言
- 封面
- 封面
- 前言
- 第1章 Excel與Python的定位與功能對比
- 1.1 數(shù)據(jù)分析簡介
- 1.1.1 發(fā)展趨勢
- 1.1.2 賦能增值
- 1.2 Excel與Python的特征對比
- 1.2.1 定位對比
- 1.2.2 操作方式對比
- 1.2.3 適用場景和對象
- 1.3 Excel與Python的功能范圍
- 1.3.1 Excel的功能區(qū)
- 1.3.2 Python數(shù)據(jù)處理包和工具
- 1.3.3 Excel與Python的數(shù)據(jù)處理功能對比
- 1.4 Excel與Python的選擇和協(xié)作
- 1.4.1 如何選擇
- 1.4.2 如何協(xié)作
- 第2章 統(tǒng)計(jì)量
- 2.1 常用統(tǒng)計(jì)量介紹
- 2.1.1 集中趨勢
- 2.1.2 離散程度
- 2.1.3 可能性評估
- 2.1.4 條件概率
- 2.2 隨機(jī)變量及其分布
- 2.2.1 隨機(jī)變量
- 2.2.2 離散型隨機(jī)變量分布
- 2.2.3 連續(xù)型隨機(jī)變量分布
- 第3章 實(shí)踐環(huán)境的搭建
- 3.1 Excel數(shù)據(jù)分析環(huán)境
- 3.1.1 配置和擴(kuò)展功能區(qū)
- 3.1.2 Excel的操作方法
- 3.2 Python開發(fā)環(huán)境
- 3.2.1 安裝Python
- 3.2.2 安裝Anaconda開發(fā)環(huán)境
- 3.3 Python基礎(chǔ)語法
- 3.3.1 認(rèn)識Python的工作方式
- 3.3.2 基礎(chǔ)語法——Python的獨(dú)特“口音”
- 3.3.3 變量與類型——角色扮演
- 3.3.4 運(yùn)算符——算術(shù)演示
- 3.3.5 字符串操作——以語文實(shí)例演示
- 3.3.6 條件控制——以物理實(shí)例演示
- 3.3.7 循環(huán)控制——以數(shù)學(xué)實(shí)例演示
- 3.3.8 GUI編程——以美術(shù)實(shí)例演示
- 3.3.9 復(fù)合數(shù)據(jù)類型——以地理實(shí)例演示
- 3.3.10 函數(shù)——以化學(xué)實(shí)例演示
- 3.3.11 類——時間對象的演示
- 3.3.12 包和模塊
- 3.3.13 主要的數(shù)據(jù)科學(xué)包
- 3.3.14 數(shù)據(jù)庫操作
- 3.4 Excel與Python的整合環(huán)境
- 3.4.1 安裝openpyxl包
- 3.4.2 構(gòu)建測試數(shù)據(jù)
- 3.4.3 Excel文件讀寫
- 3.4.4 自動化處理
- 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
- 4.1.1 平均數(shù)的計(jì)算
- 4.1.2 中位數(shù)的計(jì)算
- 4.1.3 眾數(shù)的計(jì)算
- 4.1.4 最大值、最小值的計(jì)算
- 4.1.5 四分位數(shù)的計(jì)算
- 4.1.6 標(biāo)準(zhǔn)差的計(jì)算
- 4.1.7 頻率計(jì)算
- 4.1.8 Excel與Python中統(tǒng)計(jì)量函數(shù)對比
- 4.2 數(shù)據(jù)分析與概率統(tǒng)計(jì)
- 4.2.1 描述統(tǒng)計(jì)
- 4.2.2 排列組合
- 4.2.3 二項(xiàng)分布計(jì)算
- 4.2.4 幾何分布計(jì)算
- 4.2.5 正態(tài)分布計(jì)算
- 4.2.6 抽樣工具
- 4.2.7 相關(guān)系數(shù)
- 4.2.8 方差分析
- 4.2.9 Excel和Python數(shù)據(jù)分析和概率計(jì)算功能對比
- 4.3 邏輯運(yùn)算
- 4.3.1 邏輯“與”的運(yùn)算
- 4.3.2 邏輯假的設(shè)置
- 4.3.3 邏輯條件判斷
- 4.3.4 邏輯錯誤處理
- 4.3.5 異常值處理
- 4.3.6 邏輯“非”的運(yùn)算
- 4.3.7 邏輯“異或”的運(yùn)算
- 4.3.8 Excel與Python邏輯運(yùn)算對比
- 4.4 文本處理
- 4.4.1 拼接字符串
- 4.4.2 對比字符串
- 4.4.3 查找字符串
- 4.4.4 計(jì)算字符串長度
- 4.4.5 大小寫轉(zhuǎn)換
- 4.4.6 替換字符串
- 4.4.7 去除空格
- 4.4.8 Excel和Python的文本處理函數(shù)對比
- 4.5 日期與時間
- 4.5.1 構(gòu)建日期和時間數(shù)據(jù)
- 4.5.2 拆分日期和時間數(shù)據(jù)
- 4.5.3 日期的加減
- 4.5.4 星期制度數(shù)據(jù)
- 4.5.5 轉(zhuǎn)換日期和時間格式
- 4.5.6 Excel和Python的日期和時間函數(shù)對比
- 4.6 查找與引用
- 4.6.1 定義引用關(guān)系
- 4.6.2 LOOKUP函數(shù)
- 4.6.3 VLOOKUP函數(shù)
- 4.6.4 TRANSPOSE函數(shù)
- 4.6.5 MATCH函數(shù)
- 4.6.6 Excel和Python的查找引用功能對比
- 4.7 數(shù)學(xué)與三角函數(shù)
- 4.7.1 數(shù)值處理
- 4.7.2 轉(zhuǎn)換計(jì)算
- 4.7.3 三角函數(shù)
- 4.7.4 指數(shù)與對數(shù)
- 4.8 數(shù)據(jù)的排序、查重、匯總
- 4.8.1 數(shù)據(jù)的排序
- 4.8.2 數(shù)據(jù)的查重
- 4.8.3 數(shù)據(jù)的匯總
- 4.8.4 Excel和Python的數(shù)據(jù)排序、查重、匯總功能對比
- 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
- 5.1.1 Excel中的配置方式
- 5.1.2 Python中的配置方式
- 5.2 使用Power Query
- 5.2.1 打開Power Query
- 5.2.2 使用Power Query
- 5.3 從數(shù)據(jù)庫抽取數(shù)據(jù)
- 5.3.1 連接SQLite數(shù)據(jù)庫
- 5.3.2 連接SQL Server數(shù)據(jù)庫
- 5.3.3 連接Oracle數(shù)據(jù)庫
- 5.3.4 連接MySQL數(shù)據(jù)庫
- 5.3.5 連接PostgreSQL數(shù)據(jù)庫
- 5.3.6 連接MongoDB數(shù)據(jù)庫
- 5.3.7 Excel和Python連接數(shù)據(jù)庫的方法對比
- 5.4 從數(shù)據(jù)文件中讀取數(shù)據(jù)
- 5.4.1 從CSV文件中讀取數(shù)據(jù)
- 5.4.2 從XML文件中讀取數(shù)據(jù)
- 5.4.3 從JSON文件中讀取數(shù)據(jù)
- 5.4.4 從TXT文件中讀取數(shù)據(jù)
- 5.4.5 Excel和Python讀取各類文件數(shù)據(jù)的方法對比
- 5.5 從互聯(lián)網(wǎng)獲取數(shù)據(jù)
- 5.5.1 構(gòu)建測試用網(wǎng)站數(shù)據(jù)
- 5.5.2 抓取網(wǎng)頁數(shù)據(jù)
- 5.5.3 調(diào)用Web API服務(wù)
- 5.5.4 Excel和Python抓取互聯(lián)網(wǎng)數(shù)據(jù)方法對比
- 5.6 驗(yàn)證抓取的數(shù)據(jù)
- 5.6.1 數(shù)據(jù)統(tǒng)計(jì)
- 5.6.2 確定數(shù)據(jù)類型
- 5.6.3 檢查數(shù)據(jù)邊界
- 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
- 6.1.1 問題數(shù)據(jù)類型
- 6.1.2 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
- 6.3.1 Power Query清洗方法
- 6.3.2 DataFrame類型數(shù)據(jù)清洗方法
- 6.4 數(shù)據(jù)清洗實(shí)踐
- 6.4.1 重復(fù)數(shù)據(jù)的處理
- 6.4.2 缺失數(shù)據(jù)的處理
- 6.4.3 添加自定義列
- 6.4.4 錯誤、異常數(shù)據(jù)的處理
- 6.4.5 數(shù)據(jù)關(guān)聯(lián)
- 6.4.6 數(shù)據(jù)追加
- 6.4.7 分類匯總
- 6.4.8 步驟編排和復(fù)用
- 6.4.9 總結(jié)
- 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)
- 7.1.1 ETL
- 7.1.2 ELT
- 7.2 通過Excel裝載數(shù)據(jù)
- 7.2.1 保存為CSV文件
- 7.2.2 保存為HTML文件
- 7.2.3 保存為XML文件
- 7.2.4 發(fā)布到SharePoint
- 7.2.5 發(fā)布到Power BI
- 7.2.6 發(fā)布到OneDriver
- 7.3 通過Python裝載數(shù)據(jù)
- 7.3.1 寫入HDF5文件
- 7.3.2 寫入關(guān)系數(shù)據(jù)庫
- 7.3.3 生成HTML文件
- 7.3.4 保存到JSON文件
- 7.3.5 保存為LaTeX數(shù)據(jù)
- 7.3.6 保存為Parquet格式數(shù)據(jù)
- 7.3.7 轉(zhuǎn)換為NumPy數(shù)據(jù)
- 7.3.8 生成Markdown格式數(shù)據(jù)
- 7.3.9 總結(jié)
- 7.4 數(shù)據(jù)裝載策略
- 7.4.1 裝載的方式
- 7.4.2 裝載的頻率
- 7.4.3 操作的方式
- 第8章 數(shù)據(jù)建模
- 8.1 數(shù)據(jù)模型相關(guān)概念
- 8.1.1 關(guān)系模型
- 8.1.2 多維度建模
- 8.1.3 測試數(shù)據(jù)說明
- 8.2 使用Power Pivot構(gòu)建數(shù)據(jù)模型
- 8.2.1 啟用Power Pivot
- 8.2.2 認(rèn)識Power Pivot
- 8.2.3 構(gòu)建Power Pivot關(guān)系模型
- 8.2.4 應(yīng)用Power Pivot數(shù)據(jù)模型
- 8.3 使用SQLAlchemy構(gòu)建模型
- 8.3.1 啟用SQLAlchemy
- 8.3.2 認(rèn)識SQLAlchemy
- 8.3.3 通過SQLAlchemy構(gòu)建數(shù)據(jù)模型
- 8.3.4 應(yīng)用SQLAlchemy數(shù)據(jù)模型
- 8.4 Excel和Python構(gòu)建關(guān)系數(shù)據(jù)模型對比
- 第9章 數(shù)據(jù)挖掘
- 9.1 認(rèn)識數(shù)據(jù)挖掘
- 9.1.1 數(shù)據(jù)分析和數(shù)據(jù)挖掘
- 9.1.2 數(shù)據(jù)挖掘算法的分類
- 9.1.3 數(shù)據(jù)挖掘步驟
- 9.2 Excel數(shù)據(jù)挖掘方案
- 9.2.1 安裝數(shù)據(jù)挖掘插件
- 9.2.2 認(rèn)識數(shù)據(jù)挖掘插件
- 9.2.3 使用數(shù)據(jù)挖掘插件
- 9.2.4 創(chuàng)建數(shù)據(jù)挖掘模型
- 9.2.5 管理數(shù)據(jù)挖掘模型
- 9.2.6 使用Excel函數(shù)進(jìn)行數(shù)據(jù)挖掘
- 9.3 Python數(shù)據(jù)挖掘方案
- 9.3.1 安裝scikit-learn
- 9.3.2 認(rèn)識scikit-learn
- 9.3.3 scikit-learn API接口
- 9.4 scikit-learn操作
- 9.4.1 特征抽取
- 9.4.2 算法選擇
- 9.4.3 驗(yàn)證操作
- 9.5 具體挖掘算法
- 9.5.1 線性回歸
- 9.5.2 邏輯回歸
- 9.5.3 聚類分析
- 9.5.4 貝葉斯算法
- 9.5.5 決策樹算法
- 第10章 數(shù)據(jù)可視化
- 10.1 數(shù)據(jù)可視化基礎(chǔ)
- 10.1.1 數(shù)據(jù)可視化圖的構(gòu)成
- 10.1.2 數(shù)據(jù)可視化陷阱
- 10.2 可視化方案
- 10.2.1 Excel數(shù)據(jù)可視化方案
- 10.2.2 Python數(shù)據(jù)可視化方案
- 10.2.3 辨認(rèn)數(shù)據(jù)類型
- 10.2.4 選擇可視化圖
- 10.3 散點(diǎn)圖
- 10.3.1 散點(diǎn)圖說明
- 10.3.2 在Excel中繪制散點(diǎn)圖
- 10.3.3 在Python中繪制散點(diǎn)圖
- 10.4 餅圖
- 10.4.1 餅圖說明
- 10.4.2 在Excel中繪制餅圖
- 10.4.3 在Python中繪制餅圖
- 10.5 條形圖
- 10.5.1 分段條形圖說明
- 10.5.2 堆積條形圖說明
- 10.5.3 在Excel中繪制條形圖
- 10.5.4 在Python中繪制條形圖
- 10.6 面積圖
- 10.6.1 面積圖說明
- 10.6.2 在Excel中繪制面積圖
- 10.6.3 在Python中繪制面積圖
- 10.7 折線圖
- 10.7.1 折線圖說明
- 10.7.2 在Excel中繪制折線圖
- 10.7.3 在Python中繪制折線圖
- 10.8 柱形圖
- 10.8.1 柱形圖說明
- 10.8.2 在Excel中繪制柱形圖
- 10.8.3 在Python中繪制柱形圖
- 10.9 特殊可視化圖
- 10.9.1 繪制股票K線圖
- 10.9.2 數(shù)據(jù)挖掘可視化
- 10.9.3 其他學(xué)科數(shù)據(jù)可視化
- 10.10 Excel與Python可視化處理方式對比
- 第11章 分析報(bào)告
- 11.1 分析報(bào)告基礎(chǔ)
- 11.1.1 儀表板和報(bào)表的差異
- 11.1.2 設(shè)計(jì)的原則
- 11.1.3 內(nèi)容的確定
- 11.1.4 Excel分析報(bào)告制作方案
- 11.1.5 Python分析報(bào)告制作方案
- 11.2 Excel數(shù)據(jù)透視
- 11.3 Excel數(shù)據(jù)儀表板
- 11.3.1 確定內(nèi)容
- 11.3.2 布局設(shè)計(jì)
- 11.3.3 表格樣式設(shè)置
- 11.3.4 添加目標(biāo)值和計(jì)算百分比
- 11.3.5 使用迷你圖
- 11.3.6 增強(qiáng)表格可視化效果
- 11.3.7 添加切片器
- 11.4 安裝JupyterLab插件
- 11.4.1 安裝插件
- 11.4.2 驗(yàn)證使用插件
- 11.5 JupyterLab交互式設(shè)計(jì)
- 11.5.1 使用Markdown添加說明
- 11.5.2 讀取處理數(shù)據(jù)
- 11.5.3 添加交互功能
- 11.5.4 添加可視化控件 更新時間:2023-04-21 19:52:49