內容簡介:資料分析聽起來很難,但只要你會用Excel,其實就不難上手了。透過這本實作指南,能夠幫助你更進一步地理解資料分析與處理,並瞭解如何藉助程式語言進行資料分析與假說檢定。
資料分析的重點是找出關聯性,本書可以引導你學到更進階的資料分析技術。本書運用試算表作為練習基礎統計學概念的範例,並告訴你如何運用Python與R進行更有效率的資料分析。
這本實用指南可以幫助你:
.了解如何利用Excel進行資料分析:透過Excel來測試變數之間的關係,並運用統計學製作令人信服的分析
.從Excel到R:學會如何使用R進行原本利用Excel所進行的資料分析工作
.從Excel到Python:學會如何應用Python進行原本利用Excel所進行的資料分析工作
專家推薦
「本書精確地說明如何運用Excel進行資料科學與分析的工作」--Jordan Goldmeier, 微軟Excel MVP
「這本書不僅可以作為商業和資料分析的參考資料,也可以作為入門教材」--Aiden Johnson, 資料科學家
目錄
章節說明:第一部|Excel資料分析導論
第1章 探索式資料分析導論
第2章 機率導論
第3章 推論統計導論
第4章 相關與迴歸
第5章 資料分析堆疊
第二部|從Excel到R
第6章 Excel 使用者開始使用 R 的第一步
第7章 R 的資料結構
第8章 在 R 中處理資料和視覺化
第9章 總體專案:R for Data Analytics
第三部|從Excel到Python
第10章 Excel使用者開始使用Python的第一步
第11章 Python的資料結構
第12章 在Python中處理資料和視覺化
第13章 總體專案:Python for Data Analytics
第14章 總結與展望
章節說明:第一部|Excel資料分析導論
第1章 探索式資料分析導論
第2章 機率導論
第3章 推論統計導論
第4章 相關與迴歸
第5章 資料分析堆疊
第二部|從Excel到R
第6章 Excel 使用者開始使用 R 的第一步
第7章 R 的資料結構
第8章 在 R 中處理資料和視覺化
第9章 總體專案:R for Data Analytics
第三部|從Excel到Python
第10章 Excel使用者開始使用Python的第一步
第11章 Python的資料結構
第12章 在Python中處理資料和視覺化
第13章 總體專案:Python for Data Analytics
第14章 總結與展望