数据分析轻松进阶:从Excel到Python和R:from Excel to Python and R

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。

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

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。