数据分析轻松进阶：从EXCEL到PYTHON和R [美] 乔治·芒特（George Mount） 著 彭青松 译

图书标准信息

• 作者 [美]乔治·芒特（GeorgeMount）
• 出版社 人民邮电出版社
• 出版时间 2024-07
• 版次 1
• ISBN 9787115647764
• 定价 79.80元
• 装帧 平装
• 开本 16开
• 页数 194页
• 字数 306千字

【内容简介】

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。

【作者简介】

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。他曾与行业优选的训练营、学习平台和实践组织合作，帮助人们提高数据分析技能。

【目录】

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