谁说菜鸟不会数据分析

谁说菜鸟不会数据分析

基本信息

作者: 张文霖 刘夏璐 狄松

出版社: 电子工业出版社

ISBN: 9787121135873

上架时间: 2011-6-27

出版日期: 2011 年7月

http://product.china-pub.com/198272


内容简介

  很多人看到数据分析就望而却步,担心门槛高,无法迈入数据分析的门槛。本书在降低学习难度方面做了大量的尝试:基于通用的excel工具,加上必知必 会的数据分析概念,并且采用通俗易懂的讲解方式。本书努力将数据分析写成像小说一样通俗易懂,使读者可以在无形之中学会数据分析。
   《谁说菜鸟不会数据分析》 按照数据分析工作的完整流程来讲解。全书共8章,分别讲解数据分析必知必会的知识、数据处理技巧、数据展现的技术、通过专业化的视角来提升图表之美、数据分析报告的撰写技能以及持续的修炼。
   《谁说菜鸟不会数据分析》形式活泼,内容丰富而且充实,让人有不断阅读下去的动力。读者完全可以把这本书当小说来阅读,跟随主人公小白,在mr.林的指点下轻松掌握数据分析的技能,提升职场竞争能力。
   《谁说菜鸟不会数据分析》适合需要提升自身竞争力的职场新人;在市场营销、金融、财务、人力资源管理中需要作数据分析的人士;经常阅读经营分析、市场研究报告的各级管理人员;从事咨询、研究、分析等专业人士。

目录

《谁说菜鸟不会数据分析》
第1章 数据分析那些事儿 11
1.1 数据分析是“神马” 12
1.1.1 何谓数据分析 13
1.1.2 数据分析的广阔前景 14
1.1.3 菜鸟与数据分析师 15
1.1.4 数据分析师的基本素质 16
1.2 数据分析六步曲 19
1.2.1 明确分析目的和内容 20
1.2.2 数据收集 20
1.2.3 数据处理 21
1.2.4 数据分析 22
1.2.5 数据展现 23
1.2.6 报告撰写 23
1.3 几个常用指标或术语 24
1.4 本章小结 29
第2章 无米难为巧妇——数据准备 30
2.1 理解数据 32
2.1.1 字段与记录 32
2.1.2 数据类型 33
.2.1.3 数据表 34
2.1.4 问卷录入 35
2.2 初识excel 38
2.2.1 菜单操作 39
2.2.2 函数 42
2.2.3 图表 46
2.2.4 宏 47
2.2.5 快捷键 49
2.3 数据来源 51
2.3.1 导入外部数据 51
2.3.2 手动输入数据更灵活 57
2.4 本章小结 60
第3章 三心二意——数据处理 61
3.1 何为数据处理 62
3.1.1 “三心二意”处理数据 62
3.1.2 数据处理的内容 64
3.2 数据清洗 65
3.2.1 清洗数据时的小妙招 66
3.2.2 重复数据处理 72
3.2.3 处理缺失数据 77
3.2.4 检查数据逻辑错误 83
3.3 数据加工 89
3.3.1 数据抽取 90
3.3.2 数据计算 96
3.3.3 数据分组 102
3.3.4 数据转换 104
3.4 数据抽样 110
3.5 本章小结 112
第4章 工欲善其事必先利其器 数据分析 113
4.1 数据分析方法论 114
4.1.1 数据分析方法论与数据分析法的区别 115
4.1.2 pest分析法 116
4.1.3 5w2h分析法 118
4.1.4 逻辑树分析法 120
4.1.5 4p营销理论 121
4.1.6 用户行为理论 123
4.2 数据分析方法 124
4.2.1 对比分析法 124
4.2.2 分组分析法 128
4.2.3 结构分析法 129
4.2.4 平均分析法 130
4.2.5 交叉分析法 131
4.2.6 综合评价分析法 132
4.2.7 杜邦分析法 136
4.2.8 漏斗图分析法 138
4.2.9 矩阵关联分析法 138
4.2.10 高级数据分析方法 144
4.2.11 数据分析的三大误区 145
4.3 数据分析工具 146
4.3.1 初识数据透视表 146
4.3.2 创建数据透视表的三步法 147
4.3.3 数据透视表分析实践 150
4.3.4 多选题分析 156
4.3.5 数据透视表小技巧 161
4.4 本章小结 166
第5章 给数据量体裁衣 数据展现 167
5.1 揭开图表的真面目 168
5.1.1 图表的作用 168
5.1.2 经济适用图表有哪些 169
5.1.3 通过关系选择图表 170
5.1.4 图表制作5步法 175
5.2 表格也疯狂 176
5.2.1 突出显示单元格 176
5.2.2 项目选取 177
5.2.3 数据条 177
5.2.4 图标集 178
5.2.5 迷你图 180
5.3 给图表换装 181
5.3.1 平均线图 181
5.3.2 双坐标图 183
5.3.3 竖形折线图 186
5.3.4 瀑布图 189
5.3.5 帕累托图 191
5.3.6 旋风图 195
5.3.7 人口金字塔图 200
5.3.8 漏斗图 202
5.3.9 矩阵图(散点图) 204
5.3.10 发展矩阵图 208
5.3.11 改进难易矩阵(气泡图) 210
5.4 本章小结 212
第6章 专业化生存——图表可以更美的 213
6.1 别让图表犯错 215
6.1.1 让图表“五脏俱全” 215
6.1.2 要注意的条条框框 217
6.1.3 图表会说谎 229
6.2 浓妆淡抹总相宜——图表美化 233
6.2.1 图表美化的三原则 234
6.2.2 略施粉黛,美化技巧 237
6.2.3 图表也好“色” 243
6.3 如虎添翼的招儿 252
6.3.1 我的图表模板 252
6.3.2 快速制图 254
6.3.3 添加数据系列 255
6.3.4 添加标签小工具 256
6.3.5 智能“照相机” 259
6.3.6 修剪超大值 262
6.3.7 制作图表时通用的快捷操作 263
6.4 本章小结 264
第7章 专业的报告——提升你的职场价值 263
7.1 初次数据分析报告 264
7.1.1 数据分析报告的定义 264
7.1.2 数据分析报告的协作原则 264
7.1.3 数据分析报告的作用 266
7.1.4 数据分析报告的种类 267
7.2 数据分析报告的结构 269
7.2.1 标题页 270
7.2.2 目录 272
7.2.3 前言 273
7.2.4 正文 274
7.2.5 结论与建议 275
7.2.6 附录 276
7.3 撰写报告时的注意事项 277
7.4 报告范例 278
7.5 本章小结 285
第8章 数据分析技能持续提升 286
8.1 软件工具 287
8.1.1 数据分析类工具 287
8.1.2 数据展现类工具 291
8.2 论坛 294
8.2.1 数据分析类论坛 294
8.2.2 数据展现类论坛 296
8.3 博客 296
8.3.1 数据分析十大博客 297
8.3.2 ppt十大中文博客 299
8.4 本章小结 300

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值