Power Query實戰技巧精粹與M語言-第二版｜新世代Excel BI大數據處理 (2版)

類似書籍推薦給您

【簡介】 用黑科技解決大數據時代的資訊焦慮症 大數據時代必須面臨多元的資料來源與千奇百怪的資料格式，如何快速整合、彙總成足以應用的商業情報，是現代上班族難以逃避的課題。Power Query解決了這樣的焦慮，透過它，即使沒有資訊背景的使用者，也能夠輕鬆駕馭資料處理與分析的繁複過程，成為資料分析達人。 超過16萬字近千幅插圖，帶您從入門到精通 引領讀者熟悉Power Query的操作環境、從Power Query外掛（增益集）、取得、內建，到完整介紹Power Query查詢編輯器的使用，佐以實例說明與演練，陪同您體驗各種功能層面的操作環境。全書11個章節超過16萬字、近1000幅插圖與例圖。 Power Query可以做什麼？ 簡單的說，只要學會Power Query： ．不會Excel函數，也能夠輕鬆匯入行政、業務、人資、財務等各單位的資料並進行彙整及查詢。 ．無痛處理解決常見的報表表頭、頁尾問題，去蕪存菁地將報表檔案組合成可以進行統計分析的資料表。 ．迅速將非結構化資料轉換成結構化的RAW DATA。 ．即使是面對上百個csv、xlsx、txt檔案，也能夠在彈指之間彙整成單一資料表。 ．處理巨量資料時，擁有比傳統樞紐分析表更快的資料處理效能。 靈活彈性的資料鑽取與查詢 ．輕鬆解析常見且普及的xml、json等資料檔案，匯入整理並向下鑽取所需的資料內容。 ．從實務案例學習No Code的資料整理術與資料拆分、群組、合併、附加的技巧，成為資料轉換魔術大師。 ．熟悉M語言，解析資料查詢的核心能力與實作資料容器。 ．學習Power Query的參數查詢，製作查詢介面，活用資料查詢技巧與更有效率的查詢作業。 【目錄】 第1章｜Power Query 簡介 1.1 先說說什麼是 ETL 1.2 什麼是 Power Query 1.3 Power Query 查詢編輯器 第2章｜Power Query 做中學 2.1 匯入第一個實作範例 2.2 Power Query 核心工具：查詢編輯器 2.3 建立新的查詢 第3章｜查詢的編輯與管理 3.1 查詢的編輯與管理 3.2 查詢步驟的管理 3.3 外部資料來源的類型 第4章｜資料的基本處理技巧 4.1 資料的取得與匯入 4.2 關於資料行的相關操控 4.3 關於資料列的相關操控 第5章｜文字的處理與轉換 5.1 分割資料行 5.2 文字資料的格式轉換 5.3 擷取資料 5.4 剖析 XML 和 JOSN 檔案 第6章｜數值與日期時間的處理與轉換 6.1 數值資料的處理與轉換 6.2 日期與時間資料的處理 第7章｜資料轉換與合併查詢 7.1 樞紐與取消樞紐 7.2 轉置查詢 7.3 合併查詢與附加查詢 第8章｜認識 M 語言 8.1 M 語言簡介 8.2 看懂 M 語言語法 第9章｜實作 M 語言三大容器 9.1 實作M語言的三大容器 9.2 List（清單） 9.3 查詢群組資料夾的建立與管理 9.4 Record（記錄） 9.5 Table（表格） 9.6 合併活頁簿裡所有的工作表 9.7 合併資料夾裡的所有活頁簿 第10章｜Power Query 實例應用 10.1 產品清單標籤大量輸出 10.2 值班輪值記錄（一維轉二維） 10.3 各單位各類票券採購統計（二維轉一維） 10.4 各城市年度業績報表 10.5 管線編號合併 10.6 施工門號拆分 10.7 離職與新進的查詢 10.8 機台檢測次數統計 10.9 製作運動鞋品牌款式報表 10.10 小組分組名單 10.11 服飾日銷售記錄摘要分析 10.12 筆電商品規格清單 10.13 產品與產地銷售記錄 10.14 專案小組名單查詢 10.15 員工 KPI 評量查詢 10.16 MOS 證照成績統計 10.17 年度專案費用累計 10.18 ERP 報表拆解與分析 第11章｜參數查詢面面觀 11.1 參數查詢的使用時機（Power Query Parameter） 11.2 選擇資料列的篩選條件 11.3 建立參數查詢 11.4 以儲存格的內容作為查詢比對的依據 11.5 資料來源的變動　【電子書,請線上下載】 附錄A｜Power Query 在何處　【電子書,請線上下載】

精通大數據! R語言資料分析與應用 (2版)

類似書籍推薦給您

書名：精通大數據！R 語言資料分析與應用 第二版(附CD) 作者：Jared P. Lander 著、鍾振蔚譯 出版社：旗標 出版日期：3/23/2018 條碼：9789863125075 內容簡介 運用各種資料分析套件和統計模型, 解決大數據時代所會遇到的各種難題 R 語言是公認處理大數據的最佳利器, 不只免費、語法簡單、直覺, 還具備數千個功能強大的延伸套件, 更讓 R 語言深入各種不同的應用領域。本書由國際知名的資料分析專家執筆, 作者具備豐富的 R 語言教學經驗, 從中篩選出 R 的基本功能和最新、最好用的套件, 並以各種資料集案例, 具體展現資料分析成果。 對於有心跨足資料科學、數據分析、量化交易、人工智慧、機器學習等領域的讀者, 只會 R 語言的語法自然是不夠的。我們將帶您運用各種資料分析套件和統計模型, 解決大數據時代所會遇到的各種難題, 包括：向量運算、文字探勘、資料視覺化、趨勢預測、資料建模, 以及各種分析結果的輸出、引用與動態呈現等, 全面掌握 R 語言的各種技巧。 本書特色 ●向量運算：全向量化的資料結構, 包括：vector、factor vector、data.frame、list、matrix、array 等 ●文字探勘：各類資料匯入讀取、抽取字串、表格轉換與合併、資料聚合、資料正規化、網路爬蟲 ●資料視覺化：最吸睛的 ggplot2 套件圖表繪製技巧, 並利用 Shiny 套件產生網頁互動展示儀表板 ●機率統計：快速領略統計學核心應用, 抽樣分佈、假設檢定、變異數分析、資料分群 ●趨勢預測：展現大數據威力的強力工具, 線性迴歸、廣義線性模型、非線性模型、時間序列與自相關性 ●資料建模：機器學習的基礎, 利用 Caret 評斷資料模型配適度, 建立資料測試與訓練機制, 透過交叉驗證和參數挑選建立最佳模式 ●進階應用：資料分析師必學的套件包裝與發佈、報表/投影片製作、制式化文件輸出等 作者介紹 作者簡介 Jared P. Lander 其專長為資料管理、多階層模型、機器學習、廣義線性模型、視覺化圖表與統計計算，目前是 Lander Analytics 的創始人兼行政總裁，該公司是紐約市的企管顧問公司。作者也是紐約市開源碼大會的主辦人，且是哥倫比亞大學統計系兼任教授。 Jared P. Lander 在哥倫比亞大學取得統計碩士，也曾在許多不同的機構任職過，包括關於政治、科技、籌款、音樂、金融、健保和人道救援的工作，在學術研究和業界皆有豐富經驗。 目錄 01 R 語言的下載與安裝 02 R 的操作環境簡介 03 R 語言的套件 04 R 語言基礎 05 進階資料結構 06 讀取各類資料 07 統計繪圖 08 建立 R 函數 09 流程控制 10 迴圈 — 迭代元素的傳統作法 11 群組資料操作 12 更有效率的群組操作 – 使用 dplyr 13 使用 purrr 迭代的做法 14 資料整理 15 Tidyverse 下的資料整理 16 字串處理 17 機率分佈 18 基本統計分析 19 線性模型 20 廣義線性模型 21 模型診斷 22 正規化和壓縮方法 23 非線性模型 24 時間序列與自相關性 25 資料分群 26 模型配適 - 使用 Caret 套件 27 用 Knitr 套件將分析結果轉製成報表 28 用 Rmarkdown 製作富文本 29 用 Shinny 套件建立互動資訊看板 30 章 建立 R 套件 附錄 A R 語言參考資源 附錄 B 名詞解釋

大數據、AI應用趨勢與R語言案例分析

類似書籍推薦給您

書名：大數據、AI應用趨勢與R語言案例分析(附範例光碟) 作者：黃正傑 出版社：全華 出版日期：2019/12/00 ISBN：9789865033026 內容簡介 大數據與人工智慧是驅動各行各業智慧應用的核心技術，然而，大數據與人工智慧不僅包含IT技術，亦融合統計學，更可說是數據科學。本書主要目的在於讓讀者能理解大數據在IT技術上的基礎概念以及預測分析、人工智慧上的基礎演算方法與實作範例。更重要的是，協助讀者從應用情境、商業分析的角度，往下思考可能的數據分析問題與發展預測分析、人工智慧問題解決方法，諸如：聚類、分類、相似、異常、關聯、關係、鏈結、認知等以及合適的IT架構。 本書應為理解大數據、人工智慧技術與方法起點，可作為商管學生、商業人士理解大數據、人工智慧實務與應用技術方法的初步，也可作為資訊學院學生從應用角度理解大數據、人工智慧技術的開始。 目錄 CH01 大數據發展沿革 1-1 企業資料管理演進 1-2 大數據源起 1-3 大數據定義 1-4 大數據特性 1-5 小結 CH02 大數據價值案例 2-1 大數據價值 2-2 大數據行業應用機會 2-3 大數據企業應用案例 2-4 小結 CH03 大數據市場趨勢 3-1 大數據生態系發展 3-2 大數據技術產品趨勢 3-3 大數據服務市場趨勢 3-4 企業採用趨勢與挑戰 3-5 小結 CH04 大數據技術實施 4-1 資料處理技術發展 4-2 資料分析方法發展 4-3 大數據技術架構 4-4 大數據規劃與實施 4-5 小結 CH05 大數據分析：概念與程序 5-1 大數據分析概念 5-2 預測分析程序 5-3 預測分析工具 5-4 小結 CH06 大數據分析：聚類與分類 6-1 問題解決方向 6-2 聚類分析實作 6-3 分類分析實作 6-4 小結 CH07 大數據分析：迴歸與趨勢 7-1 問題解決方向 7-2 迴歸分析實作 7-3 時間預測分析與實作 7-4 小結 CH08 大數據分析：相似與推薦 8-1 問題解決方向 8-2 異常與相似性判定實作 8-3 相似性推薦實作 8-4 小結 CH09 大數據分析：關聯與關係 9-1 問題解決方向 9-2 關聯分析與實作 9-3 貝氏網路分析與實作 9-4 小結 CH10 大數據分析：連結與網路 10-1 問題解決方向 10-2 社會網路分析與實作 10-3 小結 CH11 人工智慧應用趨勢 11-1 人工智慧沿革 11-2 人工智慧市場 11-3 人工智慧應用案例 11-4 小結 CH12 人工智慧方法發展 12-1 人工智慧方法演變 12-2 機器學習方法 12-3 深度學習方法 12-4 小結 CH13 AI探索：文本挖掘分析 13-1 自然語言發展沿革 13-2 問題解決方向 13-3 文本挖掘分析- 文字雲 13-4 小結 CH14 AI探索：圖像辨識分析 14-1 電腦視覺發展沿革 14-2 問題解決方向 14-3 圖像辨識分析-CNN 深度學習 14-4 小結 CH15 企業智慧應用場景 15-1 應用場景的意義 15-2 智慧製造場景 15-3 智慧零售場景 15-4 小結