目錄 前言 第1章 數據分析入門1 1.1 什么是數據分析1 1.1.1 數據分析的含義1 1.1.2 數據分析的操作步驟2 1.1.3 數據分析的應用場景5 1.1.4 數據分析的發展趨勢8 1.2 數據分析的職業發展及分類8 1.3 數據分析之道10 1.3.1 三類統計分析策略10 1.3.2 數據分析的常用方法17 1.4 數據分析之術22 1.4.1 **的Excel處理方法22 1.4.2 高超的數據庫查詢技巧23 1.4.3 純熟的數據可視化技能23 1.4.4 高大上的統計編程技術26 第2章 數據分析——從玩轉Excel開始28 2.1 Excel概述28 2.1.1 強大的數據處理技能28 2.1.2 實用的數據分析技巧29 2.1.3 豐富的數據可視化圖表30 2.1.4 便捷的自動化數據處理30 2.1.5 快速實現業務報表開發32 2.2 高效處理數據的Excel函數家族34 2.2.1 常用的統計分析函數35 2.2.2 靈活的文本處理函數49 2.2.3 便捷的數值運算函數59 2.2.4 經典的邏輯判斷函數68 2.2.5 實用的日期計算函數74 2.2.6 高效的匹配查找函數80 2.3 十分有用的Excel數據分析技巧94 2.3.1 數據透視表實現統計分析95 2.3.2 描述性統計分析113 2.3.3 相關系數與協方差115 2.3.4 線性回歸模型預測118 2.3.5 移動平均模型預測121 2.4 酷炫的Excel圖表可視化123 2.4.1 Excel基礎圖表123 2.4.2 高級可視化圖表135 2.5 讓你的Excel報表動起來141 2.5.1 VBA基礎語法142 2.5.2 錄制宏，解放你的雙手152 2.5.3 VBA應用：學生成績信息統計154 2.5.4 VBA應用：報表發送前的一鍵優化155 2.5.5 VBA應用：數據庫字典的超鏈接156 2.5.6 VBA應用：一鍵合并拆分工作簿158 2.5.7 VBA應用：從數據庫獲取并更新數據163 第3章 海量數據管理——拿MySQL說事兒174 3.1 MySQL數據庫的安裝174 3.2 將數據寫入到數據庫中178 3.2.1 常用的數據類型178 3.2.2 手工建表181 3.2.3 數據插入183 3.2.4 外部數據的批量導入186 3.3 重要的單表查詢191 3.3.1 SQL查詢的7個核心關鍵詞——以鏈家二手房數據為例192 3.3.2 基于CASE WHEN的常用查詢——以電商交易數據為例201 3.3.3 幾種常見的嵌套查詢——以學員考試成績為例205 3.3.4 基于分組排序的輔助列功能——以銷售員業績數據為例210 3.4 復雜的多表查詢214 3.4.1 縱向表合并——以超市交易數據為例215 3.4.2 表連接操作——以校園一卡通記錄數據為例217 3.5 通過索引提高數據的查詢速度224 3.5.1 常見的索引類型224 3.5.2 索引的查詢和刪除229 3.5.3 關于索引的注意事項230 3.6 數據庫的增刪改操作231 3.6.1 數據庫的增操作231 3.6.2 數據庫的刪操作232 3.6.3 數據庫的改操作235 第4章 數據可視化——Tableau的使用238 4.1 數據可視化概述238 4.1.1 什么是數據可視化238 4.1.2 為什么要實現數據可視化240 4.2 Tableau概述241 4.2.1 軟件安裝241 4.2.2 連接數據源243 4.2.3 數據源界面249 4.2.4 工作區界面251 4.2.5 高級操作259 4.2.6 保存結果264 4.3 數據可視化圖表265 4.3.1 條形圖266 4.3.2 柱形圖267 4.3.3 折線圖268 4.3.4 面積圖271 4.3.5 符號圖272 4.3.6 樹狀圖272 4.3.7 氣泡圖273 4.3.8 文字云273 4.3.9 餅圖274 4.3.10 熱圖274 4.3.11 盒須圖275 4.3.12 雙軸圖276 4.3.13 動態圖表277 4.3.14 參數圖表279 4.3.15 漏斗圖282 4.4 儀表板的制作與發布286 4.4.1 儀表板的制作286 4.4.2 可視化成果發布288 第5章 數據分析進階——Python數據分析291 5.1 數據分析的利器——Python291 5.1.1 Anoconda——Python集成開發環境的安裝292 5.1.2 Python編程工具的選擇295 5.2 Jupyter的使用技巧297 5.2.1 代碼運行組合鍵297 5.2.2 代碼框操作組合鍵297 5.2.3 注釋組合鍵297 5.2.4 幫助組合鍵298 5.2.5 代碼與筆記的切換組合鍵298 5.3 數據讀取——從pandas開始299 5.3.1 文本文件的讀取299 5.3.2 電子表格的讀取301 5.3.3 數據庫數據的讀取303 5.4 常見的數據處理技術306 5.4.1 數據的概覽與清洗306 5.4.2 數據的引用312 5.4.3 多表合并與連接314 5.4.4 數據的匯總319 5.5 探索性數據分析324 5.5.1 異常數據的檢測與處理324 5.5.2 數據的描述331 5.5.3 數據的推斷348 5.6 線性回歸模型的應用358 5.6.1 簡單線性回歸模型——剎車距離的研究359 5.6.2 多元線性回歸模型——產品市場銷售額的研究363 5.6.3 模型的顯著性檢驗——F檢驗365 5.6.4 回歸系數的顯著性檢驗——t檢驗367 5.6.5 基于回歸模型識別異常點370 5.6.6 模型的預測372