标签分类
当前位置:首页 > 程序设计电子书 > 数据分析电子书网盘下载
人人都是数据分析师:Tableau应用实战 人人都是数据分析师:Tableau应用实战
yico

yico 提供上传

资源
43
粉丝
28
喜欢
159
评论
7

    人人都是数据分析师:Tableau应用实战 PDF 高清版

    数据分析电子书
    • 发布时间:

    给大家带来的一篇关于数据分析相关的电子书资源,介绍了关于数据分析、Tableau、应用实战方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小25 MB,刘红阁编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.9,更多相关的学习资源可以参阅 程序设计电子书、等栏目。

  • 人人都是数据分析师:Tableau应用实战 PDF 下载
  • 下载地址:https://pan.baidu.com/s/136_q1FPtPXP6IlBJq9p8mQ
  • 分享码:b0p5
  • 人人都是数据分析师:Tableau应用实战 PDF

    人人都是数据分析师:Tableau应用实战基于Tableau 9.1 最新版撰写,详解了Tableau 的移动数据与编写、图型编写与展现作用,包含移动数据与管理方法、基本与高級图型剖析、地图分析、高級统计数据实际操作、基本数据分析、怎样与R 集成化开展高級剖析、分析图表融合及其剖析成效共享资源等主题思想。一起,书中以现阶段电力企业现有的检测、剖析业务流程实践活动为基本,以丰富多彩的实际上实例围绕自始至终,对各种方式、技术性开展了详细描述,便捷用户迅速把握数据分析方法。
    这书适用互联网技术、金融机构证劵、资询财务审计、快速消费品、电力能源等制造行业数据统计分析客户及其新闻媒体、网址等大数据可视化客户。

    目录

    • 第1章 Tableau入门  1
    • 1.1 敏捷商务智能  1
    • 1.2 数据可视化明星Tableau  2
    • 1.3 Tableau的主要特性  3
    • 1.4 Tableau的产品体系  5
    • 1.5 Tableau的工作区  6
    • 1.5.1 工作表工作区  6
    • 1.5.2 仪表板工作区  8
    • 1.5.3 故事工作区  9
    • 1.5.4 菜单栏和工具栏  10
    • 1.6 Tableau的文件管理  12
    • 第2章 典型应用场景  14
    • 2.1 数据准备  14
    • 2.2 认识Tableau数据  16
    • 2.2.1 数据角色  16
    • 2.2.2 字段类型  18
    • 2.2.3 字段类型转换  18
    • 2.3 创建视图  19
    • 2.3.1 行列功能区  20
    • 2.3.2 标记卡  23
    • 2.3.3 筛选器  29
    • 2.3.4 页面  31
    • 2.3.5 智能显示  32
    • 2.3.6 度量名称和度量值  33
    • 2.4 创建仪表板  35
    • 2.5 保存工作成果  37
    • 第3章 数据连接与管理  38
    • 3.1 Tableau的数据架构  38
    • 3.2 数据连接  41
    • 3.2.1 连接文件数据源  41
    • 3.2.2 连接服务器数据源  45
    • 3.2.3 复制粘贴输入数据  49
    • 3.2.4 筛选数据  51
    • 3.3 数据整合  53
    • 3.3.1 实现多表联结  53
    • 3.3.2 多数据源的数据融合  56
    • 3.3.3 行列转换  59
    • 3.4 数据加载  60
    • 3.4.1 创建数据提取  60
    • 3.4.2 刷新数据提取  64
    • 3.4.3 向数据提取添加行  66
    • 3.4.4 优化数据提取  67
    • 3.5 数据维护  68
    • 3.5.1 查看数据  69
    • 3.5.2 刷新数据  69
    • 3.5.3 替换数据  70
    • 3.5.4 删除数据  71
    • 第4章 初级可视化分析  73
    • 4.1 条形图  73
    • 4.2 直方图  77
    • 4.3 饼图  80
    • 4.4 折线图  83
    • 4.4.1 基本折线图  83
    • 4.4.2 双组合图  86
    • 4.5 基本表  89
    • 4.6 压力图  90
    • 4.6.1 压力图  90
    • 4.6.2 突显表  92
    • 4.7 树地图  96
    • 4.8 气泡图  97
    • 4.9 圆视图  98
    • 4.10 标靶图  99
    • 4.11 甘特图  101
    • 第5章 地图分析  103
    • 5.1 地图简介  103
    • 5.1.1 分配地理角色  103
    • 5.1.2 创建符号地图  104
    • 5.1.3 创建填充地图  111
    • 5.1.4 创建多维度地图  112
    • 5.1.5 创建混合地图  113
    • 5.2 设置地理信息  116
    • 5.2.1 选择地图源  116
    • 5.2.2 自定义地理编码  118
    • 5.3 高级功能  121
    • 5.3.1 多边形地图  121
    • 5.3.2 背景图像地图  123
    • 5.3.3 地理位置距离计算  127
    • 第6章 高级数据操作  129
    • 6.1 分层结构  129
    • 6.1.1 创建分层结构  130
    • 6.1.2 使用分层结构  131
    • 6.2 组  134
    • 6.2.1 创建组  134
    • 6.2.2 使用组  136
    • 6.3 集  138
    • 6.3.1 创建集  138
    • 6.3.2 使用集  141
    • 6.4 参数  142
    • 6.4.1 创建参数  143
    • 6.4.2 使用参数  144
    • 6.5 计算字段  145
    • 6.5.1 创建计算字段  146
    • 6.5.2 使用计算字段  147
    • 6.5.3 特殊函数:表计算  149
    • 6.5.4 特殊函数:详细级别表达式  156
    • 6.5.5 特殊函数:百分比  158
    • 6.6 变换  159
    • 6.6.1 变换日期型字段  159
    • 6.6.2 变换字符型字段  160
    • 6.7 参考线及参考区间  161
    • 6.7.1 创建参考线及参考区间  162
    • 6.7.2 创建参考区间  165
    • 第7章 高级可视化分析  166
    • 7.1 帕累托图  166
    • 7.2 盒须图  171
    • 7.2.1 基础应用  172
    • 7.2.2 图形延伸  174
    • 7.3 瀑布图  175
    • 7.3.1 基础应用  176
    • 7.3.2 图形延伸  178
    • 7.4 范围线图  180
    • 7.5 倾斜图  183
    • 7.6 网络图  186
    • 7.7 雷达图  191
    • 第8章 统计分析  199
    • 8.1 散点图与相关分析  199
    • 8.1.1 创建基本散点图  199
    • 8.1.2 创建高级散点图  200
    • 8.1.3 创建散点图矩阵  201
    • 8.2 回归分析  203
    • 8.2.1 模型简介  203
    • 8.2.2 模型构建  204
    • 8.2.3 模型评价  206
    • 8.3 时间序列分析  207
    • 8.3.1 时间序列图  207
    • 8.3.2 时间序列预测  209
    • 8.3.3 预测模型评价  213
    • 8.4 Tableau与R语言  215
    • 8.4.1 R语言简介  215
    • 8.4.2 Tableau与R集成  217
    • 8.4.3 用R进行高级分析  219
    • 第9章 分析图表整合  223
    • 9.1 仪表板简介  223
    • 9.1.1 工作区  223
    • 9.1.2 对象  224
    • 9.1.3 布局容器  225
    • 9.1.4 布局方式  226
    • 9.1.5 交互操作  227
    • 9.2 操作步骤  227
    • 9.2.1 新建布局  228
    • 9.2.2 添加内容并调整格式  230
    • 9.2.3 添加交互操作  244
    • 第10章 分析成果共享  254
    • 10.1 导出和发布数据(源)   254
    • 10.1.1 通过将数据复制到剪贴板导出数据  254
    • 10.1.2 以Access数据库文件导出数据  257
    • 10.1.3 以交叉分析(Excel)方式导出数据  258
    • 10.1.4 导出数据源  258
    • 10.1.5 发布数据源  260
    • 10.2 导出图像和PDF 文件  262
    • 10.2.1 复制图像  262
    • 10.2.2 导出图像  263
    • 10.2.3 打印为PDF   264
    • 10.3 保存和发布工作簿  265
    • 10.3.1 保存工作簿  265
    • 10.3.2 保存打包工作簿  265
    • 10.3.3 将工作簿发布到服务器  267
    • 10.3.4 将工作簿保存到TableauPublic上  270
    • 第11章 Tableau Server简介  273
    • 11.1 安装Tableau Server  273
    • 11.1.1 单服务器安装  273
    • 11.1.2 分布式集群安装  279
    • 11.2 配置Tableau Server  282
    • 11.2.1 配置站点  282
    • 11.2.2 配置用户  285
    • 11.2.3 配置组  288
    • 11.3 使用Tableau Server  289
    • 11.3.1 界面查询  291
    • 11.3.2 编辑发布  294
    • 11.4 安全机制  295
    • 11.4.1 访问安全  296
    • 11.4.2 对象安全  296
    • 11.4.3 数据安全  297
    • 11.4.4 网络安全  297
    • 附录A Tableau数据提取API   299
    • 附录B Tableau JavaScript API  304
    • 附录C Tableau函数  307
    • 附录D 数据表  326

    上一篇:Linux KVM虚拟化架构实战指南  下一篇:从零开始学微信小程序开发

    展开 +

    收起 -

    码小辫二维码
     ←点击下载即可登录

    数据分析相关电子书
    学习笔记
    网友NO.530883

    PHP面向对象之领域模型+数据映射器实例(分析)

    这里要说明一下 因为本人比较懒 博客中相关文章的内容更多的是对深入PHP面向对象、模式与实践一书中代码的整理和简单注解方便自己日后复习和参考, 对相关内容感兴趣的初学的朋友建议请先阅读原文。此处的内容只能当成一种学习的补充和参考。谢谢! 因原书中领域模型+数据映射器的示例代码是连贯在一起的 所以这里就整理在一起了。 简单介绍一下我的看法,从数据库操作的角度看领域模型主要是操作数据表中的单条记录的而数据映射器是操作整个数据表的数据的。 按原文的解释数据映射器是一个负责将数据库数据映射到对象的类,而领域模型象征着真实世界里项目中的各个参与者,它在数据中通常表现为一条记录。 废话不多说,代码和注解如下: 与领域模型相关的三个数据表结构分别为venue(场所)、space(空间)、event(事件)。 create table 'venue' ( 'id' int(11) not null auto_increment, 'name' text, primary key ('id'))create table 'space' ( 'id' int(11) not null auto_increment, 'venue' int(11) default null, 'name' text, primary key ('id'))create table 'event' ( 'id' int(11) not null auto_increment, 'space' int(11) default null, 'start' mediumtext, 'duration' int(11) default null, 'name' text, primary key ('id')) //领域模型(这里只建了一个Venue类用于理解)namespace woo\domain;abstract class DomainObject{ //抽象基类 pri……

    网友NO.582080

    为何选择python进行数据分析

    为什么要用python进行数据分析? 1、python大量的库为数据分析提供了完整的工具集 (推荐学习:Python视频教程) 2、比起MATLAB、R语言等其他主要用于数据分析语言,python语言功能更加健全 3、python库一直在增加,算法的实现采取的方法更加创新 4、python能很方便的对接其他语言,比如c、java等 二、什么是IPython? IPython是一个python的交互式的shell (它默认的python shell要好用的多、强大的多) 1、支持代码的自动补全、自动缩进,已经支持bash shell 2、Jupyter NoteBook(以前称为IPython NoteBook),它提供了一个用户和IPython内核交互的一个界面,同时它又是一个交互式的笔记本(可以保存你的源代码、运行结果),集文本(markdown)、代码、图像、公式与一体的python的web界面 3、支持交互式数据可视化与其他图形用户界面 4、支持高性能的并行计算 三、运行环境 数据分析以及机器学习都有许许多多的程序库,这些程序库(比如:numpy、pandas、sckilearn、TensorFlow等),如果我们单独去配置安装比较麻烦,而且有的程序包(如:scipy)依赖的库比较多;官方提供了一个集成的数据分析、机器学习的开发工具,即anaconda安装:官网下载最新版,windows下安装就行 打开: 方式一、用命令 用cmd命令行或者linux终端嵌入命令:jupyter notebook将会运行起来两个……

    网友NO.640747

    深入分析python数据挖掘 Json结构分析

    这篇文章通过实例给大家分析总结了python数据挖掘以及Json结构分析的相关知识点,对此有兴趣的朋友参考下。 json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式 这种格式的文件是我们在数据处理经常会遇到的 python提供内置的模块json,只需要在使用前导入即可 你可以通过帮助函数查看json的帮助文档 json常用的方法有load、loads、dump以及dumps,这个都属于python初级,我不做过多解释 json可以结合数据库一起使用,在这以后要处理大量数据时非常有用 下面我们正式来利用数据挖掘对json文件进行处理 现在很多网站都运用了Ajax,所以一般很多都是XHR文件 通过这里我想利用一个地图网站来演示 我们通过浏览器的调试获取了相关url https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQ 下面我们通过requests模块中的get方法,模拟浏览器发出的http请求,并返回的到的结果对象 代码如下 # coding=utf-8__Author__ = susmoteimport requestsurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = requests.get(url)print(resp.text[0:200]) 在终端中运行结果如下 数据已经获取到了,但是为了接下来能使用这些数据,我们需要利用json模块对这些数据进行分析 代码如下 import requestsimport jsonurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = request……

    网友NO.762255

    数据分析师为什么要学python

    Python的优点也十分突出,比如上手简单,代码简洁、高效,已经成为很多学术科研人士和普通爱好者的数据分析工具,那么数据分析师为什么要学习Python呢?下面我们就给大家介绍一下这些内容。 获取数据是数据分析的第一步,没有数据那么数据分析的工作就毫无意义。(推荐学习:Python视频教程) 当然,我们获取数据的方式有很多,但是最好的方式就是使用Python,Python凭借它强大的功能可以帮助我们获取数据。当然,像Java等语言也可以实现爬虫功能,但Python实现起来是比较简单的。并且Java的学习成本太大, 而Python是十分简单的,下面我们就来看一看Python的数据分析功能。 那么Python的使用范围是什么呢? 其实python为使用者提供了一系列的数据分析包,经常用到的分析报包括Numpy以及pandas;此外还为使用者提供了一些操作大型数据集所需的高效使用工具。 一般的企业处理的数据量其实也就是在几万到几十万之间,向规模更加巨大的数据一般人可能很少有机会处理大规模的数据。但是对于几万、几十万条数据的处理,可能恰恰是目前乃至今后中小型企业、研究机构的数据处理常态,在这样的数据规模面前,Excel会卡顿到让人想砸电脑,而SPSS、R等专业统计软件虽然相对好一些,但一般人并不会使用。在这种情况下,Pytho……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明