Microsoft Power BI数据可视化与数据分析

发布时间：2020年10月30日 15:39:26
作者：王国平
大小：117 MB
类别：数据分析电子书
格式：PDF
版本：影印版
评分：8.9

本类推荐

Microsoft Power BI数据可视化与数据分析 PDF 影印版

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Microsoft、Power、数据可视化、数据分析方面的内容，本书是由电子工业出版社出版，格式为PDF，资源大小117 MB，王国平编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：9.2。

内容介绍

伴随着大数据研究热潮的兴起，各种各样的数据可视化图表层出不穷，生动地呈现数据是一个很有挑战性的工作，随之而来的可视化软件大量涌现。这本书是以业界占有较大份额的MicrosoftPowerBI*版本为基础编写的，详细介绍了MicrosoftPowerBI的数据可视化，包括数据类型和操作符，软件安装，连接数据源，数据基本操作，可视化设计原则，可视化图表，自定义可视化，报告，指示板，查询编辑器，运行R脚本，数据高级操作，数据分析表达式，网页流量数据分析，超市运营数据分析，PowerBI移动应用程序和PowerBI应用程序开发。

第1章 Power BI概况 1
1.1 Power BI简介 1
1.1.1 软件界面 1
1.1.2 主要特征 2
1.2 Power BI视图 3
1.2.1 报表视图 3
1.2.2 数据视图 5
1.2.3 关系视图 6
1.3 Power BI报表编辑器 8
1.3.1 “可视化”窗格 9
1.3.2 “筛选器”窗格 10
1.3.3 “字段”窗格 11
1.4 数据类型 12
1.4.1 数字类型 13
1.4.2 日期/时间类型 13
1.4.3 文本类型 14
1.4.4 其他类型 14
1.5 软件安装 14
1.5.1 系统要求 14
1.5.2 安装步骤 15
第2章连接数据源 19
2.1 连接到文件 21
2.1.1 Excel文件 21
2.1.2 文本/CSV文件 23
2.1.3 XML文件 25
2.2 连接到数据库 27
2.2.1 SQL Server数据库 27
2.2.2 MySQL数据库 30
2.2.3 Oracle数据库 36
第3章数据基础操作 40
3.1 属性的操作 40
3.1.1 新建列 41
3.1.2 删除列 41
3.1.3 重命名列 43
3.1.4 数据排序 45
3.2 图表的操作 45
3.2.1 导出数据 46
3.2.2 查看数据 47
3.2.3 删除 47
3.2.4 排序 47
第4章可视化设计 49
4.1 可视化设计基本要求 49
4.1.1 选择合适的视觉对象 50
4.1.2 选择合适的度量值 51
4.2 调整可视化对象元素 52
4.2.1 坐标轴 52
4.2.2 数据颜色 53
4.2.3 数据标签 54
4.2.4 标题 54
4.2.5 背景 55
4.3 自定义可视化效果 56
4.3.1 可视化模板下载 56
4.3.2 可视化模板导入 58
第5章可视化图表 61
5.1 堆积条形图 61
5.2 堆积柱形图 63
5.3 簇状条形图 65
5.4 簇状柱形图 66
5.5 百分比堆积条形图 68
5.6 百分比堆积柱形图 69
5.7 折线图 71
5.8 分区图 72
5.9 堆积面积图 74
5.10 折线和堆积柱形图 76
5.11 折线和簇状柱形图 76
5.12 功能区图 79
5.13 瀑布图 79
5.14 散点图 82
5.15 饼图 84
5.16 环形图 85
5.17 树形图 87
5.18 漏斗图 88
5.19 仪表盘 90
5.20 卡片图 91
5.21 多行卡 93
5.22 KPI 94
5.23 切片器 96
5.24 表 97
5.25 矩阵 99
第6章自定义可视化效果 101
6.1 阿斯特图 101
6.2 博彦日历 103
6.3 子弹图 105
6.4 和弦图 107
6.5 相关图 109
6.6 聚类图 111
6.7 决策树 112
6.8 双KPI 114
6.9 甘特图 116
6.10 直方图 118
6.11 点线图 120
6.12 网络导航图 121
6.13 雷达图 123
6.14 桑基图 125
6.15 社交网络图 127
6.16 流线图 129
6.17 阳光图 131
6.18 时间序列图 133
6.19 龙卷风图 135
6.20 词云 137
第7章报表 139
7.1 Power BI报表简介 139
7.1.1 报表的优点 140
7.1.2 报表与仪表板的比较 140
7.2 报表添加页面 141
7.2.1 向报表添加页面 141
7.2.2 向报表添加筛选器 143
7.3 报表设计原则 145
7.3.1 调整页面布局 145
7.3.2 信息表达清楚 147
7.3.3 报表外观美观 149
第8章仪表板 151
8.1 创建Power BI仪表板 151
8.1.1 从报表创建仪表板 151
8.1.2 创建仪表板的副本 157
8.2 Power BI中的磁贴 159
8.2.1 仪表板磁贴 159
8.2.1 从报表固定磁贴 160
8.2.3 磁贴固定到仪表板 161
8.2.4 磁贴添加超链接 163
8.3 编辑仪表板磁贴 164
8.3.1 添加图像 164
8.3.2 添加文本 165
8.3.3 添加视频 165
第9章查询编辑器 167
9.1 查询编辑器 167
9.1.1 查询功能区 169
9.1.2 “查询”窗格 170
9.1.3 数据视图 170
9.1.4 “查询设置”窗格 171
9.2 常见查询任务 172
9.2.1 连接到数据 172
9.2.2 调整数据 174
9.2.3 追加数据 176
9.2.4 合并数据 178
9.2.5 对行进行分组 183
第10章运行R脚本 185
10.1 在查询编辑器中使用R 185
10.2 编辑器查询的限制 191
10.3 R与Power BI协同使用 192
第11章数据高级操作 194
11.1 创建和管理关系 194
11.1.1 自动创建关系 194
11.1.2 手动创建关系 196
11.1.2 手动编辑关系 198
11.1.2 手动删除关系 199
11.2 数据按列排序 200
11.2.1 使用排序依据 200
11.2.2 返回默认排序 202
第12章数据分析表达式 203
12.1 函数 203
12.1.1 函数定义 203
12.1.2 函数案例 204
12.2 计算列 209
12.2.1 计算列 209
12.2.2 计算列案例 210
12.3 计算表 212
12.3.1 计算表 212
12.3.2 计算表案例 213
第13章案例：网页流量数据分析 216
13.1 连接到Web数据源 216
13.2 调整和清理数据表 218
13.2.1 删除不需要列 218
13.2.2 替换清理文本 218
13.2.3 过滤异常数据 220
13.2.4 重命名列名称 221
13.2.5 筛选列中的null值 223
13.2.6 命名查询结果 224
13.3 创建可视化效果 224
第14章案例：超市运营数据分析 227
14.1 从 Excel获取数据 227
14.2 创建自定义新列 229
14.3 创建可视化效果 231
14.3.1 各省份销售额柱形图 231
14.3.2 月度销售额折线图 231
14.3.3 年度销售额树状图 232
14.3.4 客户类型销售额饼图 233
第15章 Power BI移动应用 234
15.1 在移动设备上查看仪表板 234
15.2 在iPhone上查看仪表板 236
15.3 在iPad上查看仪表板 239
15.4 在Android手机上查看仪表板 240
15.5 在Android平板电脑上查看仪表板 242
第16章 Power BI应用开发 244
16.1 将仪表板集成到应用 244
16.1.1 在Azure AD中注册应用 244
16.1.2 获取仪表板 246
16.1.3 使用JavaScript加载仪表板 249
16.2 将磁贴集成到应用 252
16.2.1 获取仪表板 253
16.2.2 使用访问令牌获取仪表板 255
16.2.3 获取磁贴 257

学习笔记

Python数据分析之真实IP请求Pandas详解

前言 pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包类似于 Numpy 的核心是 ndarray，pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的。Series 和 DataFrame 分别对应于一维的序列和二维的表结构。pandas 约定俗成的导入方法如下： from pandas import Series,DataFrameimport pandas as pd 1.1. Pandas分析步骤 1、载入日志数据 2、载入area_ip数据 3、将 real_ip 请求数进行 COUNT。类似如下SQL: SELECT inet_aton(l.real_ip), count(*), a.addrFROM log AS lINNER JOIN area_ip AS a ON a.start_ip_num = inet_aton(l.real_ip) AND a.end_ip_num = inet_aton(l.real_ip)GROUP BY real_ipORDER BY count(*)LIMIT 0, 100; 1.2. 代码 cat pd_ng_log_stat.py#!/usr/bin/env python#-*- coding: utf-8 -*……

Python数据分析之双色球统计单个红和蓝球哪个比例高的方法

本文实例讲述了Python数据分析之双色球统计单个红和蓝球哪个比例高的方法。分享给大家供大家参考，具体如下：统计单个红球和蓝球，哪个组合最多，显示前19组数据 #!/usr/bin/python# -*- coding:UTF-8 -*-import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport operatordf = pd.read_table('newdata.txt',header=None,sep=',')tdate = sorted(df.loc[:,0])# print tdateh1 = df.loc[:,1:7:6].values #取第一列红球和蓝球# print h1h2 = df.loc[:,2:7:5].values #取第二列红球和蓝球h3 = df.loc[:,3:7:4].valuesh4 = df.loc[:,4:7:3].valuesh5 = df.loc[:,5:7:2].valuesh6 = df.loc[:,6:7:1].values# tblue = df.loc[:,7]#将上方切分的所有数据组合到一起data = np.append(h1, h2, axis = 0)data = np.append(data, h3, axis……

以上就是本次介绍的数据分析电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：Java虚拟机精讲

下一篇：高并发Oracle数据库系统的架构与设计

展开 +

收起 -