当前位置:首页 > 计算机理论 >
《Microsoft Power BI数据可视化与数据分析》电子书封面

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:7.3

    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:8.9分

      Tags:

      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。

      目录

      • 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

      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 -

      下载地址:百度网盘下载
      数据分析 相关电子书
      Web数据分析关键技术及解决方案
      Web数据分析关键技术及解决方案 PDF 完整高质量版 立即下载
      数据结构与算法分析:C语言描述
      数据结构与算法分析:C语言描述 PDF 含答案高清版

      书中详细介绍了当前流行的论题和新的变化,讨论了算法设计技巧,并在研究算法的性能、效率以及对运行时间分析的基础上考查了一些高级数据结构,从历史的角度和近年的进展对数据结构

      立即下载
      实时大数据分析
      实时大数据分析 PDF 全书完整版

      本书详细阐述了实时大数据分析的实现过程,主要包括大数据技术前景及分析平台,感兴趣的可以下载学习

      立即下载
      Python金融大数据分析
      Python金融大数据分析 PDF 全书超清版 立即下载
      触手可及的大数据分析工具:Tableau案例集
      触手可及的大数据分析工具:Tableau案例集 PDF 高清扫描版

      《触手可及的大数据分析工具:Tableau案例集》对Tableau的产品、优势、Tableau 9.0的新特性及其功能做了全面的介绍,并且从15个不同行业的案例入手,让你在阅读本书后能够从一个新手成长为能

      立即下载
      NumPy攻略:Python科学计算与数据分析
      NumPy攻略:Python科学计算与数据分析 PDF 全书扫描版

      《NumPy攻略:Python科学计算与数据分析》详细介绍了70多种多样学习培训Python开源系统课堂教学库NumPy的趣味方式,教會用户怎样安裝和应用NumPy,并掌握别的某些有关定义,从而把握NumPyarrays以

      立即下载
      读者心得
      88小时14分钟前回答

      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 -*……

      7小时41分钟前回答

      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……

      码农之家

      邴修真 提供上传

      资源
      10
      粉丝
      46
      喜欢
      57
      评论
      17

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com