用Excel學Python資料分析

推薦序
作者序

【入門篇】
　第1章 資料分析基礎

【實踐篇】
　第2章 熟悉鍋 - Python 基礎知識
　第3章 Pandas 資料結構
　第4章 準備食材 - 取得資料來源
　第5章 淘米洗菜 - 數據預處理
　第6章 菜品挑選 - 資料的選擇
　第7章 切配菜品 - 數值操作
　第8章 開始烹調 - 資料運算
　第9章 炒菜計時器 - 時間序列
　第10章 菜品分類 - 資料分組 / 樞紐分析表
　第11章 水果拼盤 - 多表拼接
　第12章 盛菜裝盤 - 結果匯出
　第13章 菜品擺放 - 資料視覺化

【進階篇】
　第14章 典型資料分析案例
　第15章 NumPy 陣列

序

　　在PC時代開始，我們用鍵盤、掃描器等設備進行資訊的資料化。在行動網路時代，手機通過攝影機、GPS、陀螺儀等各種感測器將我們的位置、行動軌跡、行為偏好，甚至情緒等資訊資料化。截至2000年，全人類儲存了大約12EB 的資料，要知道1PB=1024TB，而1EB=1024PB。但是到了2011 年，一年所產生的資料就高達1.82ZB（注：1ZB=1024EB），資料已經變成了一種人造的「新能源」。

　　在商業領域，從資訊到商品，從商品到服務，越來越多我們熟悉的事物被標準的資料所度量。無論是線上廣告的精準行銷，還是電子商務的個性化推薦，又或者是網路金融的人臉識別，網路的每一次效率提升都依賴於對傳統資訊、物品，甚至人的資料化。在使用資料進行效率變革及商業化的道路上，Excel 和Python 扮演了關鍵的角色，它們協助資料分析師高效地從海量資料中發現問題，驗證假設，建構模型，預測未來。

　　作為一本資料分析的專業書籍，作者從資料取得、清洗、抽取，以及資料視覺化等多個角度介紹了日常工作中資料分析的標準路徑。藉由同時呈現Excel 與Python 在資料處理過程中的操作步驟，詳細說明了Excel 與Python 間的差異，以及用Python 進行資料分析的方法。

　　雖與作者素未謀面，但是對於Python在處理海量資料和建模上的高效性與便捷性，以及Python在機器學習中的重要性，我們的觀點是一致的。同時，我們也相信對於資料分析人員來說，掌握一種用於資料處理的程式設計語言是非常必要的，而從Excel 到Python 的學習方法則是一條學好資料分析的「捷徑」。