104學習

Data Analysis

Data Analysis
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「Data Analysis：主要負責收集、整理及分析公司內外部數據，以支持經營決策和策略規劃。此角色致力於發掘數據中的洞見，協助提升業務運作效率與效益。需要具備強大的數據分析能力，熟悉統計工具和資料庫管理，並具備良好的數據視覺化技巧。有效的跨部門協作及溝通能力是必備，因需定期向管理層報告分析結果並提出建議。面對台灣快速變化的市場環境，應能敏銳掌握趨勢並靈活應對挑戰，提升企業競爭力。」
關於教室
關注人數 1 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • Data Analysis
    • 關於教室
    關注人數 1 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • Data Analysis
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    Data Analysis 學習推薦

    全部
    影片
    文章

    不知如何開始嗎？ 先進行技能挑戰吧～

    技能挑戰：初級
    目前等級：未達初級
    1 人已通過「初級」測驗，通過率100%，和學習一起探索知識、增強能力！
    我要挑戰
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2021/10/27

    Pandas DataFrame處理雙維度資料方法(4)
    Q:如何取得Pandas DataFrame資料?
    1.head()：取得最前面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.head(2)
    print(new_df) #取得最前面的兩筆資料
    2.tail()：取得最後面的n筆資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.tail(3)
    print(new_df) #取得最後面的三筆資料
    3.中括號[]：在中括號中指定「欄位名稱」或「資料索引值」，來取得所需的資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df[["name"]]) #取得單一欄位資料(型別為DataFrame)
    print(df[["name", "chinese"]]) #取得多欄位資料(型別為DataFrame)
    print(df[0:3]) #取得索引值0~2的資料
    4.at[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「單一值」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.at[1, "math"]) #利用at()方法取得索引值為1的math欄位資料
    5.iat[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「單一值」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.iat[1, 0]) #取得索引值為1的第一個欄位資料"
    5.loc[資料索引值,欄位名稱]：利用資料索引值及欄位名稱來取得「資料集」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.loc[[1, 3], ["name", "chinese"]]) #取得資料索引值為1和3的name及chinese欄位資料集
    6.iloc[資料索引值,欄位順序]：利用資料索引值及欄位順序來取得「資料集」，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print(df.iloc[[1, 3], [0, 2]]) #取得資料索引值為1和3的第一個及第三個欄位資料集
    如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html )網站觀看更多精彩內容。
    看更多
    Pandas DataFrame處理雙維度資料方法(4)
    learncodewithmike.com
    [Pandas教學]資料分析必懂的Pandas DataFrame處理雙維度資料方法
    2 0 407 0
    104學習

    06/27 00:00

    youtube.com
    EViews 軟體應用－Panel Data Analysis／何宗武老師【鼎茂統計諮詢中心】
    36 0
    Mike的Python學院
    關注
    Mike Ku

    Learn Code With Mike品牌創辦人

    2021/10/27

    Pandas DataFrame處理雙維度資料方法(3)
    Q:如何刪除Pandas DataFrame資料
    1.drop(欄位名稱串列,axis=1)：刪除指定欄位名稱的欄位，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.drop(["math"], axis=1)
    print("刪除math欄位")
    print(new_df)
    2.drop(資料索引串列,axis=0)：刪除指定資料索引的資料，並且會回傳一個新的Pandas DataFrame資料集，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.drop([0, 3], axis=0) # 刪除第一筆及第四筆資料
    print("刪除第一筆及第四筆資料")
    print(new_df)
    3.dropna()：刪除含有NaN或空值的資料，並且會回傳一個新的Pandas DataFrame資料集，在進行資料清理的時候非常實用，如下範例：
    grades = {
    "name": ["Mike", "Sherry", np.NaN, "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    new_df = df.dropna()
    print("刪除空值後的df")
    print(new_df)
    4.drop_duplicates()：刪除重複的資料，並且會回傳一個新的Pandas DataFrame資料集，同樣最常應用在資料清理的時候，如下範例：
    grades = {
    "name": ["Mike", "Mike", "Cindy", "John"],
    "city": ["Taipei", "Taipei", "Kaohsiung", "Taichung"],
    "math": [80, 80, 93, 86],
    "chinese": [80, 80, 93, 86]
    }
    df = pd.DataFrame(grades)
    new_df = df.drop_duplicates()
    print("刪除重複值後的df")
    print(new_df)
    Q:如何篩選Pandas DataFrame資料
    通常在處理大量的資料集時，有很高的機率會需要利用條件式來篩選所需的資料，這時候就可以利用中括號[]存取欄位來進行資料篩選，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print("篩選math大於80的資料集")
    print(df[df["math"] > 80])
    另一個最常見的資料篩選情境，就是找出包含特定值的資料集，這時候可以利用Pandas DataFrame的isin()方法(Method)來達成，如下範例：
    grades = {
    "name": ["Mike", "Sherry", "Cindy", "John"],
    "math": [80, 75, 93, 86],
    "chinese": [63, 90, 85, 70]
    }
    df = pd.DataFrame(grades)
    print("篩選name欄位包含John的資料集")
    print(df[df["name"].isin(["John"])])
    如果想要學習更多的Python應用教學，歡迎前往Learn Code With Mike( https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html )網站觀看更多精彩內容。
    看更多
    Pandas DataFrame處理雙維度資料方法(3)
    learncodewithmike.com
    [Pandas教學]資料分析必懂的Pandas DataFrame處理雙維度資料方法
    2 0 2478 0
    104學習

    05/05 00:00

    youtube.com
    學習大數據資料分析 - 新冠肺炎資料分析 (You may learn data analysis from big data.)
    8 1

    推薦給你

    職場熱門證照排行榜
    關注
    104學習

    產品

    10/16 16:06

    NVIDIA DLI 官方證書怎麼拿 ? 生成式 AI、LLM 應用開發完整攻略
    想進入 AI 領域卻不知從何開始?NVIDIA Deep Learning Institute(DLI)官方認證課程為工程師、資料科學家和技術人員提供最實戰的學習路徑。課程涵蓋生成式 AI 開發、LLM 大型語言模型應用、異常偵測 AI、高效能運算 等熱門技術,透過雲端 GPU 實作環境,讓您邊學邊做,完成後且通過課後測驗即可獲得 NVIDIA DLI 官方頒發的完課證書,為履歷加分、提升職場競爭力!
    🟡 NVIDIA DLI官方課程 - 使用提示詞打造 LLM應用服務
    從 Prompt 編排、訊息策略、資料輸出到智慧代理設計，這門課程將是你邁向 LLM 開發的第一哩路，也是未來生成式 AI 應用不可或缺的核心技能。
    Q: 誰適合這門課？
    A: 具備 Python 程式設計經驗& 對 LLM 基礎知識有扎實理解
    Q: 完成課程後，是否會提供相關證明？
    A: 是的，在您完成所有課程內容且通過課後測驗後，將會獲得由 NVIDIA DLI 官方所頒發的正式完課證書。
    🟡 NVIDIA DLI官方課程 - 異常狀況偵測的AI應用
    以電信產業網路入侵偵測為出發案例，實際操作三種核心異常偵測技術，結合理論、應用與效能評估，打造真正落地的異常預測能力。你將深入探索NVIDIA 加速運算平台上的 XGBoost 與深度學習模型，體驗其在高維資料處理與推論速度上的關鍵優勢，並理解監督式與非監督式技術在異常情境中的應用差異。
    Q: 這門課程需要具備什麼樣的知識？
    A: 為確保您能深入吸收課程內容，建議應具備：
    1. Python 資料科學實務經驗
    2. 對深度神經網路訓練原理的理解
    NVIDIA DLI 課程能讓你親手操作 NVIDIA 最新技術，全面提升你在業界關鍵職位所需的實戰能力。
    看更多
    0 0 875 1
    你可能感興趣的教室