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 0 421 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】
    31 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 2480 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.)
    5 1

    推薦給你

    證照學習熱門QA整理
    關注
    104學習

    產品

    11/03 17:17

    你也是晨型學習族嗎？104學習揭密最強學習時段竟是每日清晨6-8點
    104學習數據顯示，65%職場人選擇「邊工作邊學習」，其中最熱門時段在清晨6-8點開始自我投資，這個時段不僅精神最好、干擾最少，更能為一整天帶來正向的動力。面對AI浪潮衝擊，30-34歲及40-44歲成為AI學習主力年齡層。比太陽更早起的人們，正用清晨時光悄悄拉開職場競爭力差距，你還在睡夢中嗎？
    ▶️職場人都在偷偷學什麼課程？
    🔥Top1 數據分析師｜入門實戰 ⬇️現折$888只到11/11https://nabi.104.com.tw/course/104nabi/700f35aa-e227-4a12-b673-3b5931342c02
    🔥Top2 iPAS AI應用規劃師衝刺班 ⬇️現折$888只到11/11
    🔥Top3 PM產品經理｜入門致勝攻略 ⬇️現折$888只到11/11
    🔥Top4 用AI+Google Sheet建立自動化工具，提升工作效率 ⬇️現折$888只到11/11
    🔥Top5 GA4 x Looker studio跨資料源整合＆動態報表實戰 ⬇️現折$555只到11/11
    🔥Top6 設計師接案必修課 ⬇️現折$555只到11/11
    🔥Top7 開啟你的綠領職涯 - ESG 永續行業求職準備全解析 ⬇️現折$555只到11/11
    🔥Top8 頂尖獵才教你談薪水 ⬇️現折$555只到11/11
    🔥Top9 AI行政管理力實戰課｜高效會議記錄 × 精準SOP × 掌握AI工具
    🔥Top10 【履歷一投就中】ChatGPT打造HR最想錄取的履歷 ⬇️現折$555只到11/11
    👉職場人都在偷偷關注什麼證照？
    🟢Top1生成式AI課程認證
    目標是讓學習者掌握生成式AI的基礎概念、實際應用及工具操作能力。內容包括大型語言模型（LLM）、生成式AI如何提升工作效率，以及Google Cloud的相關技術應用。
    🟢Top2 公共工程品質管理人員 ↗️面試邀約提升：約 3倍
    凡參與公共工程，需擔任品管人員（如施工、監造、管理等工程從業人員），都必須參加由工程會或其委託訓練機構舉辦的公共工程品質管理訓練課程，並取得結業證書。
    🟢Top3 丙級會計事務技術士 ↗️面試邀約提升：1.4倍
    ▶️【點我免費做模擬測驗】
    中小企業與事務所普遍需求的財會基礎證照，內容包含帳務處理、報表編製與基本稅務實務。適合準備從事會計助理、出納、財務行政等工作的求職者。根據2023年（民國112年）勞動部資料，該證照通過率為52.6%。
    🟢Top4 TOEIC (多益測驗)
    ▶️【點我免費做模擬測驗】https://nabi.104.com.tw/assess/toeic/
    多益成績已成為企業判斷求職者英語能力的標準，特別是外商公司。建議考取750分以上，若能獲得金色證書（860分以上），更能在職場競爭中脫穎而出。尤其對有志於外商企業、跨國集團或海外派駐的人才而言，TOEIC成績更是履歷的重要加分項。
    🟢Top5 丙級中餐(葷食)烹調技術士
    • 適用職務：廚師、餐飲人員 ↗️面試邀約提升：99%
    Q：丙級中餐(葷食)烹調技術士證照通過率如何？
    A：通過率大約79%至80%，只要熟悉考試題庫要求並掌握基本烹調技巧，通過機會高。
    🟢Top6 乙級職業安全衛生管理員
    • 適用職務：環境安全衛生類人員 ↗️面試邀約提升：近4倍
    Q：證照專業度如何？
    A：取得此證照證明持有人具備評估職場安全風險、規劃安全措施及事故預防的專業能力，考試內容包含眾多專業知識與技能，證照在職場上的認可度和價值均較高，尤其適合想專注於職業安全衛生管理領域的人士參考。
    ▶️【點我免費做線上模擬測驗】
    🟢Top7 總幹事證照 事務管理人員
    • 適用職務：社區總幹事、大樓管理員 ↗️面試邀約提升：1.3倍
    Q：誰需要考總幹事證照？
    A：凡欲從事社區公寓大廈管理的總幹事工作者，必須取得此證照，依據《公寓大廈管理條例》規定，通過中央主管機關舉辦的事務管理人員講習並考試合格，才能合法擔任總幹事，負責社區組織運作、公共安全及財務管理等工作。
    🟢Top8 工地主任
    營造業法定必備的高階管理證照，專業度極高且考試具相當挑戰性，為營建工程領域的核心資格認證，薪資待遇優渥證照資訊
    🟢Top9 乙級就業服務技術士
    人資領域的唯一一張國家級證照，每年考照日期為三次，無論是人力銀行、人力仲介公司的從業人員，還是企業人資部門的招募專員，擁有就業服務乙級證照都能為職涯發展帶來更多機會與保障。
    報考資格：具備高中職以上學歷或同等學歷證明。
    🟢Top10 照顧服務員單一（丙）級技術士
    長照領域的基礎專業認證，門檻友善、考試彈性，是投入照護產業的理想起點。
    看更多
    1 1 1396 0
    你可能感興趣的教室