104學習精靈

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%，和學習精靈一起探索知識、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 0 398 0
    學習精靈

    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】
    34 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 2471 0
    學習精靈

    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

    緯育TibaMe
    關注
    緯育TibaMe

    09/24 16:43

    為什麼努力沒被看見？10 / 9 前免費檢測⏰找出關鍵潛力，讓付出成功被看見
    工作多年、進修許多技能，現今想要職涯再突破卻找不到努力的方向？
    只要 3分鐘從工作情境快速分析個人能力配比👉 https://tibame.tw/R8dhA
    還可以獲得
    ✅ 精準拆解你最值得投資的「職場潛力區」
    ✅ 找出你一直忽略、卻能立刻強化成績效的能力點
    ✅ 送出一份【專屬應用建議】幫你放大潛能、提升工作效能
    這些能力就隱藏在你
    → 每日的信件撰寫
    → 報表整理分析
    → 提案簡報製作
    → 新產品上市
    → 開發合作廠商
    還有更多日常工作任務之中
    📣如果你正想要成績更亮眼、效率更高、提案更有說服力、合作更順利
    現在就前往解鎖你現在最該投資的潛力區、掌握下一步行動
    完整能力解析🔗 https://tibame.tw/nDS7J
    看更多
    為什麼努力沒被看見？10 / 9 前免費檢測⏰找出關鍵潛力，讓付出成功被看見
    為什麼努力沒被看見？10 / 9 前免費檢測⏰找出關鍵潛力，讓付出成功被看見
    0 0 437 1
    你可能感興趣的教室