이미 소장하고 있다면 판매해 보세요.
|
Chapter 01 데이터 분석의 이해
_1.1 데이터는 무엇일까요? _1.2 데이터와 개발 _1.3 데이터 분석 _1.4 데이터 분석 도구 __1.4.1 SQL __1.4.2 엑셀 __1.4.3 R _1.5 디지털 트랜스포메이션과 인공지능 Chapter 02 데이터 분석 준비하기 _2.1 R 설치 _2.2 RStudio 설치 _2.3 R과 RStudio 실행 __2.3.1 RStudio 화면 설정 _2.4 기본 명령어와 규칙 __2.4.1 =을 활용한 저장 __2.4.2 따옴표를 활용한 문자 표현 __2.4.3 c() 함수로 값 나열 __2.4.4 다양한 문자열과 수열 __2.4.5 문자 관련 함수 __2.4.6 인덱스를 활용한 부분 선택 __2.4.7 공백과 주석 처리 _2.5 실습 데이터 소개 _2.6 실습자료 다운로드 _2.7 패키지 설치 _2.8 함수 도움말 확인 Chapter 03 데이터 불러와서 살펴보기 _3.1 CSV 파일 불러오기 _3.2 XLSX 파일 불러오기 _3.3 데이터 살펴보기 __3.3.1 View() 함수 __3.3.2 head(), tail() 함수 __3.3.3 names() 함수 __3.3.4 dim(), nrow(), ncol() 함수 _3.4 데이터 결합하기 __3.4.1 rbind() 함수 __3.4.2 merge() 함수 Chapter 04 패키지를 활용한 요약과 시각화 _4.1 실습 데이터 불러오기 __4.1.1 결제 내역 데이터 __4.1.2 고객 상세 데이터 __4.1.3 가맹점 상세 데이터 _4.2 magrittr 패키지의 %〉% _4.3 tibble 패키지의 tibble() 함수 _4.4 dplyr 패키지의 함수 __4.4.1 summarise() 함수를 활용한 요약값 계산 __4.4.2 filter() 함수를 활용한 부분 관측치 선택 __4.4.3 group_by() 함수를 활용한 그룹별 처리와 요약 __4.4.4 arrange() 함수를 활용한 관측치 정렬 __4.4.5 파이프라인의 순서 _4.5 ggplot2 패키지를 활용한 시각화 __4.5.1 수치형 변수의 히스토그램과 상자그림 __4.5.2 범주형 변수의 막대그래프 Chapter 05 다양한 데이터 요약과 시각화 _5.1 변수를 몇 개만 보거나 숨기고 싶어요 _5.2 연령대 변수를 만들어서 분석하고 싶어요 _5.3 비어 있는 결측치를 채우고 싶어요 _5.4 다양한 조건으로 그룹 변수를 만들어볼까요? _5.5 고객별로 결제 금액이 가장 큰 업종을 찾고 싶어요 __5.5.1 고객별 최근 결제 건을 찾고 싶어요 __5.5.2 업종별로 매출액이 가장 높은 가맹점을 찾고 싶어요 _5.6 업종별로 돈을 제일 많이 쓴 고객을 살펴봅시다 _5.7 결제 금액이 가장 큰 고객의 정보를 확인하고 싶어요 _5.8 주소를 쪼개서 지역별로 분석해봅시다 __5.8.1 n번째 글자를 추출하고 싶어요 __5.8.2 공백을 기준으로 주소를 나누고 싶어요 __5.8.3 일부 문자만 추출하고 싶어요 _5.9 1, 2 대신 남, 여로 바꿔야 이해하기 편합니다 _5.10 그룹에 따라 결제 금액 분포가 어떻게 다를까요? _5.11 두 개 그룹을 활용한 요약을 그래프로 표현해봅시다 _5.12 연령대별 선호 업종을 찾고 히트맵으로 표현해봅시다 _5.13 일별 매출 추이를 그리고 요일별로 분석합시다 __5.13.1 날짜와 시간을 표현해봅시다 _5.14 가맹점의 매출 건수와 매출 금액의 관계를 살펴봅시다 _5.15 관측치를 나눠서 그래프를 그리면 뭔가 보입니다 _5.16 밥 먹고 두 시간 안에 어떤 업종에서 결제를 많이 할까요? __5.16.1 고객 실적을 구분해봅시다 __5.16.2 식후 두 시간 안에 어떤 가게를 많이 이용할까요? Chapter 06 분석 결과 공유하기 _6.1 CSV 파일로 데이터 내보내기 _6.2 이미지 파일로 그래프 내보내기 부록 _A.1 데이터베이스와 SQL에 관한 간단한 설명 _A.2 RStudio의 프로젝트 기능 활용 _A.3 tidyr 패키지를 활용한 전처리 __A.3.1 complete()를 활용한 조합 생성 __A.3.2 replace_na()와 fill()을 활용한 결측치 대체 __A.3.3 spread()와 gather()를 활용한 형태 변환 _A.4 파이프 연산자의 추가적인 활용 _A.5 ggplot2 패키지의 주요 그래프 속성 변경 함수 __A.5.1 qplot()을 활용한 단순한 그래프 작성 __A.5.2 reorder()를 활용한 범주형 축의 수준 순서 변경 __A.5.3 축 바꾸기 __A.5.4 수치형 축의 척도, 이름, 범위 지정하기 __A.5.5 색상 조합 바꾸기 __A.5.6 그래프에 제목 달기 __A.5.7 그래프 테마 변경하기 __A.5.8 그래프 폰트 설정하기 _A.6 간단한 정규 표현식 __A.6.1 grep()과 grepl()을 활용한 문자열에서 패턴 찾기 __A.6.2 정규표현식의 활용 __A.6.3 gsub()를 활용한 찾아 바꾸기와 부분 추출 _A.7 변수 형식 __A.7.1 변수 형식 확인 __A.7.2 변수 형식 변환 |
임경덕의 다른 상품
|
당장 내일 또 보고서 제출해야 하는데 처리할 데이터는 많고 시간은 없다면?
R로 하는 데이터 분석, 파이썬보다 쉽고 엑셀보다 빠르다 점점 다가오는 퇴근 시간… 점심 먹기 전에 시작한 데이터 분석이 아직도 끝이 보이지 않는다. 마우스 클릭과 드래그는 이제 그만하고 싶지 않은가? 여기, 코드 한 줄로 끝낼 수 있는 방법이 있다. 이 책은 맨날 똑같은 그래프를 그리고 똑같은 보고서를 만들어야 하는 반복 업무에 지친 당신을 위한 치트키가 되어 줄 책이다. 분석 시간은 줄이고, 그래프는 좀 더 예쁘게 만들어서 보고서의 퀄리티를 높여보자. 이 책은 'How are you?' 문장 아래에 '하우 아 유?'라고 음역을 달아 놓은 영어 회화책이라고 생각하면 될 듯합니다. 10년 넘게 영어를 배웠지만 영어로 말 한마디 하기는 어려운 것처럼, R도 마찬가지로 기본적인 사용 명령어부터 배우기 시작하면 시간이 오래 걸리지만 실제로 데이터 분석을 잘할 수 있을 거라는 보장은 없습니다. 그래서 이 책에서는 실제 업무에서 자주 등장하는 분석 사례들을 살펴보고 당장 써먹을 수 있는 명령어들을 정리했습니다. - 임경덕 - |