📈 深入浅出数据分析

照着《深入浅出数据分析》（Michael Milton 著，李芳 译，O'Reilly 出品·电子工业出版社，英文原名 Head First Data Analysis）做的自学笔记 —— 这本书讲的不是软件操作，是一个数据分析师每天真正在做的判断：先把问题问对，再决定拿什么去比，然后判断这个差别是真的还是碰巧，最后把结论收成一句客户明天就能执行的话。七块节奏是「先学会想，再学会算」：想清楚问题 15 篇（1~2 章，分解数据、做实验）→ 找最优与看得见 12 篇（3~4 章，最优化、数据图形化）→ 判断真假 10 篇（5~6 章，假设检验、贝叶斯统计）→ 处理不确定 9 篇（7~8 章，主观概率、启发法）→ 建模与误差 15 篇（9~11 章，直方图、回归、误差）→ 存与理 12 篇（12~13 章，关系数据库、整理数据）→ 附录 4 篇（A/B/C，十大要诀、装 R、装 Excel 分析工具）。三句话：先问对问题，再打开数据，问题问错，算得再准也是白算；比较是破解数据的法宝，但比较必须公平，混杂因素和权重变化是让比较失真的两把刀；给区间，不给点，一个数看起来精确，其实是在替你不知道的事编一个值。教材 13 章加 3 个附录、234 个二级节，每节平均三页，按节成篇会碎成两百多篇，所以按主题合成 77 篇、篇号章内顺排（附录用 A.1／B.1／C.1）。沙箱是 Windows / Python 3.13（装了 numpy 2.5.2、matplotlib 3.11.1、openpyxl 3.1.5，标准库里还有 sqlite3、re、csv），没有 R、没有 Excel、没有 pandas／scipy／sklearn：77 个 Demo 分三层落地——能真算的真算（四则运算、加权平均、最小二乘、标准偏差、贝叶斯、均方根误差、线性规划顶点枚举、正则清洗、sqlite3 建表与 JOIN、openpyxl 造工作簿），抽机制复刻的换成本课自己的顶点枚举与 numpy 加 matplotlib（注明「复刻的是算法，不是那个软件」），平台原样的（R 与 RStudio 安装界面、Excel 菜单与插件勾选、Solver 对话框、数据透视表）标「本沙箱不执行」、步骤照写、只说形状不说结果。图由 matplotlib 画成真 PNG，图里的字一律用英文——这台机器没装中文字体。

内容来自我的 Obsidian 自学笔记 · 全书 13 章加 3 个附录、共 77 篇已全部写完 · 全书完结 🎉