من اکنون در مرحله تجزیه و تحلیل هستم.
یادآوری کردن
➡ فاز بپرسید
➡ آماده سازی فاز
➡ مرحله فرآیند
⭕ مرحله تجزیه و تحلیل
➡ مرحله به اشتراک گذاری
➡ مرحله عمل
این فرایندی است که برای درک داده های جمع آوری شده استفاده می شود. هدف از تجزیه و تحلیل شناسایی روند و روابط با داده ها است تا بتوانید به سؤالاتی که می پرسید به طور دقیق پاسخ دهید.
چهار مرحله تجزیه و تحلیل
💠 سازماندهی داده ها
💠 قالب بندی و تنظیم داده ها
💠 از دیگران دریافت کنید
💠 داده ها را تبدیل کنید
این مرحله شامل مرتب سازی و فیلتر کردن است
– مرتب سازی فرآیند تنظیم داده ها به ترتیب معنی دار است
درک ، تجزیه و تحلیل و تجسم راحت تر است
– از فیلتر برای نشان دادن فقط داده هایی که در حالی که معیارهای مشخصی را رعایت می کنند استفاده می شود
بقیه را پنهان می کند. وقتی داده های زیادی دارید مفید است.
من همچنین در مورد مرتب سازی و فیلتر کردن داده ها با استفاده از مایکروسافت اکسل و SQL کار عملی کردم
مطالعه موردی: داده های فیلم ، طبیعت شهرستان.
در SQL ، من برای مرتب سازی و فیلتر کردن داده ها از “سفارش توسط” و “کجا” استفاده کردم.
من برای تجزیه و تحلیل بهتر قالب بندی را یاد گرفتم.
➡ تبدیل توابع برای تغییر واحدهای اندازه گیری (در اکسل)
تبدیل داده ها در صفحه گسترده
➡ از رشته به روز تبدیل می شود ، و مقادیر متن حاوی هر دو را تبدیل می کند
تاریخ و زمان
➡ از رشته به شماره تبدیل کنید
➡ ترکیب ستون ها (ادغام متن از 2 یا چند سلول) با استفاده از Ampersand
نماد و هماهنگ کردن
➡ از تعداد به درصد تبدیل کنید
اعتبار سنجی داده ها در اکسل
می توانید از اعتبار سنجی داده در اکسل استفاده کنید
– اضافه کردن لیست های کشویی با گزینه های از پیش تعیین شده
– ایجاد کادرهای گمرکی ایجاد کنید
– از فرمول داده های ساختاری محافظت کنید
قالب بندی مشروط
یک ابزار صفحه گسترده تغییر می کند که چگونه سلول هنگام رسیدن مقادیر خاص ظاهر می شود
شرایط
تبدیل نوع داده در SQL با استفاده از عملکرد CAST
– تبدیل یک شماره به یک رشته
-بایی یک رشته به یک عدد
تاریخ هماهنگی به رشته
تاریخ را به DateTime تبدیل کنید
من همچنین یاد گرفتم که چگونه می توان 2 یا چند سلول را در SQL با استفاده از عملکرد Concatenate ترکیب کرد.
با استفاده از عملکرد Concatenate. به منظور ترکیب داده ها به تحلیلگر کمک می کند تا داده ها را به درستی و کارآمد تجزیه و تحلیل کنند ، داده ها باید تمیز و قابل درک باشند. داده ها از توابع استفاده می کنند مانند Concat برای کار با داده ها ، که ممکن است نیاز به ترکیب چندین سلول داشته باشد.
من در مورد جمع آوری داده ها ، vlookup و پیوستن یاد گرفتم
جمع آوری داده ها فرآیند جمع آوری داده ها از چندین منبع به منظور ترکیب آن در یک مجموعه خلاصه است
– قطعات پازل = داده
– سازمان = تجمع
– شمع قطعه = خلاصه
– قرار دادن قطعات = به دست آوردن بینش
بنابراین جمع آوری داده ها به تحلیلگر کمک می کند تا
➡ روندها را شناسایی کنید
➡ مقایسه کنید
➡ به دست آوردن/بینش
داده ها همچنین می توانند در یک دوره زمانی معین جمع شوند تا آماری مانند ارائه دهند
➡ دقیقه
➡ میانگین
➡ حداکثر
➡ مبالغ
Vlookup مخفف جستجوی عمودی است. این تابعی است که به دنبال یک خاص است
مقدار در یک ستون برای بازگشت یک قطعه اطلاعات مربوطه.
Vlookup می تواند 2 ورق را با هم در یک ستون تطبیق مطابقت دهد تا روی یک برگه واحد جمع شود.
این فقط داده هایی را که پیدا می کند به سمت راست باز می گرداند که نمی تواند به سمت چپ نگاه کند.
پیوستن یک بند SQL است که برای ترکیب ردیف ها از 2 یا چند جدول بر اساس یک ستون قابل اعتماد استفاده می شود. مانند Vlookup در SQL است.
پیوستن مشترک
💠 inner join: تابعی که رکورد ها را با مقادیر تطبیق باز می گرداند
هر دو جدول.
💠 پیوستن به چپ: تابعی که تمام سوابق را از جدول سمت چپ بازگرداند
و فقط سوابق مطابق از جدول سمت راست
💠 RIGHT JOIN: تمام سوابق را از جدول سمت راست برگردانید و فقط
سوابق تطبیق از سمت چپ
💠 بیرونی پیوستن: پیوستن به راست و چپ را برای بازگشت همه سوابق مطابق با هم ترکیب می کند
در هر دو جدول
من همچنین در مورد اهمیت نام مستعار آموختم.
نام مستعار در نمایش داده شدگان SQL برای ایجاد نام موقت برای یک ستون یا
جدول آنها با استفاده از دستور به دست می آیند.
من در مورد ،
زیرمجموعه ها: آنها در نمایش داده ها نمایش داده می شوند. آنها به عنوان یک پرس و جو داخلی یا تو در تو نامیده می شوند.
– آنها می توانند با اجازه دادن به عملیات پیچیده در یک پرس و جو واحد ، پروژه ها را آسانتر و کارآمدتر کنند و نیاز به سفرهای متعدد به پایگاه داده را کاهش دهند.
– آنها همچنین کد شما را قابل خواندن و نگهداری می کنند
قوانینی که برای استفاده از زیرمجموعه دنبال می شوند
➡ زیرمجموعه ها باید در پرانتز محصور شوند.
➡ یک زیرمجموعه می تواند یک یا چند ستون را در انتخاب انتخاب کند
بند
➡ زیرمجموعهایی که بیش از یک ردیف باز می گردند فقط با آنها قابل استفاده هستند
اپراتورهای چند مقادیر ، مانند اپراتور IN که ALOWS است
شما می توانید چندین مقادیر را در آن بند مشخص کنید.
subquery نمی تواند در فرمان تنظیم شده توخالی شود.
من همچنین در مورد جداول محوری در برگه های Google یاد گرفتم. آنها می توانند داده ها را به روش های مختلفی مشاهده کنند تا بینش و روندها شناسایی شوند.
آنها می توانند با مقایسه معیارها ، انجام کلسیمولاسیون و تولید گزارش به شما کمک کنند تا به سرعت از مجموعه داده های بزرگتر حس کنید.
جداول محوری دارای 4 قسمت اساسی است
💠 ردیف ها: داده های سازماندهی و گروهی را انتخاب می کنید
💠 ستون ها: مقادیر را از داده های خود به صورت عمودی سازماندهی و نمایش می دهد.
💠 فیلترها: شما را قادر می سازد تا بر اساس معیارهای خاص ، فیلترها را اعمال کنید
💠 مقادیر: از آنها برای محاسبه و شمارش داده ها استفاده می شود.
من همچنین در مورد اعتبار سنجی داده ها و انواع اعتبار سنجی داده ها آموختم
اعتبار سنجی داده ها فرایند بررسی و بررسی مجدد کیفیت داده های شما به گونه ای است که کامل ، دقیق ، ایمن و سازگار باشد.
انواع اعتبار سنجی داده ها
⭕ انواع داده ها: بررسی کنید که نوع داده با نوع داده تعریف شده برای یک قسمت مطابقت دارد
⭕ دامنه داده: بررسی کنید که داده ها در محدوده قابل قبولی از مقادیر تعریف شده برای قسمت قرار می گیرند.
⭕ محدودیت داده ها: بررسی کنید که داده ها شرایط یا معیارهای خاصی را برای یک قسمت مطابقت می دهد. این شامل نوع داده های وارد شده و همچنین سایر ویژگی های این زمینه مانند تعداد کاراکترها است.
comment سازگاری داده ها: بررسی کنید که داده ها در زمینه سایر داده های مرتبط معنی دارند.
structure ساختار داده: بررسی کنید که داده ها از یک ساختار مشخص پیروی می کنند یا مطابقت دارند
⭕ اعتبار سنجی کد: بررسی کنید که کد برنامه به طور سیستماتیک هر یک از اعتبار سنجی که قبلاً ذکر شده را در هنگام ورودی داده های کاربر انجام می دهد ، انجام می دهد.
من همچنین در مورد جدول موقت یاد گرفتم
آنها جداول ایجاد شده و به طور موقت در سرور پایگاه داده وجود دارند. شما یک جدول موقت در SQL با استفاده از بند با بند ایجاد می کنید که نوعی از میزهای موقت است که می توانید از چندین بار از آن پرسیدید. آنها برای نمایش داده های پیچیده بسیار مفید هستند.
