SQL for Data Analysis Cathy Tanimura

(ebook) (audiobook) (audiobook)

Promocja Przejdź

SQL for Data Analysis Cathy Tanimura - okladka książki

SQL for Data Analysis Cathy Tanimura - audiobook MP3

SQL for Data Analysis Cathy Tanimura - audiobook CD

Autor:: Cathy Tanimura
Wydawnictwo:: O'Reilly Media (Z chęcią przeczytam książkę w języku polskim)
Ocena:: Bądź pierwszym, który oceni tę książkę
Stron:: 360
Dostępne formaty:: ePub

Mobi

Ebook (169,14 zł najniższa cena z 30 dni)

~~199,00 zł~~ (-15%)
169,14 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(169,14 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

With the explosion of data, computing power, and cloud data warehouses, SQL has become an even more indispensable tool for the savvy analyst or data scientist. This practical book reveals new and hidden ways to improve your SQL skills, solve problems, and make the most of SQL as part of your workflow.

You'll learn how to use both common and exotic SQL functions such as joins, window functions, subqueries, and regular expressions in new, innovative ways--as well as how to combine SQL techniques to accomplish your goals faster, with understandable code. If you work with SQL databases, this is a must-have reference.

Learn the key steps for preparing your data for analysis
Perform time series analysis using SQL's date and time manipulations
Use cohort analysis to investigate how groups change over time
Use SQL's powerful functions and operators for text analysis
Detect outliers in your data and replace them with alternate values
Establish causality using experiment analysis, also known as A/B testing

Wybrane bestsellery

O autorze książki

Cathy Tanimura jest analityczką danych z ponad dwudziestoletnim doświadczeniem. Odnosiła również sukcesy, budując zespoły do spraw analizy danych i tworząc potrzebną infrastrukturę. Zajmowała się także zarządzaniem zespołami w kilku czołowych firmach technologicznych. Od wielu lat używa języka SQL do pracy z większością komercyjnych i otwartych baz danych.

Kup polskie wydanie:

Analiza danych z wykorzystaniem SQL-a. Zaawansowane techniki przekształcania danych we wnioski

Autor:: Cathy Tanimura

44,85 zł ~~69,00 zł~~ (41.4 zł najniższa cena z 30 dni)

Druk

Ebook

Ebooka "SQL for Data Analysis" przeczytasz na:

czytnikach Inkbook, Kindle, Pocketbook, Onyx Booxs i innych
systemach Windows, MacOS i innych

systemach Windows, Android, iOS, HarmonyOS
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi

Masz pytania? Zajrzyj do zakładki Pomoc »

Oceny i opinie klientów: SQL for Data Analysis Cathy Tanimura

(0)

Szczegóły książki

ISBN Ebooka:: 978-14-920-8873-8, 9781492088738
Data wydania ebooka :: 2021-09-09 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
Język publikacji:: angielski
Rozmiar pliku ePub:: 6.7MB
Rozmiar pliku Mobi:: 12.6MB

Zgłoś erratę
Kategorie:
Bazy danych » SQL - Programowanie

Dostępność produktu

Produkt nie został jeszcze oceniony pod kątem ułatwień dostępu lub nie podano żadnych informacji o ułatwieniach dostępu lub są one niewystarczające. Prawdopodobnie Wydawca/Dostawca jeszcze nie umożliwił dokonania walidacji produktu lub nie przekazał odpowiednich informacji na temat jego dostępności.

Spis treści książki

Preface
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
1. Analysis with SQL
- What Is Data Analysis?
- Why SQL?
  - What Is SQL?
  - Benefits of SQL
  - SQL Versus R or Python
  - SQL as Part of the Data Analysis Workflow
- Database Types and How to Work with Them
  - Row-Store Databases
  - Column-Store Databases
  - Other Types of Data Infrastructure
- Conclusion
2. Preparing Data for Analysis
- Types of Data
  - Database Data Types
  - Structured Versus Unstructured
  - Quantitative Versus Qualitative Data
  - First-, Second-, and Third-Party Data
  - Sparse Data
- SQL Query Structure
- Profiling: Distributions
  - Histograms and Frequencies
  - Binning
  - n-Tiles
- Profiling: Data Quality
  - Detecting Duplicates
  - Deduplication with GROUP BY and DISTINCT
- Preparing: Data Cleaning
  - Cleaning Data with CASE Transformations
  - Type Conversions and Casting
  - Dealing with Nulls: coalesce, nullif, nvl Functions
  - Missing Data
- Preparing: Shaping Data
  - For Which Output: BI, Visualization, Statistics, ML
  - Pivoting with CASE Statements
  - Unpivoting with UNION Statements
  - pivot and unpivot Functions
- Conclusion
3. Time Series Analysis
- Date, Datetime, and Time Manipulations
  - Time Zone Conversions
  - Date and Timestamp Format Conversions
  - Date Math
  - Time Math
  - Joining Data from Different Sources
- The Retail Sales Data Set
- Trending the Data
  - Simple Trends
  - Comparing Components
  - Percent of Total Calculations
  - Indexing to See Percent Change over Time
- Rolling Time Windows
  - Calculating Rolling Time Windows
  - Rolling Time Windows with Sparse Data
  - Calculating Cumulative Values
- Analyzing with Seasonality
  - Period-over-Period Comparisons: YoY and MoM
  - Period-over-Period Comparisons: Same Month Versus Last Year
  - Comparing to Multiple Prior Periods
- Conclusion
4. Cohort Analysis
- Cohorts: A Useful Analysis Framework
- The Legislators Data Set
- Retention
  - SQL for a Basic Retention Curve
  - Adjusting Time Series to Increase Retention Accuracy
  - Cohorts Derived from the Time Series Itself
  - Defining the Cohort from a Separate Table
  - Dealing with Sparse Cohorts
  - Defining Cohorts from Dates Other Than the First Date
- Related Cohort Analyses
  - Survivorship
  - Returnship, or Repeat Purchase Behavior
  - Cumulative Calculations
- Cross-Section Analysis, Through a Cohort Lens
- Conclusion
5. Text Analysis
- Why Text Analysis with SQL?
  - What Is Text Analysis?
  - Why SQL Is a Good Choice for Text Analysis
  - When SQL Is Not a Good Choice
- The UFO Sightings Data Set
- Text Characteristics
- Text Parsing
- Text Transformations
- Finding Elements Within Larger Blocks of Text
  - Wildcard Matches: LIKE, ILIKE
  - Exact Matches: IN, NOT IN
  - Regular Expressions
    - Finding and replacing with regex
- Constructing and Reshaping Text
  - Concatenation
  - Reshaping Text
- Conclusion
6. Anomaly Detection
- Capabilities and Limits of SQL for Anomaly Detection
- The Data Set
- Detecting Outliers
  - Sorting to Find Anomalies
  - Calculating Percentiles and Standard Deviations to Find Anomalies
  - Graphing to Find Anomalies Visually
- Forms of Anomalies
  - Anomalous Values
  - Anomalous Counts or Frequencies
  - Anomalies from the Absence of Data
- Handling Anomalies
  - Investigation
  - Removal
  - Replacement with Alternate Values
  - Rescaling
- Conclusion
7. Experiment Analysis
- Strengths and Limits of Experiment Analysis with SQL
- The Data Set
- Types of Experiments
  - Experiments with Binary Outcomes: The Chi-Squared Test
  - Experiments with Continuous Outcomes: The t-Test
- Challenges with Experiments and Options for Rescuing Flawed Experiments
  - Variant Assignment
  - Outliers
  - Time Boxing
  - Repeated Exposure Experiments
- When Controlled Experiments Arent Possible: Alternative Analyses
  - Pre-/Post-Analysis
  - Natural Experiment Analysis
  - Analysis of Populations Around a Threshold
- Conclusion
8. Creating Complex Data Sets for Analysis
- When to Use SQL for Complex Data Sets
  - Advantages of Using SQL
  - When to Build into ETL Instead
  - When to Put Logic in Other Tools
- Code Organization
  - Commenting
  - Capitalization, Indentation, Parentheses, and Other Formatting Tricks
  - Storing Code
- Organizing Computations
  - Understanding Order of SQL Clause Evaluation
  - Subqueries
  - Temporary Tables
  - Common Table Expressions
  - grouping sets
- Managing Data Set Size and Privacy Concerns
  - Sampling with %, mod
  - Reducing Dimensionality
  - PII and Data Privacy
- Conclusion
9. Conclusion
- Funnel Analysis
- Churn, Lapse, and Other Definitions of Departure
- Basket Analysis
- Resources
  - Books and Blogs
  - Data Sets
- Final Thoughts
Index