Python量化研究實作：Deepnote雲端平台應用
作　　者╱
 洪煌佳
出版社別╱
 五南
書　　系╱
 研究&方法
出版日期╱
2025/04/01   (1版 1刷)
  
即日起五南舊官網僅提供書籍查詢，如欲購書，請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
 978-626-423-280-7
書　　號╱
 1H3S
頁　　數╱
 280
開　　數╱
 16K
定　　價╱
 450 (特價 356)
教學資源╱
 投影片((外加)),題庫(隨書附送)
若無法觀看影片請連結此網址
※推薦文
《Python量化研究實作：Deepnote雲端平台應用》是一本將Python程式語言與量化研究完美結合的實用指南，尤其適合對數據分析和量化研究充滿熱情的讀者。作者洪煌佳博士，不僅在學術研究中深入探索量化分析，也在實踐中積極推動數據應用。他在獲得「Fulbright資深研究學人獎助」於密西西比大學數學統計系的學術訪問期間，專注於美式足球及運動大數據的研究，並將這些經驗應用於量化研究，對數據科學領域作出了顯著貢獻。
　　洪博士在學術界的貢獻遠不止於此。他積極參與國內外的各類研討會，並在其中與全球的學者和專家交流最新的研究成果。他在各大研討會上的活躍發言，展示了他對量化研究的深厚理解及不懈探索精神，並將這些最新的研究成果融入書中，為讀者提供前沿的知識與方法。
　　本書不僅清晰地介紹了如何在Deepnote雲端平台上運用Python進行各類量化分析，還特別設計了大量淺顯易懂的例子和Python程式碼，讓讀者能夠輕鬆上手並實踐所學。書中的每一章節都圍繞著真實的問題進行分析，從基本的數據處理、統計分析，到高級的模型構建，作者一步步引導讀者理解並運用這些技巧，確保學術理論與實際操作的完美融合。
　　此外，本書還附有練習題，幫助讀者加強實務能力，將所學知識轉化為實際操作。這些練習題不僅讓讀者鞏固基本概念，還能在解決真實問題的過程中提高分析與應用的能力。
　　洪煌佳博士不僅是一位學術深耕者，還是一位擁有活力與幽默感的教育者。他擅長將複雜的理論以簡單易懂的方式呈現，使讀者在學習過程中不僅能夠理解抽象的概念，還能享受學習的樂趣。這本書充分體現了他將理論與實踐相結合的能力，讓讀者在學習過程中獲得更多的啟發。
　　無論您是量化研究的初學者，還是希望進一步提升技能的專業人士，本書都將是您不可或缺的寶貴資源。我衷心推薦這本書，並相信它會在您量化研究的道路上提供強有力的支持，幫助您在數據分析的世界中大放異彩。

Tung-Lung Wu
Associate Professor
Department of Mathematics and Statistics
Mississippi State University

洪煌佳（Huang Chia Hung）

現職：
國立臺東大學體育學系教授

學歷：
國立臺灣師範大學體育學系博士
國立臺灣師範大學運動與休閒管理研究所碩士

經歷：
Fulbright資深研究學人獎助
密西西比州立大學數學與統計學系訪問學者
國立臺東大學學生事務長
國立臺東大學師資培育中心主任

專書：
Python論文數據統計分析
運動競賽活動規劃與執行

Chapter01　Python整合開發環境：Deepnote雲端平台介紹
一、前言
二、Deepnote分析平台介紹
三、Deepnote基本操作
四、探索性數據分析與數據清理簡介

Chapter02　量化研究的概念
一、量化研究流程
二、量化研究架構
三、變數測量的類型
四、統計分析方式基本概念
五、數據來源

Chapter03　量化研究問卷設計
一、量化研究問卷設計要考量什麼
二、數據編碼簿與編碼
三、研究問卷、編碼簿與編碼作業

Chapter04　問卷量表的效度與信度分析
一、概念
二、範例說明
三、探索性因素分析
四、驗證性因素分析

Chapter05　描述統計
一、概念
二、範例說明
三、變數描述統計的次數與百分比
四、變數描述統計的平均數、標準差、最小值、中位數與最大值
五、數學運算
六、數值轉換與重新編碼

Chapter06　平均數差異與變異數分析
一、概念
二、單一樣本t檢定
三、獨立樣本t檢定
四、相依樣本t檢定
五、單因子變異數分析
六、單因子重複量數變異數分析
七、二因子變異數分析：交互作用不顯著
八、二因子變異數分析：交互作用顯著
九、二因子變異數混合設計分析

Chapter07　相關與迴歸
一、概念
二、範例說明
三、Pearson 積差相關
四、多元迴歸分析
五、階層迴歸分析

Chapter08　中介與調節效應
一、概念
二、範例說明
三、簡單中介效應分析
四、簡單調節效應分析
五、PROCESS Macro中介效應分析
六、PROCESS macro中介調節效應分析

Chapter09　結構方程模式
一、概念
二、範例說明
三、結構方程模式

參考文獻
SPSS操作與
應用：問卷統計
分析實務（附資
料檔）
結構方程模型分
析：JASP的
運用
給論文寫作者的
進階統計指南：
傻瓜也會跑統計
Ⅱ (SPSS
+R)
問卷設計：如何
規劃、建構與編
寫有效市場研究
之調查資料
破案而非破頭：
論文解謎初學者
指南
影像發聲：參與
式行動研究方法
投影片((外加)),題庫(隨書附送)

若要索取未隨書附送(外加)且未於此提供下載的教學資源，請詳洽業務人員(02-27055066#824)(僅提供教師使用)

1H3S-2025- PYTHON量化研究實作_勘誤.DOCX
勘誤頁如需印出郵寄或傳真者，請洽客服:02-27055066#824


1H3S   PYTHON量化研究_IPYNB_DATA.7Z
1H3S   單元練習解答：PYTHON量化研究實作（僅有答案）.PDF



Chapter01　Python整合開發環境：Deepnote雲端平台介紹
一、前言
　　「工欲善其事，必先利其器。」好的工具、好的平台，是成功致勝的重要推手。如同量化研究的進行，方便、易用、功能強大的統計工具絕對是重要關鍵。然而，許多良善的工具往往需要龐大經費才能夠取得，也在入門階段導致接觸門檻的提高，並不利於學術研究工作的進行。
　　具體來說，科學研究的進步就是建立在許多專業之上，若因為統計分析工具的取得而導致研究之路出現高門檻、攔路虎或者是另一道學術高牆，實在不是學術研究發展的好現象。如同JASP（Jeffrey’s amazing statistics program）統計開源軟體的團隊目標指出：「統計工具不應該成為研究的阻礙，專有統計軟體常常會阻礙研究的透明與學習發展，因為使用專有軟體無法檢查程式碼庫，而未獲許可者也無法複製結果，且當學生不再被允許使用教育版本時，則他們的學習經驗可能會被浪費或者是需要負擔高昂的使用費用」（Goss-Sampson, 2022; JASP, 2018），這些都是導致學術發展的阻礙原因之一。
　　值得高興的是，隨著許多開源軟體的開發，知名的R project之外，也有基於R語言基礎進行開發的JASP、JAMOVI開始扮演舉足輕重的角色。而近期，Python也因其容易入門的開源軟體特性，亦針對數據分析提供相應的功能，都逐漸讓數據統計分析不再是高不可攀，亦有針對統計分析的相關書籍作入門介紹（阮敬，2017；洪煌佳，2022；Haslwanter, 2016）。且隨著AI（artificial intelligence）工具的協作應用，撰寫電腦程式語言的「程式碼」（code）也變得較為便利。
　　當然，Python本身有許多應用平台，如：「Anoconda」提供「Jupyter Notebook」、「Spyder」，且「Google Colaboratory」也提供方便易用的介面，其他也有數據建模和數據分析競賽平台的「Kaggle」，又或者是線上軟體原始碼代管服務平台「GitHub」等，都讓用於公開程式或軟體程式碼的應用服務變得相對簡單。
　　各個工具平台都各有其優、缺點，且有各自擅長的介面與運作方式，能因應不同目的與需求，選擇相應工具是重要的。本書推薦使用「Deepnote」（https://www.deepnote.com）來幫助使用者進行線上共同編輯、雲端處理的特性，不僅將筆記本變成強大的數據應用程式和儀表板，更具有人工智慧驅動的資料工作區都是其重要的優勢利器。
　　採用「Deepnote」平台在使用Python撰寫程式碼的過程中，可以實現「好用」、「實用」、「喜歡用」的三大優勢：
（一）好用
　　Deepnote使用網頁模式的跨平台介面，即時將各項作業進度儲存在雲端且可以多方協作，讓使用者只要有網路皆可即時處理數據，非常方便與好用。
（二）實用
　　Deepnote擁有廣大開源資源的應用資源，不僅可以因應需求進行擴充功能，也支持許多大型數據、網路爬蟲、機器學習與資料處理。
（三）喜歡用
　　Deepnote平台不斷地推陳出新各項應用功能，不僅擁有團體協作、AI整合及即時發布，也與時俱進開發許多數據分析應用功能來提升效能，都讓使用者喜歡使用。
　　因此，結合Python的入門門檻簡易，加上Deepnote平台的便捷特性，本書特別結合其各自具有的優勢進行介紹。當然，所有程式碼也可以由使用者本身所習慣的整合開發環境（integrated development environment, IDE）中使用，例如：Google Colab、Jupyter notebooks、Spider、VScode等也都方便可行。

二、Deepnote分析平台介紹
（一）Deepnote的特色
　　Deepnote為主打協同合作以處理數據科學的一個平台，期望能夠藉由瀏覽器的介面來提供一個強大的、基於雲端的工作區，允許使用者能夠輕鬆探索、協作和共享數據，並創建互動式圖表和儀表板，以及建立和部署機器學習模式。
　　有時候數據分析需要團隊合作而非單獨工作，因而Deepnote基本上就是為團隊成員提供共同作業的環境設定。更難能可貴的是，Deepnote是在雲端中無縫運行，也讓環境管理不再是問題，能夠讓共享工作就像發送連結一樣簡單，非常適合當前的數據分析科技應用與趨勢所需。
　　而且Deepnote除了商業用途之外，也特別提供教育版本，對於學生、教師和研究人員完全「免費使用」，這對於學術研究的推動與發展更是具有意義，且降低接觸數據分析的門檻與成本。因而，作為數據科學和協作設計的雲端整合開發環境的Deepnote，具有幾個特色：
1. 即時線上團隊協作
　　類似Google Docs提供的多人協作功能，讓使用者可以同時編輯筆記本、留下評論和進行即時溝通，特別適合團隊專案和教學環境。
2. 運行無需設置環境
　　系統都在雲端運行，使用者不需要在使用端安裝軟體或設置Python環境，可以隨時進行分析使用。
3. 版本控制自動儲存
　　系統在每次作業更改都會自動儲存，並支援版本控制，方便使用者回溯到最新的編輯狀態。
4. 多元管道數據整合
　　提供與多種數據來源的整合，包括Google Drive、SQL資料庫、Snowflake、BigQuery等，方便載入和處理不同的數據格式。
5. 支援多種程式語言
　　除了Python語言，Deepnote也支援SQL、R、Julia等多種語言，讓使用者可以靈活運用多種工具。
6. 直觀呈現視覺互動
　　支援即時數據視覺化，讓使用者可以更直觀地觀察和呈現數據，方便做出解釋和分析。
7. 適合教學環境使用
　　教師可以設置工作環境、管理學生的進度、檢視並即時反饋，且方便指導學習過程。
　　簡單來說，Deepnote的設計直觀且追求用戶友好，除了提供廣泛的功能之外，也讓使用者可以輕鬆快速地啟動和運行，其中包括預先建置的模板、普及的數據科學庫和工具的集成，也允許多人進行協作的環境整合，讓使用者可以同時處理同一個專案。Deepnote的官方網址：「https://www.deepnote.com」內容提供多元的註冊方式，也如同官方首頁介紹指出：「為團隊從事數據工作提供更好的途徑，且結合R、Python、SQL與無程式碼（no-code）的友善平台，可以幫助使用者清理數據、編寫複雜的查詢、構建預測模式並發布精美的應用程序。」