食品分析實驗 · 數據分析

數據分析工具指南

不會寫程式也能做完每週的數據分析。先用 Excel 把計算做懂，後半學期用 Orange 拖拉方塊建光譜模型；想進一步的同學，再用 Colab 或 Jupyter 跑 Python。三種工具用同一份數據，算出來的答案應該一樣。

入門 · 每位同學

Excel

W1–W8 每週一份練習檔。公式都寫好了，每一格旁邊都有說明；換成全班數據只要貼上就會重算。

  • 平均、SD、信賴區間、t 檢定、ANOVA
  • 檢量線、LOD／LOQ、z-score、管制圖
入門 · 後半學期主力

Orange

拖拉方塊、連線就能做分析，不用寫程式。光譜前處理、PCA、PLS 都有現成流程檔。

  • 箱形圖與 ANOVA（W1、W8）
  • 前處理、相似度、PCA、PLS、分類（W11–W16）
進階 · 選修加分

Colab／Jupyter

每週的 Python 筆記本。能做 Excel 和 Orange 做不到的：VIP、PLS-DA、T² 與 Q、NNLS、模擬。

  • Colab：瀏覽器直接開，不用安裝
  • Jupyter：下載到自己電腦，離線也能跑

每週對照表

點 Excel 直接下載練習檔；Orange 的流程檔都在同一個壓縮檔裡（含資料）；Colab 在瀏覽器開啟，.ipynb 下載給 Jupyter 用。

週主題入門：Excel入門：Orange進階：Python
內建的都是模擬教學資料。用內建資料時，Excel 的「0_說明」頁有一張對答案表，應該全部顯示「✔ 一致」，代表你的 Excel 和 Colab 算出同樣的結果。

Excel 練習檔怎麼用

每一份檔案長得都一樣

  1. 0_說明：學習目標、操作步驟、對答案表。
  2. 1_原始數據：和 Colab 同一種長格式（group、student、item、rep、value…）。
  3. 2_、3_…：一個步驟一張工作表，公式旁邊寫著這個函式在做什麼。
  4. 練習題：答案寫在黃色格子，和報告一起交。

黃色輸入或貼上　綠色公式，不要改　橘色寫進報告的結果

換成全班數據

  1. 打開全班共用的 Google 試算表，選取數據（不含標題列）→ 複製。
  2. 到練習檔的「1_原始數據」，點 A2 → 貼上。欄位順序要和標題一樣。
  3. 如果全班比範例少，把多出來的舊資料整列刪除。
  4. 學生名單或組數不同時，改各步驟工作表最左邊的黃色欄位。

常用函式速查

想做什麼函式第一次出現
平均、樣本標準差AVERAGE、STDEV.S（不要用 STDEV.P）W1
95% 信賴區間半寬T.INV.2T(0.05, n−1) * SD / SQRT(n)W1
依條件取平均、計數、加總AVERAGEIFS、COUNTIFS、SUMIFSW1
依條件算 SD（陣列公式）{=STDEV.S(IF(條件, 數值))}，舊版 Excel 按 Ctrl+Shift+EnterW1
t 檢定的 p 值T.DIST.2T(|t|, df)，或 T.TEST(範圍1, 範圍2, 2, 1)（配對）W1、W2
找最大值在哪裡（當量點）MAX + MATCH + INDEXW4
檢量線SLOPE、INTERCEPT、RSQ、STEYX、LINESTW7
F 檢定、ANOVA 的 p 值F.DIST.RT(F, df1, df2)、F.INV.RT(α, df1, df2)W7、W8
擴充不確定度SQRT(SUMSQ(各項 u)) × kW8
用「資料分析工具箱」核對（t 檢定、ANOVA、迴歸）

練習檔都用公式算，方便看懂每一步。想用 Excel 內建的工具核對：

沒有 Excel？

Orange 流程檔怎麼用

安裝（一次就好）

  1. 到 orangedatamining.com 下載安裝（Windows／Mac 都有）。
  2. 打開 Orange → Options → Add-ons → 勾 Spectroscopy → OK，裝完重開 Orange。光譜週（W11 起）一定要裝。
  3. 下載 orange_workflows.zip，解壓縮到同一個資料夾（.ows 流程檔和 .csv 資料要放在一起）。
  4. Orange → File → Open → 選該週的 .ows。

流程檔以 Orange 3.40、Spectroscopy 0.9 製作並測試過，請用新版。

換成本班數據

  1. 雙擊流程最左邊的 File 方塊 → 按資料夾圖示 → 選你們的 CSV。
  2. 在 File 下方的欄位表，雙擊「Role」設定每一欄：Y 值（例如 acidity_pct、oil）設成 target；sample_id、group、rep 等文字或編號設成 meta；光譜的波長欄保持 feature。
  3. 按 Apply，後面的方塊會自動重算。

小技巧：CSV 標題寫成 c#acidity_pct、m#sample_id，Orange 就會自動認成 target、meta。本頁的範例資料都是這樣做的。

三個最常見的錯：① PCA 方塊裡的「Normalize variables」要取消勾選（光譜只做平均置中）；② 分數圖要接 PCA 的 Data 輸出，點才能依類別上色；③ Test and Score 用「Cross validation by feature → sample_id」，同一樣品的重複才不會被拆開，RMSECV 才不會過度樂觀。

Colab 與 Jupyter（進階）

Colab：不用安裝

  1. 在每週對照表點 Colab，用 Google 帳號登入。
  2. 執行階段 → 全部執行。筆記本內建模擬資料，直接就能跑。
  3. 換成全班數據：照筆記本「如何使用」那一段，把 Google 試算表發布成 CSV 連結，或上傳檔案。
  4. 要保留自己的修改：檔案 → 在雲端硬碟中儲存複本。

Jupyter：下載到自己電腦

  1. 安裝 Anaconda（已含 numpy、pandas、scipy、matplotlib、scikit-learn），或 JupyterLab Desktop。
  2. 下載 全部筆記本＋資料（zip）並解壓縮；或在對照表點 .ipynb 下載單一筆記本。
  3. 開 JupyterLab，切到解壓縮的資料夾 → 打開 notebooks/ 裡的筆記本 → Run → Run All Cells。

13 本筆記本都在一般 Jupyter 環境測試過，不需要 Colab 也能完整執行。

給同學與老師的學習建議

EN