VS Code 數據分析開發實作報告

超越 Power BI：從 GUI 邁向專業代碼驅動分析

1. 分析開發環境

在 VS Code 中，學號 1111410031 的開發者能透過擴充插件（如 Jupyter Notebooks）打造一個高度自定義的工作區。這不僅是寫程式的地方，更是思維落地的實驗室。

圖 1：VS Code 整合開發環境配置

2. 資料清洗與處理

相對於 Power BI 的 Power Query，在 VS Code 中使用 Python 的 Pandas 進行資料清洗，能處理更複雜的邏輯判斷，且腳本可被無限次複用。

圖 2：資料表關聯與清洗

圖 3：進階邏輯運算實作

3. 視覺化實踐

突破 Power BI 內建圖表的框架。在 VS Code 裡，學號 1111410031 可以輕鬆調用 Plotly、Matplotlib 或 Seaborn 庫，繪製出極具工程感且精準的圖表。

圖 4：自動化生成之數據趨勢圖

圖 5：多維度特徵分析

4. 效率對比與總結

透過這次開發，我體會到 **Code-Based** 的效率優勢：當需要修改 50 張圖表的顏色或字體時，Power BI 需要點擊數百次，而 VS Code 只需要修改一變數。

圖 6：開發效率與擴充性綜合指標