R語言學習筆記：從統計入門到AI應用(第1版)
活動訊息
來金石堂，總有一本書懂你！雙11更好買，25家銀行信用卡分期0利率！
內容簡介
一本最實用的R語言實務書！
依自己的工作情境與學習需求，找到解題的線索與實作的方法。
AI時代來臨，更要學會靈活運用現有的工具，來解決日常實務的問題。這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。本書每個章節都是從生活情境取材，以生動有趣的小故事帶入主題，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R語言將這些問題具體化、可視化、程式化地解決。
本書精彩內容包含：R語言操作到統計分析、資料視覺化、資料採礦分析、文字探勘以及機器學習的廣度與深度。讀者可以依據自身的需求閱讀相關的章節，或者統合問題，綜合本書各方面的主題進行跨領域的資料處理。一起來發覺問題，培養研究與判斷能力，讓數字說故事！
依自己的工作情境與學習需求，找到解題的線索與實作的方法。
AI時代來臨，更要學會靈活運用現有的工具，來解決日常實務的問題。這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。本書每個章節都是從生活情境取材，以生動有趣的小故事帶入主題，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R語言將這些問題具體化、可視化、程式化地解決。
本書精彩內容包含：R語言操作到統計分析、資料視覺化、資料採礦分析、文字探勘以及機器學習的廣度與深度。讀者可以依據自身的需求閱讀相關的章節，或者統合問題，綜合本書各方面的主題進行跨領域的資料處理。一起來發覺問題，培養研究與判斷能力，讓數字說故事！
目錄
序
校園情境出場人物簡介
第1 章 統計分析：打開理解資料的第一扇門
1.1 什麼是描述性統計：讓數字說出故事的起點
1.2 相關與迴歸：不是你以為的那種「關係」
1.3 到底差多少才算「有差」：從區間估計到假設檢定
1.4 不只兩組怎麼比：ANOVA 的魔法
1.5 別把分類變項當成數字用：卡方檢定的出場時機
1.6 策略有效嗎：共變數分析的神助手登場
第2 章 統計資料視覺化：讓資料說故事
2.1 類別變數：從長條到比率，讓分類資料更清楚
2.2 連續與混合變數：用圖形掌握變數的分布與關係
2.3 莖葉圖：兼具統計與細節的圖示工具
2.4 雷達圖：一張圖比出學生多面向的輪廓
第3 章 資料視覺化的進階分析
3.1 社會網絡圖：誰和誰最常互動？
3.2 複選題分析圖示：從勾選項目畫出「關聯地圖」
3.3 互動式圖示：點出資料的關鍵視角
3.4 GIS 地圖圖示：地圖上的統計故事
3.5 GIS 進階圖示：搭配地形圖檔案呈現在地學習
第4 章 資料採礦分析：發覺藏在資料裡的祕密
4.1 監督式學習：讓資料幫你做決定
4.2 非監督式：沒有答案的探索也可以有規律
4.3 異常值分析：發現數據裡的特別人物
第5 章 網路爬蟲與文字探勘：從資料抓取到語意洞察
5.1 網路爬蟲：不用手動複製也能大量擷取資料
5.2 文字探勘起手式：讓文字自己說話
5.3 字詞進階整理：讓關鍵詞說話更清楚
5.4 文字探勘的視覺化：讓關鍵詞圖像化
5.5 結構化資料擷取與視覺化：將數字轉譯為故事
5.6 輿情分析：讀懂文字呈現的情緒
第6 章 文本機器學習：讓電腦看懂人類用詞並做出判斷
6.1 監督式學習：主題辨識
6.2 監督式學習：文本評分
6.3 非監督式學習：讓電腦自己發現主題
校園情境出場人物簡介
第1 章 統計分析：打開理解資料的第一扇門
1.1 什麼是描述性統計：讓數字說出故事的起點
1.2 相關與迴歸：不是你以為的那種「關係」
1.3 到底差多少才算「有差」：從區間估計到假設檢定
1.4 不只兩組怎麼比：ANOVA 的魔法
1.5 別把分類變項當成數字用：卡方檢定的出場時機
1.6 策略有效嗎：共變數分析的神助手登場
第2 章 統計資料視覺化：讓資料說故事
2.1 類別變數：從長條到比率，讓分類資料更清楚
2.2 連續與混合變數：用圖形掌握變數的分布與關係
2.3 莖葉圖：兼具統計與細節的圖示工具
2.4 雷達圖：一張圖比出學生多面向的輪廓
第3 章 資料視覺化的進階分析
3.1 社會網絡圖：誰和誰最常互動？
3.2 複選題分析圖示：從勾選項目畫出「關聯地圖」
3.3 互動式圖示：點出資料的關鍵視角
3.4 GIS 地圖圖示：地圖上的統計故事
3.5 GIS 進階圖示：搭配地形圖檔案呈現在地學習
第4 章 資料採礦分析：發覺藏在資料裡的祕密
4.1 監督式學習：讓資料幫你做決定
4.2 非監督式：沒有答案的探索也可以有規律
4.3 異常值分析：發現數據裡的特別人物
第5 章 網路爬蟲與文字探勘：從資料抓取到語意洞察
5.1 網路爬蟲：不用手動複製也能大量擷取資料
5.2 文字探勘起手式：讓文字自己說話
5.3 字詞進階整理：讓關鍵詞說話更清楚
5.4 文字探勘的視覺化：讓關鍵詞圖像化
5.5 結構化資料擷取與視覺化：將數字轉譯為故事
5.6 輿情分析：讀懂文字呈現的情緒
第6 章 文本機器學習：讓電腦看懂人類用詞並做出判斷
6.1 監督式學習：主題辨識
6.2 監督式學習：文本評分
6.3 非監督式學習：讓電腦自己發現主題
序／導讀
人類 × AI：在真實情境中做出判斷，才是關鍵。
當生成式AI 迅速進入教育與研究現場時，我們不禁問：
「既然AI 什麼都能回答，為什麼還要學統計？為什麼還要學程式語言？只要把
問題丟給AI，不就可以得到完美解答了嗎？」
我想從一個真實的教學情境談起。
某次課堂進行「竹竿能過門嗎？」的思辨任務，題目是這樣的：
「一根長 5.5 公尺的竹竿，能不能通過一個寬 3 公尺、高 4 公尺的門？」
當這道題目交給生成式AI，它的回答相當專業，先計算出門的對角線長度為 5 公尺，再比較竹竿長度，得出結論：不能通過。
AI 甚至進一步建議：可以將竹竿垂直搬運、改變角度，或拆成兩段搬運。
這一切看起來邏輯嚴謹、步驟正確—但也完全錯了。
因為對人類而言，只要提著竹竿，以穿門的方式橫移即可，根本不受限於門的寬與高！
這不是AI 不夠「聰明」，而是AI 再怎麼強，也只能根據語言或數學邏輯推理，它並不身處那個情境中，也無法真正理解人類的空間直覺與生活經驗。就像當我們說：「媽呀，好嚇人！」或「我都要笑死了！」生成式AI 能夠判斷語意，而不是僅從字面理解，但一旦當語言背後牽涉到文化、情境與隱喻時，依然需要人類來正確詮釋與判斷。
這也是我寫這本書的起點：生成式AI 是工具，但使用工具的人永遠是人類。要善用AI，不是丟問題進去等它回答，而是學會如何提出正確問題、如何判斷AI 給的答案是否合理，最後才能解決真實世界的問題。
因此，本書每個章節都從一個真實或虛構但貼近教學現場的情境出發，這些情境取材自我在教學與研究中實際遇到的問題。透過角色對話、小故事設計與具體數據，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R 語言將這些問題具體化、可視化、程式化地解決。
本書選擇使用R 語言，而非套裝軟體，有幾個原因：
• R 是免費的開源軟體，無需額外購買授權。
• 即使未來版本更新，本書提供的語法依然能夠執行，避免時效性問題。
• 最重要的，是我期望每位讀者都能夠依據本書的基礎，發展出屬於自己的R語法風格，靈活應對不同領域與問題的需求。
市面上已有許多關於統計與R 語言的專業書籍，因此本書不再重複說明每一個統計方法的原理與公式，例如統計尺度的定義、相關與迴歸的理論基礎、各種假設檢定與顯著性意涵等；也不會詳細介紹程式設計的結構與語法，例如如何讀取檔案、使用迴圈與條件句、自訂函數等。這也是本書要命名為「R 語言學習筆記」的原因：想要讓讀者不必從頭讀起，可以依自己的工作情境與學習需求「跳讀」不同章節，找到解題的線索與實作的方法。
本書共分為6 章，從統計思維起步，延伸到進階視覺化與AI 文本分析，涵蓋多樣化資料處理需求：
第1 章｜統計分析
帶領讀者認識描述性統計、相關與迴歸、假設檢定、ANOVA、卡方與共變數分析等核心方法。
第2 章｜統計資料視覺化
說明如何運用長條圖、直方圖、箱形圖、莖葉圖、雷達圖等方式，讓資料說話。
第3 章｜資料視覺化的進階分析
進一步處理更具關聯性與地理性的資料，包括社會網絡圖、複選題圖示、互動式圖表與GIS 應用。
第4 章｜資料採礦分析
介紹監督與非監督式學習的基礎，以及異常值分析，協助讀者掌握資料背後的結構與意義。
第5 章｜網路爬蟲與文字探勘
從網頁擷取資料開始，說明中文斷詞、詞頻分析、文字雲與語意視覺化的方法。
第6 章｜文本機器學習
從主題分類、文本評分，到非監督式主題萃取，讓讀者實作生成式AI 背後的文本建模技巧。
這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。每一章的各節內容像是一個個分析的起點與學習節點，這些點彼此串聯形成一章的完整概念，再將各章架構互相扣合，拼出一張全面的知識地圖。讀者不僅能逐點理解，也能在跨章整合中，看見從R 語言操作到統計分析、從資料視覺化到文字探勘與機器學習的廣度與深度。期待讀者閱讀完本書後，能夠具備以下能力：1. 釐清資料情境中的核心問題，選擇合適的分析方法；2. 運用 R 語言執行統計與視覺化分析，產出可解釋的結果；3. 結合 AI、文字資料與地理資訊，進行跨領域資料處理。最重要的—培養自己提問與判斷的能力，而非盲目依賴 AI 工具。
當生成式AI 迅速進入教育與研究現場時，我們不禁問：
「既然AI 什麼都能回答，為什麼還要學統計？為什麼還要學程式語言？只要把
問題丟給AI，不就可以得到完美解答了嗎？」
我想從一個真實的教學情境談起。
某次課堂進行「竹竿能過門嗎？」的思辨任務，題目是這樣的：
「一根長 5.5 公尺的竹竿，能不能通過一個寬 3 公尺、高 4 公尺的門？」
當這道題目交給生成式AI，它的回答相當專業，先計算出門的對角線長度為 5 公尺，再比較竹竿長度，得出結論：不能通過。
AI 甚至進一步建議：可以將竹竿垂直搬運、改變角度，或拆成兩段搬運。
這一切看起來邏輯嚴謹、步驟正確—但也完全錯了。
因為對人類而言，只要提著竹竿，以穿門的方式橫移即可，根本不受限於門的寬與高！
這不是AI 不夠「聰明」，而是AI 再怎麼強，也只能根據語言或數學邏輯推理，它並不身處那個情境中，也無法真正理解人類的空間直覺與生活經驗。就像當我們說：「媽呀，好嚇人！」或「我都要笑死了！」生成式AI 能夠判斷語意，而不是僅從字面理解，但一旦當語言背後牽涉到文化、情境與隱喻時，依然需要人類來正確詮釋與判斷。
這也是我寫這本書的起點：生成式AI 是工具，但使用工具的人永遠是人類。要善用AI，不是丟問題進去等它回答，而是學會如何提出正確問題、如何判斷AI 給的答案是否合理，最後才能解決真實世界的問題。
因此，本書每個章節都從一個真實或虛構但貼近教學現場的情境出發，這些情境取材自我在教學與研究中實際遇到的問題。透過角色對話、小故事設計與具體數據，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R 語言將這些問題具體化、可視化、程式化地解決。
本書選擇使用R 語言，而非套裝軟體，有幾個原因：
• R 是免費的開源軟體，無需額外購買授權。
• 即使未來版本更新，本書提供的語法依然能夠執行，避免時效性問題。
• 最重要的，是我期望每位讀者都能夠依據本書的基礎，發展出屬於自己的R語法風格，靈活應對不同領域與問題的需求。
市面上已有許多關於統計與R 語言的專業書籍，因此本書不再重複說明每一個統計方法的原理與公式，例如統計尺度的定義、相關與迴歸的理論基礎、各種假設檢定與顯著性意涵等；也不會詳細介紹程式設計的結構與語法，例如如何讀取檔案、使用迴圈與條件句、自訂函數等。這也是本書要命名為「R 語言學習筆記」的原因：想要讓讀者不必從頭讀起，可以依自己的工作情境與學習需求「跳讀」不同章節，找到解題的線索與實作的方法。
本書共分為6 章，從統計思維起步，延伸到進階視覺化與AI 文本分析，涵蓋多樣化資料處理需求：
第1 章｜統計分析
帶領讀者認識描述性統計、相關與迴歸、假設檢定、ANOVA、卡方與共變數分析等核心方法。
第2 章｜統計資料視覺化
說明如何運用長條圖、直方圖、箱形圖、莖葉圖、雷達圖等方式，讓資料說話。
第3 章｜資料視覺化的進階分析
進一步處理更具關聯性與地理性的資料，包括社會網絡圖、複選題圖示、互動式圖表與GIS 應用。
第4 章｜資料採礦分析
介紹監督與非監督式學習的基礎，以及異常值分析，協助讀者掌握資料背後的結構與意義。
第5 章｜網路爬蟲與文字探勘
從網頁擷取資料開始，說明中文斷詞、詞頻分析、文字雲與語意視覺化的方法。
第6 章｜文本機器學習
從主題分類、文本評分，到非監督式主題萃取，讓讀者實作生成式AI 背後的文本建模技巧。
這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。每一章的各節內容像是一個個分析的起點與學習節點，這些點彼此串聯形成一章的完整概念，再將各章架構互相扣合，拼出一張全面的知識地圖。讀者不僅能逐點理解，也能在跨章整合中，看見從R 語言操作到統計分析、從資料視覺化到文字探勘與機器學習的廣度與深度。期待讀者閱讀完本書後，能夠具備以下能力：1. 釐清資料情境中的核心問題，選擇合適的分析方法；2. 運用 R 語言執行統計與視覺化分析，產出可解釋的結果；3. 結合 AI、文字資料與地理資訊，進行跨領域資料處理。最重要的—培養自己提問與判斷的能力，而非盲目依賴 AI 工具。
試閱
第5章 網路爬蟲與文字探勘：從資料抓取到語意洞察
把「文字」變成「資料」的魔法術
校園情境開場：數字懂了，那文字呢？
又是一個午後，小政坐在辦公室裡，眼神空洞地望著電腦畫面，一動也不動。阿育老師路過，發現這熟悉的場景。
阿育老師：「小政啊，又在研究資料嗎？怎麼這次看起來更沮喪了？」
小政轉過頭，有點無奈地說：「老師，我學了好多統計分析的方法，也跑了好多R語法，但這些都適用在數字資料。現在我在整理教學平台上的留言，有學生的反饋、家長的回應，我很想知道他們在想什麼⋯⋯ 」
小政：「但要打開網頁，一則一則看、一個一個點、滑鼠點到手酸⋯⋯資料量又這麼多，真的好累人⋯⋯ 」
阿育老師聽了，語重心長地點點頭：「這就是當老師的必經之路啊！我也是這樣走過來的，我們要關心學生、理解家長，每一則留言背後都是一段聲音、一個故事。雖然辛苦，但這是我們的責任，是教育專業的基本功。」
阿育老師正要對小政進行教師專業講座的開講時，Doctor S悄然登場。
Doctor S：「如果你們不想再一則一則點留言，不妨試試看文字探勘吧！」
概念導讀：什麼是文字探勘？
文字探勘(Text Mining)是指從非結構化文字資料（如留言、文章、對話紀錄）中，找出規律、關鍵詞、主題等有用資訊的技術。和統計分析處理結構化資料（如Excel表格）不同，文字探勘的挑戰在於：資料沒有欄位與標準格式，以及含有大量口語化內容。常見應用包括：關鍵詞抽取、文字分類、主題建模、情感分析等。現在教育現場的溝通越來越依賴平台系統，留言、問卷開放式回饋、課程評鑑意見等，其實都是一座等待被開採的資料寶庫。
為什麼教育工作者需要文字探勘？
傳統方式：
人工閱讀留言、逐字統計、主觀感受評估、忽略潛在聲音
文字探勘方式：
自動整理常見主題、自動萃取高頻詞、客觀量化語意特徵、發覺隱藏情感與需求
本章將從文字的取得、處理到分析進行全面教學，分為三大部分：
*網路爬蟲：讓R自動幫你蒐集留言或文章，不用再點滑鼠。
*文字探勘：斷詞、去除停用字、計算詞頻、找出重點字詞。
*視覺化呈現：製作詞雲、共現網絡圖、主題分布圖，一眼看出資料重點。
Doctor S的溫馨提醒
Doctor S：「別忘了，生成式AI之所以懂人類語言，正是因為背後進行了大量的文字探勘與語料分析。我們現在用的這些技術，其實就是AI世界的基本語言。」
5.1 網路爬蟲：不用手動複製也能大量擷取資料
校園情境開場：蒐集大家的聲音不能只靠滑鼠
這天早上，阿育老師拿著筆電走進辦公室，一臉認真地對小政說：「小政，最近學校正在進行教學品質提升計畫，我想請你幫忙上網蒐集學生和家長對課程的留言與建議，尤其是那個討論區，上面好多心得和問題，很有參考價值。」
小政一聽立刻點頭：「這個我知道，我可以用網路爬蟲(Web Scraping)來處理，不用一則一則手動複製。不過要先看懂網頁的原始碼，像是用什麼CSS class，才能知道要擷取的內容在哪裡。」
阿育老師聽得一頭霧水，猛點頭後突然問：「你說『爬蟲』？網頁上有蟲？是說有病毒嗎⋯⋯還是你在玩生物入侵的遊戲？」
小政忍不住笑出來，正要解釋時，Doctor S早就準備好登場了。
Doctor S：「老師別擔心，小政說的爬蟲，是一種自動化程式，可以模擬使用者上網行為，把網頁上的文字抓下來。這在教育資料蒐集上非常有用。」
Doctor S：「你們可以用R語言的 rvest 套件來寫，而且如果不會找CSS標籤，可以安裝一個叫做『SelectorGadget』的瀏覽器擴充工具，幫助你一鍵查出元素標籤喔！」
概念導讀：什麼是網路爬蟲(Web Scraping)？
在資訊爆炸的時代，許多有價值的資料存在於網頁中，例如論壇留言、新聞文章、產品評論等。若只靠人工一筆一筆複製，將耗費大量時間與心力。網路爬蟲是一種自動化技術，能快速擷取網站中規則性的內容，常用於新聞摘要、價格比對、留言分析等。在R語言中，可以使用rvest套件，模擬使用者進入網頁，然後擷取所需的文字內容。所有網頁背後都有「原始碼」，這些碼中包含標籤（如
把「文字」變成「資料」的魔法術
校園情境開場：數字懂了，那文字呢？
又是一個午後，小政坐在辦公室裡，眼神空洞地望著電腦畫面，一動也不動。阿育老師路過，發現這熟悉的場景。
阿育老師：「小政啊，又在研究資料嗎？怎麼這次看起來更沮喪了？」
小政轉過頭，有點無奈地說：「老師，我學了好多統計分析的方法，也跑了好多R語法，但這些都適用在數字資料。現在我在整理教學平台上的留言，有學生的反饋、家長的回應，我很想知道他們在想什麼⋯⋯ 」
小政：「但要打開網頁，一則一則看、一個一個點、滑鼠點到手酸⋯⋯資料量又這麼多，真的好累人⋯⋯ 」
阿育老師聽了，語重心長地點點頭：「這就是當老師的必經之路啊！我也是這樣走過來的，我們要關心學生、理解家長，每一則留言背後都是一段聲音、一個故事。雖然辛苦，但這是我們的責任，是教育專業的基本功。」
阿育老師正要對小政進行教師專業講座的開講時，Doctor S悄然登場。
Doctor S：「如果你們不想再一則一則點留言，不妨試試看文字探勘吧！」
概念導讀：什麼是文字探勘？
文字探勘(Text Mining)是指從非結構化文字資料（如留言、文章、對話紀錄）中，找出規律、關鍵詞、主題等有用資訊的技術。和統計分析處理結構化資料（如Excel表格）不同，文字探勘的挑戰在於：資料沒有欄位與標準格式，以及含有大量口語化內容。常見應用包括：關鍵詞抽取、文字分類、主題建模、情感分析等。現在教育現場的溝通越來越依賴平台系統，留言、問卷開放式回饋、課程評鑑意見等，其實都是一座等待被開採的資料寶庫。
為什麼教育工作者需要文字探勘？
傳統方式：
人工閱讀留言、逐字統計、主觀感受評估、忽略潛在聲音
文字探勘方式：
自動整理常見主題、自動萃取高頻詞、客觀量化語意特徵、發覺隱藏情感與需求
本章將從文字的取得、處理到分析進行全面教學，分為三大部分：
*網路爬蟲：讓R自動幫你蒐集留言或文章，不用再點滑鼠。
*文字探勘：斷詞、去除停用字、計算詞頻、找出重點字詞。
*視覺化呈現：製作詞雲、共現網絡圖、主題分布圖，一眼看出資料重點。
Doctor S的溫馨提醒
Doctor S：「別忘了，生成式AI之所以懂人類語言，正是因為背後進行了大量的文字探勘與語料分析。我們現在用的這些技術，其實就是AI世界的基本語言。」
5.1 網路爬蟲：不用手動複製也能大量擷取資料
校園情境開場：蒐集大家的聲音不能只靠滑鼠
這天早上，阿育老師拿著筆電走進辦公室，一臉認真地對小政說：「小政，最近學校正在進行教學品質提升計畫，我想請你幫忙上網蒐集學生和家長對課程的留言與建議，尤其是那個討論區，上面好多心得和問題，很有參考價值。」
小政一聽立刻點頭：「這個我知道，我可以用網路爬蟲(Web Scraping)來處理，不用一則一則手動複製。不過要先看懂網頁的原始碼，像是用什麼CSS class，才能知道要擷取的內容在哪裡。」
阿育老師聽得一頭霧水，猛點頭後突然問：「你說『爬蟲』？網頁上有蟲？是說有病毒嗎⋯⋯還是你在玩生物入侵的遊戲？」
小政忍不住笑出來，正要解釋時，Doctor S早就準備好登場了。
Doctor S：「老師別擔心，小政說的爬蟲，是一種自動化程式，可以模擬使用者上網行為，把網頁上的文字抓下來。這在教育資料蒐集上非常有用。」
Doctor S：「你們可以用R語言的 rvest 套件來寫，而且如果不會找CSS標籤，可以安裝一個叫做『SelectorGadget』的瀏覽器擴充工具，幫助你一鍵查出元素標籤喔！」
概念導讀：什麼是網路爬蟲(Web Scraping)？
在資訊爆炸的時代，許多有價值的資料存在於網頁中，例如論壇留言、新聞文章、產品評論等。若只靠人工一筆一筆複製，將耗費大量時間與心力。網路爬蟲是一種自動化技術，能快速擷取網站中規則性的內容，常用於新聞摘要、價格比對、留言分析等。在R語言中，可以使用rvest套件，模擬使用者進入網頁，然後擷取所需的文字內容。所有網頁背後都有「原始碼」，這些碼中包含標籤（如
、
等）與 class 名稱（如 .title、.comment），可以視為「要抓哪一塊」的指令。
這一節將介紹如何用R語言對網頁資料進行自動化擷取，這不只是技術應用，更是一種節省時間、擴大觀察範圍的研究手段。搭配文字探勘技術，更可以進一步理解背後的語意與趨勢。本節使用 rvest 套件來示範如何擷取文字資訊，包含：取得單一網頁的指定區塊文字、設計迴圈批次擷取多頁資料，以及累積並儲存所有爬取內容。
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價