Python+Excel办公自动化一本通(博文视点出品)

图书标准信息

• 作者 杨开振 著
• 出版社 电子工业出版社
• 出版时间 2021-08
• ISBN 9787121418051
• 定价 99.00元
• 装帧 平装

【内容简介】

本书主要面向企业数据分析需求，全面且系统地介绍了如何通过 Python 来分析 Excel 数据。本书主要分为 3 部分：第 1 部分是 Python 3.9 语言基础，主要介绍 Python 的基础知识，为之后的学习奠定基础；第 2 部分是 Excel 数据分析，主要介绍 NumPy、Pandas、Matplotlib、Seaborn、openpyxl 和 xlwings 等内容，使读者可以通过 Python 读取和统计分析 Excel 数据；第 3 部分是 Excel 数据分析实践，使读者回归到实际应用中，并回顾之前学习的知识。本书既适合有一定 Excel 基础，想进一步提高工作效率的办公人员阅读，也适合那些需要在日常工作中处理大量和复杂数据的办公人员阅读，更适合 Python 初学者、编程零基础想通过编程实现办公自动化的人士阅读。

【作者简介】

技术畅销书作家，精通Java互联网技术开发和实践，拥有十余年一线开发经验，著有业内畅销书《深入浅出MyBatis技术原理与实战》《深入浅出Spring?Boot?2.x》和《Spring?Cloud微服务和分布式系统实践》等。写作特点是技术点详尽准确、文字浅显易懂，立志于用图书普及基本技术。

【目录】

目录
第1部分  Python 3．9语言基础
第1章  计算机语言和Python简介 2
1．1  计算机语言的分类 2
1．1．1  机器语言 2
1．1．2  汇编语言 2
1．1．3  高级语言 3
1．1．4  高级语言的发展趋势 3
1．2  高级语言的分类 5
1．2．1  编译型语言 5
1．2．2  解释型语言 6
1．2．3  混合型语言 6
1．3  使用Python 7
1．3．1  为何要学习Python 7
1．3．2  在Windows操作系统中安装
Python 8
1．3．3  在Ubuntu（UNIX）操作系统中
安装Python 10
1．3．4  使用集成开发环境开发
Python 11
1．4  使用Python分析Excel数据 12
1．4．1  可复用 12
1．4．2  大量数据的需求 12
1．4．3  Python易用易学 12
第2章  变量和简单数据类型 13
2．1  变量 13
2．1．1  变量的使用 13
2．1．2  变量的命名 14
2．1．3  变量的存储 15
2．2  Python中的数据类型 18
2．3  数字 19
2．3．1  算术运算 19
2．3．2  比较运算 21
2．3．3  赋值运算 22
2．3．4  位运算 24
2．3．5  运算符的优先级 27
2．3．6  数字计算中常见的函数 28
2．4  字符串 34
2．4．1  截取子串 35
2．4．2  字符串的运算 37
2．4．3  字符串的格式化 38
2．4．4  Python转义字符 40
2．4．5  字符串常用的函数 42
2．5  字符串和数字相互转换 43
2．6  代码中的注释 44
第3章  控制语句 46
3．1  条件语句 46
3．1．1  简单if语句 46
3．1．2  else分支的使用 47
3．1．3  elif分支的使用 48
3．1．4  条件语句的嵌套 49
3．2  逻辑运算 50
3．2．1  逻辑运算符 51
3．2．2  逻辑运算符的优先级 53
3．2．3  改写闰年判断逻辑 54
3．3  循环语句 54
3．3．1  while语句 54
3．3．2  使用循环的注意事项 56
3．3．3  for语句 57
3．3．4  range函数 58
3．3．5  跳转关键字break、continue和
pass 59
3．3．6  循环的嵌套 61
第4章  列表 64
4．1  列表的基础概念 64
4．1．1  创建列表 64
4．1．2  列表的遍历和下标 64
4．2  访问和操作列表 66
4．2．1  元素的增、删、查、改 66
4．2．2  截取子列表 67
4．2．3  列表的嵌套 68
4．2．4  列表的其他操作 70
4．3  列表函数 71
4．3．1  常见函数 71
4．3．2  排序函数 72
第5章  元组和集合 76
5．1  元组 76
5．1．1  创建元组 76
5．1．2  遍历元组 77
5．1．3  修改和删除元组 78
5．1．4  截取元组 79
5．1．5  其他常见的操作 79
5．1．6  关于元组的函数 80
5．2  集合 80
5．2．1  创建集合 80
5．2．2  新增元素 81
5．2．3  删除元素 82
5．2．4  判断元素是否在集合中 84
5．2．5  遍历集合 84
5．2．6  关于集合的函数 85
第6章  字典 89
6．1  创建字典 89
6．1．1  创建最基本的字典 89
6．1．2  创建空字典 90
6．1．3  使用内置函数dict创建字典 90
6．2  访问字典 91
6．2．1  访问字典的值 91
6．2．2  新增/修改字典的值 92
6．2．3  删除 93
6．3  遍历字典 94
6．3．1  对键的遍历 94
6．3．2  对值的遍历 94
6．3．3  对键值的遍历 95
6．4  字典的键值数据类型 95
6．4．1  字典对键值的要求 95
6．4．2  在键值中使用各种数据类型 96
6．4．3  多种数据类型在字典中的
应用 97
6．5  与字典相关的函数 99
第7章  函数 101
7．1  函数的定义 101
7．1．1  定义带有返回值的函数 103
7．1．2  形参和实参 104
7．2  传递参数 104
7．2．1  位置实参 105
7．2．2  关键字实参 105
7．2．3  为参数设置默认值 106
7．3  特殊的参数 107
7．3．1  传递列表 107
7．3．2  传递元组、集合和字典 109
7．3．3  可变参数 110
7．3．4  强制参数位置和关键字 113
7．4  函数返回值 113
7．4．1  返回简单数据类型 114
7．4．2  返回复杂数据类型 114
7．4．3  在循环中返回 115
7．5  函数中的参数 116
7．5．1  传递可更改对象与不可更改
对象 116
7．5．2  函数内外变量的可见性 117
7．6  Lambda表达式 118
7．7  把函数放在不同的模块中 119
7．7．1  将整个模块导入主程序中 119
7．7．2  导入指定的函数 120
7．8  递归函数 121
第8章  类 124
8．1  类的概念 124
8．1．1  定义类和创建对象 124
8．1．2  类的属性的访问 126
8．1．3  封装 129
8．2  继承 131
8．2．1  抽象 131
8．2．2  继承中的方法 133
8．2．3  受保护的属性和方法 135
8．2．4  多重继承 136
8．2．5  多态 139
8．3  拾遗 140
8．3．1  面向对象编程的内置函数 140
8．3．2  类的内部方法 142
8．3．3  类方法和静态方法 143
8．4  导入模块中的类 145
第9章  文件操作和标准库 148
9．1  文件操作 148
9．1．1  文件的读取 148
9．1．2  文件的写入 151
9．1．3  将数据保存为JSON格式 152
9．2  日期时间 156
9．2．1  日期DDdate类 156
9．2．2  日期时间DDdatetime类 158
9．2．3  时间差DDtimedelta类 160
9．3  货币格式化 162
第10章  异常 164
10．1  异常的基础知识 164
10．1．1  Python异常机制 165
10．1．2  except语句 166
10．1．3  else语句和finally语句 167
10．1．4  常见的异常 170
10．2  深入使用异常 172
10．2．1  主动触发异常 172
10．2．2  自定义异常 173
10．2．3  except语句中的异常排序 174

第2部分  Excel数据分析
第11章  使用xlwings处理Excel文档 178
11．1  xlwings的简介和安装 178
11．1．1  xlwings简介 178
11．1．2  安装xlwings 180
11．2  读/写Excel文档 182
11．2．1  读取Excel单元格数据 182
11．2．2  读取多行数据 183
11．2．3  将数据写入Excel 185
11．3  设置单元格 187
11．3．1  字体和格式化 187
11．3．2  边框 188
11．3．3  合并单元格和拆分单元格 190
11．3．4  调整单元格的宽度和高度 192
11．4  处理一些常见的Excel场景 192
11．4．1  新建和读/写多个Excel
文档 192
11．4．2  在同一个Excel文档中写入多个工作表 194
11．4．3  复制数据 194
第12章  数据分析的基础库DDNumPy 196
12．1  安装NumPy 197
12．1．1  在Windows下的安装 197
12．1．2  在PyCharm中使用
NumPy 197
12．1．3  在Linux（Ubuntu）下安装
NumPy 197
12．2  创建ndarray对象 198
12．2．1  创建ndarray数组 198
12．2．2  创建特殊的ndarray数组 200
12．3  NumPy数组的属性和数据
类型 204
12．3．1  NumPy数组的属性 204
12．3．2  NumPy数组的数据类型 205
12．4  NumPy切片和索引 206
12．4．1  一维数组的切片和索引 206
12．4．2  二维数组的切片和索引 207
12．4．3  高级切片和索引 208
12．5  数组的常见处理 210
12．5．1  数据预处理 210
12．5．2  数组重塑 212
12．5．3  数组合并 214
12．6  NumPy数组的运算 215
12．6．1  对元素的运算 215
12．6．2  统计分析 217
12．6．3  筛选元素 218
12．6．4  集合运算 220
12．6．5  排序 221
第13章  Pandas基础 227
13．1  创建对应的数据结构 227
13．1．1  Series 227
13．1．2  DataFrame 229
13．2  读/写Excel数据 233
13．2．1  读取Excel数据 233
13．2．2  指定读取Excel的数据
类型 238
13．2．3  写入Excel 239
13．2．4  xlwings与Pandas的结合 241
13．3  定位数据 243
13．3．1  Series的索引和分片 243
13．3．2  DataFrame的索引和分片 244
13．3．3  loc方法和iloc方法 245
13．4  数据预处理 247
13．4．1  处理默认值 247
13．4．2  去除重复数据 250
13．4．3  数据类型转换 253
13．5  增、删、查、改和替换 253
13．5．1  修改元素 253
13．5．2  替换元素 254
13．5．3  删除 255
13．5．4  新增 257
13．5．5  查找 259
13．6  让数据运算起来 261
13．6．1  简易算术运算 261
13．6．2  比较运算 262
13．6．3  汇总运算 263
第14章  Pandas高级应用 269
14．1  修改索引（标签） 269
14．1．1  重设索引（标签） 270
14．1．2  将某列设置为索引
（标签） 270
14．1．3  重命名索引（标签） 271
14．1．4  树形索引 272
14．2  为数据排序 273
14．2．1  没有默认值的排序 273
14．2．2  有默认值的排序 275
14．2．3  数值排名 276
14．3  获取唯一值 279
14．4  转换数组 280
14．4．1  转置 280
14．4．2  转换视角查看数据DD
长表转宽表 280
14．4．3  宽表转长表 281
14．5  最重要的数据分析功能DD
分组统计 282
14．5．1  分组求笔数与求和DD
count方法和sum方法 283
14．5．2  对数据进行聚合运算DD
aggregate方法 284
14．6  通过数据透视转换视角 287
14．6．1  pivot_table方法概述 287
14．6．2  4个常用的参数 288
14．6．3  合计行列 291
14．7  把数据连接在一起 292
14．7．1  3种关联关系 293
14．7．2  指定关联字段 295
14．7．3  连接方式 297
14．7．4  处理重复列 299
14．8  把数据合并在一起 300
第15章  数据可视化库DDMatplotlib 302
15．1  给图表添加坐标系 302
15．1．1  使用面板的add_subplot方法
建立坐标系 304
15．1．2  使用subplot函数建立
坐标系 307
15．1．3  使用subplot2grid函数添加
坐标系 309
15．1．4  使用subplots函数建立
坐标系 310
15．2  设置坐标系和图表 312
15．2．1  设置坐标轴 312
15．2．2  设置坐标轴的刻度 315
15．2．3  设置网格 318
15．2．4  图例 320
15．2．5  设置图表的标题 324
15．2．6  添加数据标签 327
15．2．7  添加图表注释 330
15．2．8  数据表 332
15．3  制作常见的图表 335
15．3．1  折线图 335
15．3．2  柱状图 338
15．3．3  条形图 343
15．3．4  散点图和气泡图 345
15．3．5  面积图 347
15．3．6  雷达图 349
15．3．7  饼图 352
15．4  其他常用的图表技术 356
15．4．1  双轴图表 356
15．4．2  图表的样式 358
15．4．3  图表的保存 359
15．5  将图片保存到Excel中 360
第16章  数据可视化库DDSeaborn 363
16．1  安装和初识Seaborn 363
16．2  使用Seaborn绘制常见的图表 364
16．2．1  折线图和点线图 364
16．2．2  柱状图和条形图 368
16．2．3  散点图 371

第3部分  Excel数据分析实践
第17章  电商销售数据分析 374
17．1  准备材料和分析业务 374
17．1．1  销售明细分析 374
17．1．2  经销员信息分析 375
17．1．3  产品信息分析 375
17．1．4  数据的关联关系 375
17．2  数据分析流程 376
17．2．1  读取Excel数据和数据
预处理 376
17．2．2  数据分析 377
17．2．3  绘制图表 384
17．2．4  将数据分析的结果保存到
Excel中 392
第18章  个人贷款数据分析 397
18．1  业务分析 397
18．2  读取Excel数据 399
18．3  查找数据 400
18．3．1  查找某一业务品种和不良
贷款数据 400
18．3．2  根据客户名称进行模糊
查找 401
18．3．3  查找当月发生的和当季到期的贷款 402
18．3．4  找到现存贷款余额最大的10笔贷款 403
18．4  分组统计 403
18．4．1  按照业务品种进行分组
统计 403
18．4．2  按照业务品种和其细分进行
分组统计 404
18．4．3  按照客户经理进行分组
统计 405
18．5  绘制图表 406
18．5．1  绘制客户经理业务状况
图表 406
18．5．2  根据业务品种绘制业务发生笔数的饼图 407
18．5．3  测试图表 408
附录A  查看环境变量 410
附录B  Python关键字和内置函数