不加班的秘密:用Python助力Excel玩转数据分析
正版保障 假一赔十 可开发票
￥ 43.78 6.3折 ￥ 69.8 全新
库存65件
广东广州
认证卖家担保交易快速发货售后保障
作者多孟琦，谭人豪编著
出版社中国铁道出版社有限公司
ISBN9787113300623
出版时间2023-06
装帧平装
开本16开
定价69.8元
货号12747675
上书时间2024-12-25
商品详情
- 品相描述：全新
- 商品描述
-
前言
商品简介不加班的秘密：用Python助力Excel玩转数据分析 本书以Python分析处理Excel数据的实战案例为主来讲解自动化办公及大数据分析的方法。通过根据实际工作场景设计的实战案例，结合通俗易懂的代码分析，可帮助读者轻松掌握如何处理实际工作中的办公自动化问题及对大数据进行统计分析处理的方法。书中第1~4章主要讲解编程基础，涉及Python程序及其模块的下载安装方法、Python编程环境IDLE的使用方法、Python基本语法、Pandas模块和xlwings模块的用法等；第5~9章为实战案例，讲解批量处理Excel文件、客户数据、财务数据，以及批量处理分析运营数据和连锁超市数据等内容。
作者简介多孟琦，毕业于天津大学通信与信息系统专业。目前就职于，任大数据分析与处理工程师，负责从大量数据的分析、共性处理和抽取；在海量数据的处理和结果可视化方面积累了丰富的实践经验。 谭人豪，2021年获得澳大利亚国立大学授予的计算机科学荣誉学士学位，现于加拿大滑铁卢大学工程学院攻读硕士学位。精通Python，Java等编程语言，尤其在Python语言数据处理与分析方面经验丰富；近几年参加过多项数据分析大型项目开发工作，在批量处理方面积累了丰富的实战经验。
目录
目录第 1 章 Python 及其模块的下载与安装1.1 为什么用 Python 处理 Excel 数据 11.2 下载与安装 Python 21.2.1 从官网下载 Python 21.2.2 安装 Python 31.3 安装 Pandas、xlwings 和 openpyxl 模块 31.4 Python 开发环境使用实战 41.4.1 使用 IDLE 运行 Python 程序 51.4.2 用 IDLE 编写 Python 程序 51.4.3 编写第一个 Python 交互程序 6第 2 章 掌握Python基本编程语法2.1 变量 82.1.1 Python 中的变量有什么用 82.1.2 如何定义变量 82.1.3 变量命名的规则 92.2 基本数据类型与转换 92.2.1 数字类型 92.2.2 字符串类型 9案例 1：输出唐诗《春晓》 102.2.3 布尔类型 102.2.4 数据类型转换方法 10案例 2：人民币兑换美元的计算 112.3 代码的解释——注释 112.4 用户输入函数和输出函数 122.4.1 用input()函数接收用户输入 12案例：判断体温是否异常 122.4.2 用print()函数输出内容 122.5 if 条件语句 132.5.1 代码缩进 132.5.2 基本 if 语句如何运行 13案例 1：判断您是否能坐过山车 132.5.3 if...else 语句如何运行 14案例 2：判断您是否能坐过山车（改进版） 142.5.4 if...elif...else 语句如何运行 15案例 3：哪些人能走老年通道 152.5.5 if 语句的嵌套 162.6 for 循环语句 162.6.1 for 循环如何运行 162.6.2 for 循环的好搭档——range() 函数 172.6.3 for 循环遍历字符串 18案例：用 for 循环画螺旋线 182.7 while 循环语句 182.7.1 while 循环如何运行 18案例 1：输入登录密码 192.7.2 使用 break 退出循环 20案例 2：输入登录密码（break 版） 212.7.3 使用 continue 跳过本次循环 21案例 3：10086 查询系统 222.8 列表 222.8.1 如何创建和删除列表 232.8.2 如何访问列表元素 23案例 1：画五彩圆环 242.8.3 添加、修改和删除列表元素 252.8.4 对列表进行统计和计算 252.8.5 如何复制列表 262.8.6 操作列表——遍历列表 27案例 2：分离红球和蓝球 272.9 元组 282.9.1 创建和删除元组 282.9.2 如何访问元组元素 28案例：考试名次查询系统 292.9.3 修改元组元素 302.10 字典 302.10.1 如何创建字典 302.10.2 通过键值访问字典 31案例 1：中考成绩查询系统 312.10.3 添加、修改和删除字典 322.10.4 操作字典——遍历字典 32案例 2：打印客户名称和电话 332.11 运算符及其优先级 342.11.1 运算符的类型 34案例 1：计算学生平均分数 34案例 2：判断成绩是否优异 352.11.2 运算符的优先级 362.12 函数 372.12.1 函数的创建和调用 372.12.2 实参和形参的用法 382.12.3 函数返回值 38案例：用函数任意画圆环 39第3章 Pandas模块用法实战案例3.1 Pandas数据结构——Series 对象实操 40案例 1：创建一个名为 p1 的 Series 对象 40案例 2：创建指定索引的 Series 对象 41案例 3：通过字典创建 Series 的对象 p3 41案例 4：获取 Series 的对象 p2 的索引 41案例 5：获取 Series 的对象 p2 的值 413.2 Pandas数据结构——DataFrame 对象实操 41案例 1：创建一个名为 df1 的 DataFrame 对象 42案例 2：通过嵌套列表创建名为 df2 的 DataFrame 对象 42案例 3：创建 df3 对象并指定行索引和列索引 42案例 4：通过字典创建名为 df6 的 DataFrame 对象 43案例 5：获取 df7 对象的行索引和列索引 433.3 获取数据源实操 43案例 1：导入Excel文件的数据 43案例 2：导入CSV格式文件的数据 44案例 3：将数据写入Excel文件 44案例 4：将数据写入CSV格式的文件 453.4 数据预处理实操 453.4.1 查看数据信息的方法 453.4.2 数据缺失值处理方法（数据清理） 453.4.3 数据重复值处理方法 463.5 数据类型转换实操 46案例 1：查看df对象“年龄”列的数据类型 46案例 2：将“年龄”列数据类型转换为浮点数 463.6 数据的选择和数据类型转换实操 47案例 1：选择 df 对象中“会计科目”列的数据 47案例 2：选择“会计科目”和“凭证号”两列的数据 47案例 3：通过列号选择第一列和第三列的数据 47案例 4：选择 df 对象中行索引为“7 月 8 日”的行数据 48案例 5：选择 df 对象中行索引为“7 月 8 日”和“7 月 15 日”两行数据 48案例 6：通过行号选择第一行和第三行的数据 48案例 7：选择 df 数据中“年龄”大于 30 岁或“客户姓名”为“小李”的行数据（按条件选择） 49案例 8：选择 df 数据中“年龄”大于 30 岁且小于 40 岁或“编号”小于 104 的行数据 49案例 9：选择 df 数据中满足多种条件的行数据和列数据 49案例 10：选择 2021 年 3 月 1 日的所有行数据 50案例 11：选择 2021 年 3 月 1 日以后的所有行数据 50案例 12：选择 df 数据中一个时间段内的行数据 50案例 13：将“日期”列数据类型由浮点数转换为时间类型 503.7 数值排序实操 50案例 1：按“编号”列对 df 数据进行升序排序 51案例 2：按“编号”列对 df 数据进行降序排序 51案例 3：对 df 数据按索引列进行排序 51案例 4：对 df 数据按“年龄”和“编号”多列进行排序 513.8 数值计数与唯一值获取实操 52案例 1：对 df 数据中“年龄”列进行计数运算 52案例 2：获取 df 数据中“年龄”列的唯一值 523.9 数据运算实操 523.9.1 算术运算 53案例 1：对“1 月销量”和“2 月销量”两列进行加法算术运算 53案例 2：对“1 月销量”列进行乘法算术运算 533.9.2 比较运算 53案例 3：对“1 月销量”和“2 月销量”两列进行比较运算 533.9.3 汇总运算 53案例 4：对 df 数据所有列进行计数运算（count） 53案例 5：对 df 数据中各列进行求和运算（sum） 54案例 6：对 df 数据中各行进行求和运算（sum） 54案例 7：对 df 数据求平均值（mean） 55案例 8：对 df 数据求优选值（max） 55案例 9：对 df 数据求最小值（min） 55案例 10：对 df 数据求中位数（median） 55案例 11：对 df 数据求众数（mode） 55案例 12：对 df 数据求方差（var） 56案例 13：对 df 数据求标准差（std） 56案例 14：对 df 数据求分位数（quantile） 563.9.4 相关性运算 56案例 15：对 df 数据进行相关性运算 563.10 数据分组（分类汇总）实操 56案例 1：按“店名”列进行分组并对所有列进行计数运算 56案例 2：按“店名”列进行分组并对所有列进行求和运算 57案例 3：按“店名”和“品种”多列进行分组并求和运算 57案例 4：按“店名”列进行分组并对指定的“数量”列求和运算 57案例 5：按“店名”列进行分组并对所有列分别进行求和和计数运算 58案例 6：按“店名”列进行分组并对“品种”和“销售金额”列分别进行不同的运算 58案例 7：按“店名”列分组后重置索引 583.11 数据拼接实操 58案例 1：以“编号”公共列为连接键将df1和df2数据横向拼接 59案例 2：以“编号”和“客户姓名”为连接键将df1和df3数据横向拼接 59案例 3：“编号”列和“代号”列为左表右表连接键横向拼接df1和df4 60案例 4：在横向拼接时出现重复列名的处理方法 60案例 5：将df1和df2数据进行纵向拼接 61案例 6：使用append()函数实现df1和df2数据的纵向拼接 62第4章 xlwings模块在Excel中的用法详解4.1 打开退出 Excel 程序 634.2 操作Excel工作簿 644.3 操作工作簿中的工作表 644.4 读取工作表中的数据 654.5 向工作表中写入数据 654.6 删除工作表中的数据 664.7 获取工作表数据区行数和列数 664.8 打印工作表 67第5章 批量操作Excel文件实战案例5.1 批量新建和打开Excel工作簿文件 68案例 1：批量新建Excel工作簿文件 68案例 2：批量新建不同名称的Excel工作簿文件 70案例 3：批量打开文件夹中所有Excel工作簿文件 715.2 批量修改工作表名称和工作簿名称 73案例 1：批量修改Excel文件中所有工作表名称 73案例 2：批量修改Excel工作簿文件中指定的工作表名称 75案例 3：批量修改文件夹下所有Excel工作簿的名称 775.3 批量新建删除工作表 80案例 1：在多个Excel工作簿文件中批量新建工作表 80案例 2：在多个Excel工作簿文件中批量删除工作表 825.4 批量复制工作表数据 85案例 1：将一个Excel工作簿的所有工作表批量复制到多个工作簿 85案例 2：将工作表中指定区域的数据复制到多个Excel工作簿文件的指定工作表中 885.5 批量对多个工作簿的工作表进行格式排版 91案例：批量对多个工作簿的工作表进行格式排版 915.6 批量合并工作表 96案例 1：将多个Excel工作簿文件中的工作表合并到一个Excel工作簿中 96案例 2：将Excel工作簿文件中的多个工作表合并到一个新工作表中 995.7 批量拆分工作表 102案例 1：将指定工作表进行汇总并拆分为多个工作簿 102案例 2：将一个工作表内容拆分为多个工作表 1055.8 批量打印工作表 107案例 1：批量打印Excel工作簿文件的所有工作表 107案例 2：批量打印多个Excel工作簿文件中指定工作表 110第6章 批量处理客户数据实战案例6.1 统计提取贷款数据中出现“逾期”客户的数据 1126.2 从贷款数据库中自动挑出自己客户的数据资料 1166.3 批量自动填写客户资料表单 122第7章 批量处理财务数据实战案例7.1 批量提取财务数据多个工作表中指定的行数据 1287.2 批量提取财务数据多个工作表中指定的列数据并求和 1357.3 批量提取多个财务数据文件中指定的列数据 1437.4 对财务收入数据中多个工作表进行分类汇总 1507.5 批量分类汇总多个财务数据文件中的所有工作表 1567.6 批量计算现金日记账所有工作表财务数据 1637.7 批量计算多个现金日记账文件的财务数据 169第8章 批量处理运营数据实战案例8.1 分类统计销售数据工作簿中多个工作表的明细数据 1778.2 批量分类统计多个销售数据工作簿文件的明细数据 1838.3 分类统计销售数据工作簿中多个工作表的指定数据 1918.4 批量统计多个销售数据工作簿文件中的指定数据 1978.5 统计运营数据多个工作表中复购次数优选的客户 2048.6 批量统计多个运营数据工作簿文件中复购次数优选的客户 2108.7 统计运营数据多个工作表中的最畅销产品 2188.8 批量统计多个运营数据工作簿文件中最畅销的产品 224第9章 批量处理连锁超市数据实战案例9.1 统计分析超市畅销商品前 10 名 2339.2 批量处理并统计多个超市数据文件中畅销前十名的商品 2389.3 统计分析超市每天的客流高峰时段 2459.4 统计分析超市每周的客流高峰日 2529.5 统计分析 CSV 格式超市数据 2589.6 统计分析复购前 100 名的客户 2629.7 统计分析超市的客单价和客单量 2689.8 统计分析在指定日期内超市的客单价和客单量 273
内容摘要
本书以Python分析处理Excel数据的实战案例为主来讲解自动化办公及大数据分析的方法。通过根据实际工作场景设计的实战案例，结合通俗易懂的代码分析，可帮助读者轻松掌握如何处理实际工作中的办公自动化问题及对大数据进行统计分析处理的方法。书中第1~4章主要讲解编程基础，涉及Python程序及其模块的下载安装方法、Python编程环境IDLE的使用方法、Python 基本语法、Pandas模块和xlwings模块的用法等；第5~9章为实战案例，讲解批量处理Excel文件、客户数据、财务数据，以及批量处理分析运营数据和连锁超市数据等内容。
主编推荐讲解细致，内容全面：书中充分考虑到办公人员的实际情况，从软件的下载、安装、基本语法到相关模块的使用，再到行业应用，都进行了详细介绍，内容涉及各种常见应用。注重实用，贴近实战：在介绍每个知识点时，都结合相应的案例来讲解，后又通过多个综合案例讲解具体应用，引领读者在实践中掌握所学知识。
【内容简介】
精彩内容
本书以Python分析处理Excel数据的实战案例为主来讲解自动化办公及大数据分析的方法。通过根据实际工作场景设计的实战案例，结合通俗易懂的代码分析，可帮助读者轻松掌握如何处理实际工作中的办公自动化问题及对大数据进行统计分析处理的方法。书中第1~4章主要讲解编程基础，涉及Python程序及其模块的下载安装方法、Python编程环境IDLE的使用方法、Python 基本语法、Pandas模块和xlwings模块的用法等；第5~9章为实战案例，讲解批量处理Excel文件、客户数据、财务数据，以及批量处理分析运营数据和连锁超市数据等内容。
— 没有更多了 —
以下为对购买帮助不大的评价