内容简介
本书主要介绍如何使用Python处理Excel数据。本书内容分为三大部分：第一部分主要介绍数据分析的概念和Python基础；第二部分通过蜂蜜电商数据分析案例详细介绍数据分析的技术要点，包括读写Excel文件所需的xlwings库和openpyxl库、数据分析的pandas核心库，以及数据可视化常用的Matplotlib库和Seaborn库；第三部分包括个人消费贷款数据分析和螺蛳粉连锁店销售数据分析两个实践案例，通过实践案例帮助读者回顾理论知识并提高实践能力。 本书适合Python零基础且需要处理大量Excel数据的办公人员阅读，也可以作为学习Python数据分析的入门教程。
展开全文
- 封 面
- 内容提要
- 前 言
- 资源与支持
- 目 录
- 第一部分 数据分析的概念和Python基础
- 第1章 数据分析基础知识
- 1.1 为什么要做数据分析
- 1.1.1 分析现状
- 1.1.2 分析具体问题
- 1.1.3 预测未来
- 1.2 为什么要使用 Python做数据分析
- 1.2.1 数据分析的历史
- 1.2.2 为什么 Python+Excel会成为数据分析的主流工具
- 1.2.3 使用Python做数据分析的优势
- 1.3 数据分析的对象
- 1.3.1 总体指标分析
- 1.3.2 对比分析
- 1.3.3 按时间维度分析
- 1.3.4 概率学分析
- 1.3.5 按指定维度分析
- 1.4 数据分析的流程
- 1.4.1 数据获取
- 1.4.2 数据处理
- 1.4.3 数据筛选
- 1.4.4 数据分析
- 1.4.5 结果保存
- 1.4.6 数据可视化
- 1.4.7 数据追踪和验证
- 第2章 Python基础知识
- 2.1 安装Python和PyCharm
- 2.1.1 安装Python
- 2.1.2 安装和使用 PyCharm
- 2.2 变量
- 2.2.1 变量的使用
- 2.2.2 变量的命名
- 2.3 简单的数据类型
- 2.3.1 数字
- 2.3.2 字符串
- 2.4 控制语句
- 2.4.1 条件语句
- 2.4.2 循环语句
- 第3章 Python中的高级概念
- 3.1 复杂的数据类型
- 3.1.1 列表
- 3.1.2 字典
- 3.1.3 元组和集合
- 3.2 函数
- 3.2.1 函数的定义
- 3.2.2 指定函数参数的关键字和默认值
- 3.2.3 函数内外变量的可见性
- 3.2.4 传递可更改对象与不可更改对象
- 3.2.5 把函数放在不同的模块中
- 3.3 类
- 3.4 异常
- 3.5 文件操作
- 3.5.1 读取CSV文件
- 3.5.2 写入文件
- 第二部分 蜂蜜电商数据分析
- 第4章 读取和清洗数据
- 4.1 业务分析
- 4.1.1 销售明细表分析
- 4.1.2 产品信息表分析
- 4.1.3 用户信息表分析
- 4.1.4 销售员信息表分析
- 4.1.5 数据关联
- 4.2 读取Excel数据
- 4.2.1 安装对应的库
- 4.2.2 读取简单的 Excel数据
- 4.2.3 pandas DataFrame
- 4.2.4 pandas Series
- 4.2.5 读取特殊格式的 Excel数据
- 4.2.6 使用xlwings读取Excel数据
- 4.3 清洗数据
- 4.3.1 去除空记录
- 4.3.2 去除非法数据
- 4.3.3 去除重复数据
- 4.3.4 设置默认值
- 4.4 编写读写文件的代码
- 第5章 筛选数据
- 5.1 通过条件筛选数据
- 5.1.1 筛选多个用户的销售明细数据
- 5.1.2 通过商品数量和实际交易金额筛选数据
- 5.1.3 对用户名称进行模糊查询
- 5.1.4 多条件查询销售明细数据
- 5.2 通过交易日期筛选数据
- 5.2.1 根据年、月、季筛选数据
- 5.2.2 筛选当前日期的数据
- 5.2.3 筛选某个时间区间内的数据
- 第6章 数据的基础运算
- 6.1 算术运算
- 6.1.1 通过加减运算验证数据的合法性
- 6.1.2 通过乘除运算验证数据的合法性
- 6.2 比较运算
- 6.3 通过函数运算数据
- 6.3.1 常用函数
- 6.3.2 不常用函数
- 6.3.3 按行统计
- 第7章 把数据连接起来
- 7.1 3种关联关系
- 7.1.1 销售员信息表和工卡信息表的关联（一对一关联）
- 7.1.2 指定关联字段
- 7.1.3 处理重复列
- 7.1.4 连接方式
- 7.2 合并多个 Excel文件的数据
- 7.2.1 合并数据
- 7.2.2 重置索引和去重
- 第8章 分组统计、数据透视表和排序
- 8.1 分组统计数据
- 8.1.1 按订单状态汇总数据
- 8.1.2 使用agg()方法
- 8.1.3 实践
- 8.1.4 按蜂蜜类型进行统计——统计关联数据
- 8.1.5 按多列进行分组统计
- 8.2 数据透视表
- 8.2.1 转换视角
- 8.2.2 数据分组统计和分析
- 8.2.3 合计行列
- 8.3 排序
- 8.3.1 按实际交易金额排序（单列排序）
- 8.3.2 按实际交易金额和交易日期排序（多列排序）
- 8.3.3 按优惠金额排序（含空值行的排序）
- 8.3.4 对交易日期降序排名
- 第9章 数据可视化
- 9.1 柱形图和图表基础
- 9.1.1 柱形图的绘制和坐标轴的概念
- 9.1.2 设置坐标轴
- 9.1.3 给图表添加文本标签和注释
- 9.1.4 设置网格
- 9.1.5 同比柱形图和图例的使用
- 9.1.6 温度计图
- 9.1.7 数据表
- 9.2 绘制常见的图表
- 9.2.1 折线图
- 9.2.2 条形图
- 9.2.3 饼图
- 9.2.4 雷达图
- 9.3 其他常用的图表技术
- 9.3.1 多种图表组合——双轴图
- 9.3.2 在同一画布中绘制多个图表
- 9.3.3 设置图表样式
- 9.3.4 初探Seaborn
- 9.3.5 图表的保存
- 第10章 保存数据和图表到Excel文件中
- 10.1 简单保存数据到 Excel文件中
- 10.1.1 不保存行索引并保存数据到指定工作表中
- 10.1.2 选择要保存的列
- 10.2 使用xlwings保存数据到Excel文件中
- 10.2.1 将不同的数据保存到同一个 Excel文件的不同工作表中
- 10.2.2 将结果写入多个 Excel文件
- 10.2.3 格式化
- 10.2.4 保存图表
- 第三部分 实践案例
- 第11章 个人消费贷款数据分析
- 11.1 业务和数据特点分析
- 11.1.1 贷款台账表业务分析
- 11.1.2 客户经理信息表业务分析
- 11.1.3 数据关联
- 11.2 数据处理
- 11.2.1 验证和修复数据
- 11.2.2 读取数据
- 11.3 数据筛选
- 11.3.1 简单地筛选数据
- 11.3.2 模糊查询
- 11.3.3 按多个条件筛选数据
- 11.3.4 查找十大存量贷款记录
- 11.4 统计分析
- 11.4.1 使用分组方法 groupby()按风险状态分组进行统计
- 11.4.2 使用数据透视表按季度统计分析数据
- 11.4.3 使用数据透视表按月份统计贷款笔数和发生额
- 11.5 通过数据关联查询和统计分析数据
- 11.5.1 通过关联查询数据
- 11.5.2 关联客户经理信息表并统计分析数据
- 11.6 数据可视化
- 11.6.1 绘制折线图展示两年各月份的贷款数据
- 11.6.2 绘制柱形图对比两年各季度的贷款发生额
- 11.6.3 绘制饼图展示各业务品种贷款余额
- 11.7 保存结果
- 第12章 螺蛳粉连锁店销售数据分析
- 12.1 业务分析
- 12.1.1 店铺销售月报数据
- 12.1.2 商品信息表
- 12.2 读取数据
- 12.2.1 遍历文件
- 12.2.2 读取商品信息表数据
- 12.2.3 读取销售月报数据
- 12.2.4 读取工作表的数据
- 12.2.5 合并数据
- 12.2.6 测试读取文件与合并数据
- 12.3 整理和分析数据
- 12.3.1 整理数据
- 12.3.2 分析数据
- 12.4 数据可视化
- 12.4.1 绘制店铺月交易金额条形图
- 12.4.2 绘制按店铺统计销量和金额双轴图
- 12.5 保存结果
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2023
作者：杨开振
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《对照Excel，零基础学Python数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2023
作者：杨开振
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《对照Excel，零基础学Python数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
对照Excel，零基础学Python数据分析
免费读 (VIP)