本书共9章，内容包括数据分析及可视化概述、Python数据分析基础、Python数据可视化方法、数据挖掘基础及可视化、数据基本分析及可视化、数据综合评价及可视化等。
电子书
内容简介
本书重点介绍了目前处理数据非常有效的工具——Excel、Python和数据库的应用知识。本书通过一则完整的故事讨论了如何以Python编程为中心，结合Excel和数据库的特点，并以基础统计学贯穿其中，帮助读者深入地了解数据分析的相关知识。在本书中，首先，讨论了如何使用Excel整理数据，以及Excel中数学和统计函数的应用；其次，探讨了与Python编程相关的数据分析内容，包括在Python中进行数据统计工作，以及各种格式数据的转换等；然后，讨论SQLite和MySQL数据库的应用，并介绍了如何使用Python操作数据库；最后，介绍了如何综合使用Excel、数据库和Python编程等工具打造自动化的数据处理中心。
本书架构清晰，内容深入浅出，案例丰富，适合需要进行数据处理和统计分析的职场人士、计算机爱好者等阅读。
章节目录
- 版权信息
- 版 权
- 内 容 提 要
- 前 言
- 资源与支持
- 第1章 网店开业——初识数据
- 1.1 清点库存——获取原始数据
- 1.2 数据标准化——整理Excel数据
- 1.2.1 二维表
- 1.2.2 数据完整性与正确性
- 1.2.3 拆分数据——分列与公式
- 1.2.4 数据类型和显示格式
- 1.2.5 分而治之，按需组合
- 1.3 认识数据
- 1.3.1 定量数据和定性数据
- 1.3.2 绝对量与相对量
- 1.4 寻找“大客户”——排序
- 1.5 数据挑着看——筛选
- 1.6 数据交换——Excel和CSV
- 第2章 销量的起伏——数据背后的故事
- 2.1 销售数据如何——简单的统计
- 2.1.1 算术平均数
- 2.1.2 几何平均数
- 2.1.3 众数
- 2.1.4 最小值和最大值
- 2.1.5 中位数、四分位数和百分位数
- 2.1.6 方差和标准差
- 2.1.7 标准分
- 2.1.8 分类汇总
- 2.1.9 数据透视表
- 2.2 学看统计图
- 2.2.1 折线图
- 2.2.2 饼图
- 2.2.3 条形图
- 2.3 销量下降——是时候认真分析数据了
- 2.3.1 转化率——访问量和销量
- 2.3.2 访问量－购买量＝？
- 第3章 凌晨3点——又加班了
- 3.1 多销售渠道的烦恼
- 3.2 日报表、月报表、年度报表等
- 第4章 强大的信息处理工具——Python编程
- 4.1 创建Python环境
- 4.1.1 Visual Studio
- 4.1.2 代码文件的编码问题
- 4.1.3 使用指定版本的Python
- 4.1.4 设置Path环境变量
- 4.1.5 命令行窗口
- 4.1.6 Python命令行环境
- 4.2 编写Python代码
- 4.3 功能实现者——函数和lambda表达式
- 4.3.1 函数
- 4.3.2 可调用类型
- 4.3.3 lambda表达式
- 4.4 “对象”是主角——面向对象编程
- 4.4.1 类与对象
- 4.4.2 继承
- 4.4.3 “魔术方法”
- 4.4.4 with语句
- 4.4.5 类成员和静态方法
- 4.5 模块化管理
- 4.6 向左还是向右——代码流程控制
- 4.6.1 条件判断和if语句
- 4.6.2 循环语句
- 4.6.3 match语句
- 4.7 处理运行错误
- 第5章 更灵活的计算——在Python中处理数据
- 5.1 不一样的算术运算
- 5.2 随机数
- 5.3 序列
- 5.3.1 列表
- 5.3.2 元组
- 5.3.3 数列
- 5.4 字典
- 5.5 集合
- 5.6 更自由的排列——sorted()函数
- 5.7 数学计算——math模块
- 5.8 统计资源——statistics模块
- 5.8.1 使用Fraction类处理分数
- 5.8.2 算术平均数
- 5.8.3 几何平均数
- 5.8.4 众数
- 5.8.5 中位数
- 5.8.6 方差和标准差
- 5.9 计算百分位数
- 5.10 计算标准分数
- 5.11 按中文拼音排序
- 5.12 日期和时间
- 5.12.1 datetime类
- 5.12.2 时间间隔
- 5.12.3 时区
- 5.12.4 时间戳
- 5.12.5 日期和时间的推算
- 5.12.6 格式转换
- 第6章 “超能熊猫”来帮忙——pandas应用
- 6.1 Series对象
- 6.2 排序
- 6.3 统计方法
- 第7章 二维表模型——DataFrame
- 7.1 DataFrame对象
- 7.2 读取数据
- 7.2.1 iloc和loc属性
- 7.2.2 读取列
- 7.2.3 读取行
- 7.3 排序
- 7.4 按条件查询数据
- 7.5 处理空值数据
- 7.6 处理重复数据
- 7.7 数据旋转
- 7.8 数据合并
- 7.9 数据连接
- 7.10 统计方法
- 7.11 分组
- 7.12 透视表
- 第8章 图形更直观——pandas绘制统计图
- 8.1 部分与整体的比例——饼图
- 8.2 数据的关系与分布——散点图与气泡图
- 8.3 趋势——折线图
- 8.4 更直观的对比——条形图
- 8.5 数据的“距”——箱线图
- 第9章 数据中转站——数据格式转换
- 9.1 xlwt模块写入Excel
- 9.2 xlrd模块读取Excel
- 9.3 openpyxl模块读写Excel
- 9.4 pandas模块读写Excel
- 9.5 csv模块读写CSV数据
- 9.6 pandas模块读写CSV数据
- 第10章 强大的数据仓库——SQLite数据库
- 10.1 使用DB Browser for SQLite
- 10.2 数据类型
- 10.3 数据表
- 10.3.1 创建表
- 10.3.2 表的关联——主键、唯一约束和外键
- 10.3.3 添加字段
- 10.3.4 删除表
- 10.3.5 sqlite_master系统表
- 10.3.6 索引
- 10.4 导入CSV数据
- 10.5 查询与视图
- 10.5.1 查询条件
- 10.5.2 排序
- 10.5.3 分组与统计
- 10.5.4 连接
- 10.5.5 联合
- 10.5.6 limit和offset关键字
- 10.5.7 exists语句
- 10.5.8 case语句
- 10.5.9 视图
- 10.5.10 将查询结果保存到表
- 10.5.11 将数据保存到CSV文件
- 10.6 添加数据
- 10.7 修改数据
- 10.8 删除数据
- 10.9 日期和时间的处理方式
- 第11章 Python操作SQLite
- 11.1 应用基础
- 11.1.1 执行SQL语句
- 11.1.2 读取查询结果
- 11.1.3 创建tSqlite类
- 11.2 查询单值
- 11.3 查询单条记录
- 11.4 查询多条记录
- 11.5 查询单列数据
- 11.6 添加数据
- 11.7 修改数据
- 11.8 删除数据
- 11.9 扩展操作
- 11.9.1 自定义函数
- 11.9.2 聚合函数
- 11.9.3 排序规则
- 11.10 pandas读取和写入SQLite数据
- 第12章 更大、更快、更强——MySQL数据库
- 12.1 MySQL安装与配置
- 12.2 使用HeidiSQL
- 12.3 常用数据类型
- 12.4 数据表
- 12.4.1 创建表
- 12.4.2 主键、唯一值和外键约束
- 12.4.3 修改字段定义
- 12.4.4 复制表结构
- 12.4.5 表的重命名（表的移动）
- 12.4.6 删除表
- 12.4.7 索引
- 12.5 导入CSV数据
- 12.6 查询和视图
- 12.6.1 查询条件与排序
- 12.6.2 分组与统计
- 12.6.3 连接
- 12.6.4 联合
- 12.6.5 limit和offset关键字
- 12.6.6 exists语句
- 12.6.7 case语句
- 12.6.8 视图
- 12.6.9 查询结果保存到表
- 12.6.10 查询结果导出CSV
- 12.7 数据添加、修改和删除
- 12.7.1 添加数据
- 12.7.2 修改数据
- 12.7.3 删除数据
- 12.8 常用函数与功能
- 12.8.1 统计与数学计算
- 12.8.2 文本操作
- 12.8.3 日期和时间
- 12.8.4 if()和ifnull()函数
- 12.8.5 判断对象是否存在
- 12.9 存储过程
- 第13章 Python操作MySQL
- 13.1 应用基础
- 13.1.1 连接数据库
- 13.1.2 执行SQL并读取查询结果
- 13.1.3 使用参数传递数据
- 13.2 创建tMySql类
- 13.3 查询单值
- 13.4 查询单条记录
- 13.5 查询多条记录
- 13.6 查询单列数据
- 13.7 添加记录
- 13.8 修改数据
- 13.9 删除记录
- 13.10 pandas读取和写入MySQL数据
- 第14章 数据一箩筐——打造数据中心
- 14.1 创建数据中心
- 14.2 批量导入数据
- 14.2.1 标准化数据
- 14.2.2 导入Excel数据
- 14.3 定时导入
- 14.4 处理网络数据
- 14.4.1 HTML表格
- 14.4.2 JSON
- 14.5 从图像中识别数据（OCR）
- 14.5.1 图像识别——EasyOCR
- 14.5.2 裁剪图片
- 14.5.3 保存到“数据中心”
- 第15章 更深入的数据分析
- 15.1 客户的抱怨——处理文本信息
- 15.1.1 字符串处理
- 15.1.2 正则表达式
- 15.2 关于服装的信息
- 15.3 “购买指数”——产品推荐算法
- 第16章 早上八点，一杯咖啡，一份报表
- 16.1 自动生成报表
- 16.1.1 数据计算
- 16.1.2 生成Excel报表
- 16.2 继续前进
展开全部
Excel+Python轻松掌握数据分析是2023年由人民邮电出版社出版,作者著。
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《Excel+Python轻松掌握数据分析》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。
电子书
电子书
随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个
电子书
随着企业数字化转型不断深化，企业对数据库工程师的需求越来越大。本书结合实际工作场景，将企业数据库运维的相关工作分为10个项目，内容包括了解数据库运维工作，安装和配置MySQL，管理MySQL权限与安全，分析MySQL日志，备份与恢复MySQL，监控、测试并优化MySQL性能，MySQL复制，搭建及运维MySQLCluster，结合Redis的MySQL运维，数据库自动化运维。本书配套教学PPT、题
电子书
《Python程序设计——编程基础、Web开发及数据分析》系统讲述了Python程序设计的基础知识。全书共15章，内容包括：Python概述、Python基本语法、Python的基本流程控制、Python的四种典型序列结构、Python函数、Python文件和数据库操作、面向对象程序设计、模块和包、字符串操作与正则表达式的使用、错误及异常处理、GUI编程、网络和多线程编程、基于Flask框架的We
电子书
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
电子书
本书旨在帮助读者掌握如何用Python高效地处理Excel数据，实现办公自动化。本书首先介绍开发环境的搭建和Excel模块的安装，接着讲解编写代码前的准备，然后介绍如何使用openpyxl和pandas这两个模块编写员工信息表查询案例，最后介绍PyInstaller模块与.py文件的编译，以及如何快速移植本书案例的代码。本书不仅适合办公人员阅读，还适合想要了解openpyxl模块和pandas模块
电子书
剪映是一款功能强大、易于使用的短视频剪辑应用程序。本书将介绍剪映App（手机版）的基本操作和实用功能，帮助读者轻松上手并创作出令人印象深刻的短视频作品。本书内容涵盖了软件安装及其简介，剪映的快捷功能，视频处理的基本流程，画中画、画面裁剪、动画与特效，关键帧动画和画面定格，声音的处理，文字编辑，滤镜、抠像和混合模式，文字闪光扫描效果，制作两种不同的回忆效果，利用音乐卡点制作“炫酷”的短片，利用蒙版制
电子书
本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。 本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。 本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。 本书适合
