中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Excel+Python 飛速搞定數據分析與處理 版權信息
- ISBN：9787115586766
- 條形碼：9787115586766 ; 978-7-115-58676-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Excel+Python 飛速搞定數據分析與處理 本書特色
適讀人群 ：本書既適合Excel用戶，也適合Python用戶閱讀。●針對零編程基礎人士量身打造，適合辦公室人群閱讀無須豐富的編程經驗即可開始使用Python，借助編程的力量，輕松突破Excel的瓶頸，避免人為錯誤，將Excel和數據庫連接并獲取數據，讓煩瑣的Excel任務自動化，讓您能將更多寶貴的時間花在更有價值的任務上。●xlwings創始人傾力打造，手把手教學“將Python作為Excel的腳本語言”開源Python庫xlwings的誕生很好地回答了這些問題，它讓Excel和Python珠聯璧合。而作為xlwings的創始人，本書作者將展示如何借用Python的力量，讓Excel快得飛起來！●更多設備，更簡化的編程語言，一切只為更好的辦公使用Visual Studio Code和Jupyter筆記本等便捷工具，用Python替代VBA、Power Query和Power Pivot，支持更多設備，讓您學習起來更加簡單。
Excel+Python 飛速搞定數據分析與處理 內容簡介
在如今的時代，大型數據集唾手可得，含有數百萬行的數據文件并不罕見。Python是數據分析師和數據科學家的優選語言。通過本書，即使接近不了解Python，Excel用戶也能夠學會用Python將煩瑣的任務自動化，顯著地提高辦公效率，并利用Python在數據分析和科學計算方面的突出優勢，輕松搞定Excel任務。你將學習如何用pandas替代 Excel函數，以及如何用自動化Python庫替代VBA宏和用戶定義函數等。 本書既適合Excel用戶，也適合Python用戶閱讀。
Excel+Python 飛速搞定數據分析與處理 目錄
前言 xiii
第 一部分 Python入門
第 1 章 為什么要用Python為Excel編程 3
1．1 Excel作為一門編程語言 4
1．1．1 新聞中的Excel 5
1．1．2 編程*佳實踐 5
1．1．3 現代Excel 10
1．2 用在Excel上的Python 11
1．2．1 可讀性和可維護性 11
1．2．2 標準庫和包管理器 12
1．2．3 科學計算 13
1．2．4 現代語言特性 14
1．2．5 跨平臺兼容性 15
1．3 小結 15
第 2 章 開發環境 17
2．1 Anaconda Python發行版 18
2．1．1 安裝 18
2．1．2 Anaconda Prompt 19
2．1．3 Python REPL：交互式Python會話 21
2．1．4 包管理器：Conda和pip 22
2．1．5 Conda環境 24
2．2 Jupyter筆記本 24
2．2．1 運行Jupyter筆記本 25
2．2．2 筆記本單元格 26
2．2．3 編輯模式與命令模式 28
2．2．4 執行順序很重要 28
2．2．5 關閉Jupyter筆記本 28
2．3 VS Code 30
2．3．1 安裝和配置 31
2．3．2 執行Python腳本 33
2．4 小結 36
第 3 章 Python入門 37
3．1 數據類型 37
3．1．1 對象 38
3．1．2 數值類型 39
3．1．3 布爾值 41
3．1．4 字符串 42
3．2 索引和切片 43
3．2．1 索引 43
3．2．2 切片 44
3．3 數據結構 45
3．3．1 列表 45
3．3．2 字典 47
3．3．3 元組 49
3．3．4 集合 49
3．4 控制流 50
3．4．1 代碼塊和pass語句 50
3．4．2 if 語句和條件表達式 51
3．4．3 for 循環和while循環 52
3．4．4 列表、字典和集合推導式 55
3．5 組織代碼 56
3．5．1 函數 56
3．5．2 模塊和import語句 57
3．5．3 datetime類 59
3．6 PEP 8：Python風格指南 61
3．6．1 PEP 8和VS Code 62
3．6．2 類型提示 63
3．7 小結 64
第二部分 pandas入門
第4 章 NumPy基礎 67
4．1 NumPy入門 67
4．1．1 NumPy數組 67
4．1．2 向量化和廣播 69
4．1．3 通用函數 70
4．2 創建和操作數組 71
4．2．1 存取元素 71
4．2．2 方便的數組構造器 72
4．2．3 視圖和副本 73
4．3 小結 73
第 5 章 使用pandas進行數據分析 74
5．1 DataFrame和Series 74
5．1．1 索引 76
5．1．2 列 79
5．2 數據操作 80
5．2．1 選取數據 80
5．2．2 設置數據 85
5．2．3 缺失數據 87
5．2．4 重復數據 89
5．2．5 算術運算 90
5．2．6 處理文本列 91
5．2．7 應用函數 92
5．2．8 視圖和副本 93
5．3 組合DataFrame 94
5．3．1 連接 94
5．3．2 連接和合并 95
5．4 描述性統計量和數據聚合 97
5．4．1 描述性統計量 97
5．4．2 分組 98
5．4．3 透視和熔化 99
5．5 繪圖 100
5．5．1 Matplotlib 100
5．5．2 Plotly 102
5．6 導入和導出DataFrame 104
5．6．1 導出CSV文件 105
5．6．2 導入CSV文件 106
5．7 小結 107
第6 章 使用pandas進行時序分析 109
6．1 DatetimeIndex 110
6．1．1 創建DatetimeIndex 110
6．1．2 篩選DatetimeIndex 112
6．1．3 處理時區 113
6．2 常見時序操作 114
6．2．1 移動和百分比變化率 114
6．2．2 基數的更改和相關性 116
6．2．3 重新采樣 118
6．2．4 滾動窗口 119
6．3 pandas的局限性 120
6．4 小結 121
第三部分 在Excel之外讀寫Excel文件
第 7 章 使用pandas操作Excel文件 125
7．1 案例研究：Excel報表 125
7．2 使用pandas讀寫Excel文件 128
7．2．1 read_excel函數和ExcelFile類 128
7．2．2 to_excel方法和ExcelWriter類 133
7．3 使用pandas處理Excel文件的局限性 134
7．4 小結 135
第 8 章 使用讀寫包操作Excel文件 136
8．1 讀寫包 136
8．1．1 何時使用何種包 137
8．1．2 excel．py模塊 138
8．1．3 OpenPyXL 139
8．1．4 XlsxWriter 143
8．1．5 pyxlsb 145
8．1．6 xlrd、xlwt和xlutils 146
8．2 讀寫包的高級主題 149
8．2．1 處理大型Excel文件 149
8．2．2 調整DataFrame在Excel中的格式 152
8．2．3 案例研究（復習）：Excel報表 157
8．3 小結 158
第四部分 使用xlwings對Excel應用程序進行編程
第 9 章 Excel自動化 161
9．1 開始使用xlwings 162
9．1．1 將Excel用作數據查看器 162
9．1．2 Excel對象模型 163
9．1．3 運行VBA代碼 170
9．2 轉換器、選項和集合 170
9．2．1 處理DataFrame 171
9．2．2 轉換器和選項 172
9．2．3 圖表、圖片和已定義名稱 174
9．2．4 案例研究（再次回顧）：Excel報表 177
9．3 高級xlwings主題 179
9．3．1 xlwings的基礎 179
9．3．2 提升性能 180
9．3．3 如何彌補缺失的功能 181
9．4 小結 182
第 10 章 Python驅動的Excel工具 183
10．1 利用xlwings將Excel用作前端 183
10．1．1 Excel插件 184
10．1．2 quickstart命令 185
10．1．3 Run main 186
10．1．4 RunPython函數187
10．2 部署 191
10．2．1 Python依賴 191
10．2．2 獨立工作簿：脫離xlwings插件 191
10．2．3 配置的層次關系 192
10．2．4 設置 193
10．3 小結 194
第 11 章 Python包追蹤器 195
11．1 構建什么樣的應用程序 195
11．2 核心功能 197
11．2．1 Web API 198
11．2．2 數據庫 201
11．2．3 異常 208
11．3 應用程序架構 210
11．3．1 前端 211
11．3．2 后端 215
11．3．3 調試 217
11．4 小結 219
第 12 章 用戶定義函數 220
12．1 UDF入門 220
12．2 案例研究：Google Trends 225
12．2．1 Google Trends簡介 225
12．2．2 使用DataFrame和動態數組 226
12．2．3 從Google Trends上獲取數據 231
12．2．4 使用UDF繪制圖表 234
12．2．5 調試UDF 236
12．3 高級UDF主題 238
12．3．1 基礎性能優化 238
12．3．2 緩存 240
12．3．3 sub裝飾器 242
12．4 小結 243
附錄A Conda環境 245
附錄B 高級VS Code功能 248
附錄C 高級Python概念 253
第 一部分 Python入門
第 1 章 為什么要用Python為Excel編程 3
1．1 Excel作為一門編程語言 4
1．1．1 新聞中的Excel 5
1．1．2 編程*佳實踐 5
1．1．3 現代Excel 10
1．2 用在Excel上的Python 11
1．2．1 可讀性和可維護性 11
1．2．2 標準庫和包管理器 12
1．2．3 科學計算 13
1．2．4 現代語言特性 14
1．2．5 跨平臺兼容性 15
1．3 小結 15
第 2 章 開發環境 17
2．1 Anaconda Python發行版 18
2．1．1 安裝 18
2．1．2 Anaconda Prompt 19
2．1．3 Python REPL：交互式Python會話 21
2．1．4 包管理器：Conda和pip 22
2．1．5 Conda環境 24
2．2 Jupyter筆記本 24
2．2．1 運行Jupyter筆記本 25
2．2．2 筆記本單元格 26
2．2．3 編輯模式與命令模式 28
2．2．4 執行順序很重要 28
2．2．5 關閉Jupyter筆記本 28
2．3 VS Code 30
2．3．1 安裝和配置 31
2．3．2 執行Python腳本 33
2．4 小結 36
第 3 章 Python入門 37
3．1 數據類型 37
3．1．1 對象 38
3．1．2 數值類型 39
3．1．3 布爾值 41
3．1．4 字符串 42
3．2 索引和切片 43
3．2．1 索引 43
3．2．2 切片 44
3．3 數據結構 45
3．3．1 列表 45
3．3．2 字典 47
3．3．3 元組 49
3．3．4 集合 49
3．4 控制流 50
3．4．1 代碼塊和pass語句 50
3．4．2 if 語句和條件表達式 51
3．4．3 for 循環和while循環 52
3．4．4 列表、字典和集合推導式 55
3．5 組織代碼 56
3．5．1 函數 56
3．5．2 模塊和import語句 57
3．5．3 datetime類 59
3．6 PEP 8：Python風格指南 61
3．6．1 PEP 8和VS Code 62
3．6．2 類型提示 63
3．7 小結 64
第二部分 pandas入門
第4 章 NumPy基礎 67
4．1 NumPy入門 67
4．1．1 NumPy數組 67
4．1．2 向量化和廣播 69
4．1．3 通用函數 70
4．2 創建和操作數組 71
4．2．1 存取元素 71
4．2．2 方便的數組構造器 72
4．2．3 視圖和副本 73
4．3 小結 73
第 5 章 使用pandas進行數據分析 74
5．1 DataFrame和Series 74
5．1．1 索引 76
5．1．2 列 79
5．2 數據操作 80
5．2．1 選取數據 80
5．2．2 設置數據 85
5．2．3 缺失數據 87
5．2．4 重復數據 89
5．2．5 算術運算 90
5．2．6 處理文本列 91
5．2．7 應用函數 92
5．2．8 視圖和副本 93
5．3 組合DataFrame 94
5．3．1 連接 94
5．3．2 連接和合并 95
5．4 描述性統計量和數據聚合 97
5．4．1 描述性統計量 97
5．4．2 分組 98
5．4．3 透視和熔化 99
5．5 繪圖 100
5．5．1 Matplotlib 100
5．5．2 Plotly 102
5．6 導入和導出DataFrame 104
5．6．1 導出CSV文件 105
5．6．2 導入CSV文件 106
5．7 小結 107
第6 章 使用pandas進行時序分析 109
6．1 DatetimeIndex 110
6．1．1 創建DatetimeIndex 110
6．1．2 篩選DatetimeIndex 112
6．1．3 處理時區 113
6．2 常見時序操作 114
6．2．1 移動和百分比變化率 114
6．2．2 基數的更改和相關性 116
6．2．3 重新采樣 118
6．2．4 滾動窗口 119
6．3 pandas的局限性 120
6．4 小結 121
第三部分 在Excel之外讀寫Excel文件
第 7 章 使用pandas操作Excel文件 125
7．1 案例研究：Excel報表 125
7．2 使用pandas讀寫Excel文件 128
7．2．1 read_excel函數和ExcelFile類 128
7．2．2 to_excel方法和ExcelWriter類 133
7．3 使用pandas處理Excel文件的局限性 134
7．4 小結 135
第 8 章 使用讀寫包操作Excel文件 136
8．1 讀寫包 136
8．1．1 何時使用何種包 137
8．1．2 excel．py模塊 138
8．1．3 OpenPyXL 139
8．1．4 XlsxWriter 143
8．1．5 pyxlsb 145
8．1．6 xlrd、xlwt和xlutils 146
8．2 讀寫包的高級主題 149
8．2．1 處理大型Excel文件 149
8．2．2 調整DataFrame在Excel中的格式 152
8．2．3 案例研究（復習）：Excel報表 157
8．3 小結 158
第四部分 使用xlwings對Excel應用程序進行編程
第 9 章 Excel自動化 161
9．1 開始使用xlwings 162
9．1．1 將Excel用作數據查看器 162
9．1．2 Excel對象模型 163
9．1．3 運行VBA代碼 170
9．2 轉換器、選項和集合 170
9．2．1 處理DataFrame 171
9．2．2 轉換器和選項 172
9．2．3 圖表、圖片和已定義名稱 174
9．2．4 案例研究（再次回顧）：Excel報表 177
9．3 高級xlwings主題 179
9．3．1 xlwings的基礎 179
9．3．2 提升性能 180
9．3．3 如何彌補缺失的功能 181
9．4 小結 182
第 10 章 Python驅動的Excel工具 183
10．1 利用xlwings將Excel用作前端 183
10．1．1 Excel插件 184
10．1．2 quickstart命令 185
10．1．3 Run main 186
10．1．4 RunPython函數187
10．2 部署 191
10．2．1 Python依賴 191
10．2．2 獨立工作簿：脫離xlwings插件 191
10．2．3 配置的層次關系 192
10．2．4 設置 193
10．3 小結 194
第 11 章 Python包追蹤器 195
11．1 構建什么樣的應用程序 195
11．2 核心功能 197
11．2．1 Web API 198
11．2．2 數據庫 201
11．2．3 異常 208
11．3 應用程序架構 210
11．3．1 前端 211
11．3．2 后端 215
11．3．3 調試 217
11．4 小結 219
第 12 章 用戶定義函數 220
12．1 UDF入門 220
12．2 案例研究：Google Trends 225
12．2．1 Google Trends簡介 225
12．2．2 使用DataFrame和動態數組 226
12．2．3 從Google Trends上獲取數據 231
12．2．4 使用UDF繪制圖表 234
12．2．5 調試UDF 236
12．3 高級UDF主題 238
12．3．1 基礎性能優化 238
12．3．2 緩存 240
12．3．3 sub裝飾器 242
12．4 小結 243
附錄A Conda環境 245
附錄B 高級VS Code功能 248
附錄C 高級Python概念 253
展開全部
Excel+Python 飛速搞定數據分析與處理 作者簡介
費利克斯.朱姆斯坦（Felix Zumstein），流行開源Python庫xlwings的創始人。xlwings幫助Excel用戶利用Python腳本將任務自動化，從而實現效率飛躍。費利克斯在工作中接觸了大量Excel用戶，這使他對Excel在各行各業中的使用瓶頸和解決思路擁有深刻的見解。【譯者簡介】馮黎，Python愛好者，從事桌面應用程序、Web應用程序及游戲的開發工作，曾供職于Singtel。熱衷于研究各類編程語言，自Python 2.x時期起開始使用Python，深諳Python的語言特性。
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我從未如此眷戀人間
- >
羅庸西南聯大授課錄
- >
唐代進士錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
經典常談
- >
史學評論
本類暢銷
