🚀Excel+Python数据分析与处理：助你事业飞跃！
👉在这个大数据时代，数据无处不在，而如何有效地处理这些数据则成为了关键。如果你对Excel操作得心应手，但想更进一步，那么《Excel+Python:飞速搞定数据分析与处理》这本书将是你的不二之选。
本书的作者是业界知名的数据分析师和数据科学家，他们通过简洁明了的语言和丰富的实例，向读者展示了如何利用Excel和Python的强大功能进行数据分析与处理。即使你是Excel的初学者，也可以通过本书轻松上手Python，让你的数据处理能力更上一层楼。
下面，让我们来看看这本书的几个亮点：
👈一、Excel与Python的完美结合
对于许多职场人士来说，Excel已经成为了日常工作中必不可少的工具。然而，当处理大规模数据集时，Excel的局限性就显现出来了。而Python则可以弥补这一缺陷，它具有强大的数据处理能力和高效的分析方法。
本书详细介绍了如何将Excel与Python进行无缝对接，利用两者各自的优势，让你的数据分析更加高效、准确。
📘二、自动化处理繁琐任务
在数据分析过程中，有很多重复繁琐的任务，如数据清洗、整理、计算等。本书通过大量实例，展示了如何利用Python自动完成这些任务，大大提高了数据处理效率。
通过学习本书，你可以轻松地将Excel中的数据导入Python，并利用各种数据处理和分析库（如NumPy、Pandas、Matplotlib等）进行处理和可视化。
🌈三、实战案例丰富
本书不仅有理论介绍，还提供了大量实战案例。这些案例涉及各行各业，包括金融、医疗、教育等领域，帮助读者更好地理解如何将所学知识应用到实际工作中。
🏆四、适合人群广泛
无论你是数据分析师、数据科学家还是对数据分析感兴趣的职场人士，《Excel+Python:飞速搞定数据分析与处理》都适合你。通过本书，你可以轻松掌握Excel和Python在数据处理方面的应用技巧。
👍五、图表与图片直观展示
本书还配备了大量的图表和图片，帮助读者更好地理解书中内容。这些图表和图片直观地展示了各种数据分析和处理方法的效果，使读者更容易理解和掌握。
《Excel+Python:飞速搞定数据分析与处理》是一本非常实用的书籍，它不仅介绍了Excel和Python的基础知识，还通过大量的实际案例展示了如何将这两种工具结合使用，实现数据的高效处理和分析。这本书对于需要处理大量数据的职场人士、对数据感兴趣的初学者以及高校学生和培训机构都是非常适合的。如果你想在数据时代中脱颖而出，那么这本书将是你不容错过的宝贵财富。
✨如果你想提升自己的数据分析能力，《Excel+Python:飞速搞定数据分析与处理》绝对值得一读！
👉 点击链接查看更多详情和购买方式！ 👈
书籍信息
书名：ExcelPython
作者：瑞士/费利克斯·朱姆斯坦（FelixZumstein）
评分：7.2
出版日期：2022-04-01
出版社：人民邮电出版社
ISBN：9787115586766
页数：280
定价：89.8
内容简介
xlwings创始人教你如何让Excel飞起来！
* 告别烦琐公式和VBA代码
* 办公人士零压力学Python
* 流行Python库xlwings创始人亲授
每当花上几小时手动更新Excel工作簿时，或者每当Excel工作簿因保存了太多数据而崩溃时，你都应该停下来，思考自己是否应该换个工作方式。本书将展示为什么在Excel中引入Python是明智之举——你将能够轻松突破Excel的瓶颈，避免人为错误，把更多宝贵的时间花在能产生更大价值的任务上。
在微软运营的在线用户反馈论坛上，大量用户提出希望“将Python作为Excel的脚本语言”。相比Excel现有的VBA语言，Python究竟有何优势，又该如何发挥这些优势？开源Python库xlwings的诞生很好地回答了这些问题，它让Excel和Python珠联璧合。作为xlwings的创始人，本书作者将展示如何借用Python的力量，让Excel快得飞起来！
书籍目录
前言 xiii
第一部分 Python入门
第 1 章 为什么要用Python为Excel编程 3
1.1 Excel作为一门编程语言 4
1.1.1 新闻中的Excel 5
1.1.2 编程最佳实践 5
1.1.3 现代Excel 10
1.2 用在Excel上的Python 11
1.2.1 可读性和可维护性 11
1.2.2 标准库和包管理器 12
1.2.3 科学计算 13
1.2.4 现代语言特性 14
1.2.5 跨平台兼容性 15
1.3 小结 15
第 2 章 开发环境 17
2.1 Anaconda Python发行版 18
2.1.1 安装 18
2.1.2 Anaconda Prompt 19
2.1.3 Python REPL：交互式Python会话 21
2.1.4 包管理器：Conda和pip 22
2.1.5 Conda环境 24
2.2 Jupyter笔记本 24
2.2.1 运行Jupyter笔记本 25
2.2.2 笔记本单元格 26
2.2.3 编辑模式与命令模式 28
2.2.4 执行顺序很重要 28
2.2.5 关闭Jupyter笔记本 28
2.3 VS Code 30
2.3.1 安装和配置 31
2.3.2 执行Python脚本 33
2.4 小结 36
第 3 章 Python入门 37
3.1 数据类型 37
3.1.1 对象 38
3.1.2 数值类型 39
3.1.3 布尔值 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 数据结构 45
3.3.1 列表 45
3.3.2 字典 47
3.3.3 元组 49
3.3.4 集合 49
3.4 控制流 50
3.4.1 代码块和pass语句 50
3.4.2 if 语句和条件表达式 51
3.4.3 for 循环和while循环 52
3.4.4 列表、字典和集合推导式 55
3.5 组织代码 56
3.5.1 函数 56
3.5.2 模块和import语句 57
3.5.3 datetime类 59
3.6 PEP 8：Python风格指南 61
3.6.1 PEP 8和VS Code 62
3.6.2 类型提示 63
3.7 小结 64
第二部分 pandas入门
第4 章 NumPy基础 67
4.1 NumPy入门 67
4.1.1 NumPy数组 67
4.1.2 向量化和广播 69
4.1.3 通用函数 70
4.2 创建和操作数组 71
4.2.1 存取元素 71
4.2.2 方便的数组构造器 72
4.2.3 视图和副本 73
4.3 小结 73
第 5 章 使用pandas进行数据分析 74
5.1 DataFrame和Series 74
5.1.1 索引 76
5.1.2 列 79
5.2 数据操作 80
5.2.1 选取数据 80
5.2.2 设置数据 85
5.2.3 缺失数据 87
5.2.4 重复数据 89
5.2.5 算术运算 90
5.2.6 处理文本列 91
5.2.7 应用函数 92
5.2.8 视图和副本 93
5.3 组合DataFrame 94
5.3.1 连接 94
5.3.2 连接和合并 95
5.4 描述性统计量和数据聚合 97
5.4.1 描述性统计量 97
5.4.2 分组 98
5.4.3 透视和熔化 99
5.5 绘图 100
5.5.1 Matplotlib 100
5.5.2 Plotly 102
5.6 导入和导出DataFrame 104
5.6.1 导出CSV文件 105
5.6.2 导入CSV文件 106
5.7 小结 107
第6 章 使用pandas进行时序分析 109
6.1 DatetimeIndex 110
6.1.1 创建DatetimeIndex 110
6.1.2 筛选DatetimeIndex 112
6.1.3 处理时区 113
6.2 常见时序操作 114
6.2.1 移动和百分比变化率 114
6.2.2 基数的更改和相关性 116
6.2.3 重新采样 118
6.2.4 滚动窗口 119
6.3 pandas的局限性 120
6.4 小结 121
第三部分 在Excel之外读写Excel文件
第 7 章 使用pandas操作Excel文件 125
7.1 案例研究：Excel报表 125
7.2 使用pandas读写Excel文件 128
7.2.1 read_excel函数和ExcelFile类 128
7.2.2 to_excel方法和ExcelWriter类 133
7.3 使用pandas处理Excel文件的局限性 134
7.4 小结 135
第 8 章 使用读写包操作Excel文件 136
8.1 读写包 136
8.1.1 何时使用何种包 137
8.1.2 excel.py模块 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 读写包的高级主题 149
8.2.1 处理大型Excel文件 149
8.2.2 调整DataFrame在Excel中的格式 152
8.2.3 案例研究（复习）：Excel报表 157
8.3 小结 158
第四部分 使用xlwings对Excel应用程序进行编程
第 9 章 Excel自动化 161
9.1 开始使用xlwings 162
9.1.1 将Excel用作数据查看器 162
9.1.2 Excel对象模型 163
9.1.3 运行VBA代码 170
9.2 转换器、选项和集合 170
9.2.1 处理DataFrame 171
9.2.2 转换器和选项 172
9.2.3 图表、图片和已定义名称 174
9.2.4 案例研究（再次回顾）：Excel报表 177
9.3 高级xlwings主题 179
9.3.1 xlwings的基础 179
9.3.2 提升性能 180
9.3.3 如何弥补缺失的功能 181
9.4 小结 182
第 10 章 Python驱动的Excel工具 183
10.1 利用xlwings将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函数187
10.2 部署 191
10.2.1 Python依赖 191
10.2.2 独立工作簿：脱离xlwings插件 191
10.2.3 配置的层次关系 192
10.2.4 设置 193
10.3 小结 194
第 11 章 Python包追踪器 195
11.1 构建什么样的应用程序 195
11.2 核心功能 197
11.2.1 Web API 198
11.2.2 数据库 201
11.2.3 异常 208
11.3 应用程序架构 210
11.3.1 前端 211
11.3.2 后端 215
11.3.3 调试 217
11.4 小结 219
第 12 章 用户定义函数 220
12.1 UDF入门 220
12.2 案例研究：Google Trends 225
12.2.1 Google Trends简介 225
12.2.2 使用DataFrame和动态数组 226
12.2.3 从Google Trends上获取数据 231
12.2.4 使用UDF绘制图表 234
12.2.5 调试UDF 236
12.3 高级UDF主题 238
12.3.1 基础性能优化 238
12.3.2 缓存 240
12.3.3 sub装饰器 242
12.4 小结 243
附录A Conda环境 245
附录B 高级VS Code功能 248
附录C 高级Python概念 253
