Python+Excel職場辦公數據分析（簡體書）

一、為什麼寫這本書
目前，全球迎來了人工智能發展的新一輪浪潮，人工智能成為人們關注的焦點。而人工智能的核心在於大數據的支持，這就需要從各種類型的海量數據中分析挖掘有價值的數據信息。而Python在大數據分析挖掘方面有著得天獨厚的優勢，因此，利用Python編程可以很好地對繁雜無序的海量數據進行分析。另外，還可以利用Python編程批量完成大量重復性的工作，幫助人們大幅提高工作效率。
可能有人會說，Python編程雖好，但它是專門供程序員使用的，對於沒有編程基礎的普通辦公人員來說，Python會不會太難學了？其實不用擔心，Python語法簡潔易懂，很容易上手，更重要的是，你只要按照本書講解的大量工作案例認真學習，很容易就能掌握Python分析處理大數據的方法。通過大量的案例講解，即便是普通辦公人員也能輕松掌握Python數據分析的方法，這正是作者編寫本書的目的。

二、為什麼要以Excel數據為主來進行講解
Excel是大家比較熟悉且應用較多的辦公軟件之一，很多人在日常工作中接觸到的大都是Excel數據，因此本書以Python處理及分析Excel數據為主來講解（當然也有處理CSV數據的一些案例）。

三、本書寫了什麼
《Python+Excel職場辦公數據分析》的內容主要分為兩部分：第一部分為編程基礎部分，共包括4章內容（第1~4章），主要講解Python的安裝方法、基本語法、Pandas模塊用法、xlwings模塊操作Excel數據的方法等；第二部分為實戰案例部分，主要介紹批量自動處理及分析各種數據的案例（第5~8章）。其中，第5章為銀行客戶數據處理及分析案例，第6章為公司財務數據處理及分析案例，第7章為企業運營數據處理及分析案例，第8章為連鎖超市銷售數據處理及分析案例。

四、本書適合誰
《Python+Excel職場辦公數據分析》適合數據工作量大的職場人士、財務人士、數據分析人士、商務人士、自動化辦公用戶、需要處理大數據的用戶等閱讀學習，也可供Python編程愛好者學習參考。

五、本書作者團隊
《Python+Excel職場辦公數據分析》由王紅明和張鴻斌編著。由於作者水平有限，書中難免有疏漏和不足之處，懇請廣大讀者朋友提出寶貴意見。

六、致謝
一本書從選題策劃到正式出版，要經歷很多環節，在此感謝機械工業出版社，以及負責本書的張淑謙編輯和其他未曾見面的編輯，感謝大家不辭辛苦，為本書順利出版所做的大量工作。

前言
第1章 開始前的準備
11 Python數據分析的優勢
111 為什麼用 Python處理Excel數據
112 Python中哪些模塊處理Excel數據最好用
12 下載與安裝
121 下載Python
122 安裝Python
123 模塊的安裝
13 初識Python編程
131 使用IDLE運行Python程序
132 案例1：用IDLE編寫Python程序
133 案例2：編寫第一個交互程序

第2章 Python基本語法知識
21 Python語法特點
211 注釋
212 代碼縮進
213 引號
22 變量
221 理解Python中的變量
222 變量的定義與使用
23 基本數據類型
231 數字類型
232 字符串
案例1：輸出唐詩《春曉》
233 布爾類型
234 數據類型轉換
案例2：計算人民幣兌換美元
24 運算符
241 算術運算符
案例3：計算學生平均分數
242 比較運算符
案例4：判斷成績是否優異
243 邏輯運算符
244 賦值運算符
245 運算符的優先級
2 5基本輸入和輸出
251 使用input()函數輸入
案例5：判斷體溫是否異常
252 使用print()函數輸出
26 流程控制語句
261 if條件語句
案例6：判斷是否能坐過山車
案例7：判斷是否能坐過山車（改進版）
案例8：哪些人能走老年通道
262 for循環
案例9：用for循環畫螺旋線
263 while循環
案例10：輸入登錄密碼
264 break語句
案例11：輸入登錄密碼（break版）
265 continue語句
案例12：10086查詢系統
27 列表
271 列表的創建和刪除
272 訪問列表元素
案例13：畫五彩圓環
273 添加、修改和刪除列表元素
274 對列表進行統計和計算
275 列表的復制
276 遍歷列表
案例14：分離紅球和藍球
28 元組
281 元組的創建和刪除
282 訪問元組元素
案例15：考試名次查詢系統
283 修改元組元素
29 字典
291 字典的創建
292 通過鍵值訪問字典
案例16：中考成績查詢系統
293 添加、修改和刪除字典
294 遍歷字典
案例17：打印客戶名稱和電話
210 函數
2101 創建一個函數
2102 調用函數
2103 實參和形參
2104 位置實參
2105 函數返回值
案例18：用函數任意畫圓環

第3章 Pandas模塊數據處理詳解
31 Pandas的數據格式
311 導入Pandas模塊
312 Series數據結構
313 DataFrame數據格式
32 讀取/寫入數據
33 數據預處理
34 數據類型轉換
35 數據的選擇
351 列數據選擇
352 行數據選擇
353 選擇滿足條件的行列數據（數據篩選）
354 按日期選擇數據
36 數值排序
37 數據計數與唯一值獲取
38 數據運算
381 算術運算
382 比較運算
383 匯總運算
384 相關性運算
39 數據分組（匯總）
310 數據拼接
3101 merge()函數實現數據的橫向拼接
3102 concat()函數實現數據的縱向拼接
3103 append()函數實現數據縱向拼接

第4章 xlwings模塊用法詳解及Excel操作實戰案例
41 打開/退出Excel程序
42 操作Excel工作簿
43 操作工作簿中的工作表
44 讀取工作表中數據
45 向工作表寫入數據
46 刪除工作表數據
47 獲取工作表數據區行數和列數
48 打印工作簿或工作表
49 實戰案例：Excel表格基本操作
491 案例1：批量新建Excel工作簿文件
492 案例2：批量新建不同名稱的工作簿
493 案例3：批量打開文件夾中所有Excel工作簿
494 案例4：批量修改工作簿中所有工作表名稱
495 案例5：批量重命名所有工作簿中指定的工作表
496 案例6：自動修改文件夾下所有工作簿的名稱
497 案例7：在多個工作簿中批量新增工作表
498 案例8：在多個工作簿中批量刪除工作表
499 案例9：將一個工作簿的所有工作表批量復制到其他工作簿
4910 案例10：復制表中指定區域數據到多個工作簿的指定工作表中
4911 案例11：批量對多個工作簿的工作表進行格式排版
4912 案例12：將多個工作簿中的工作表合並到一個工作簿中
4913 案例13：將多個工作表合並到一個工作表中
4914 案例14：將指定工作表進行匯總並拆分為多個工作簿
4915 案例15：將一個工作表內容拆分為多個工作表

第5章實戰案例：Python自動處理銀行客戶數據
51Python批量自動打印銀行單據或資料
511案例1：批量打印銀行餘額對賬單工作簿的所有工作表
512案例2：批量自動打印所有工作簿中指定工作表
52Python批量處理貸款客戶數據
521案例3：從銀行貸款數據工作簿的數據中提取“逾期”客戶的數據
522案例4：從銀行所有貸款數據工作簿中單挑出屬於自己客戶的數據
523案例5：Python批量自動填寫銀行客戶表單

第6章 實戰案例：Python自動處理公司財務數據
61 Python批量提取所有工作表中的數據
611 案例1：對財務開票工作簿所有工作表中指定的行數據進行提取
612 案例2：對財務科目餘額工作簿所有工作表的指定列數據進行提取並求和
613 案例3：將多個財務工作簿中所有工作表的指定列數據進行提取
62 Python自動批量對多個工作簿和工作表中的數據匯總
621 案例4：對財務日記賬所有工作表中指定列進行去重統計
622 案例5：對銷售收入工作簿的單個工作表中多個列進行分類匯總
623 案例6：對銷售收入工作簿的所有工作表中多個列進行分類匯總
624 案例7：對多個財務日記賬工作簿的所有工作表中多個列進行分類匯總
63 Python自動批量對工作簿文件的數據進行運算處理
631 案例8:對現金日記賬工作簿中所有工作表進行求和計算
632 案例9：對多個現金日記賬工作簿文件中所有工作表進行求和計算

第7章 實戰案例：Python自動分析企業運營數據
71 Python批量篩選所有工作表中的數據
711 案例1：自動篩選銷售明細表中所有工作表數據並分類保存
712 案例2：自動篩選多個銷售明細數據文件中所有工作表數據並分類保存
713 案例3：自動篩選銷售明細表的所有工作表中的“西服”數據
714 案例4：自動篩選多個銷售明細數據文件的所有工作表中的“西服”數據
72 Python批量統計所有工作表中的數據
721 案例5：自動從銷售明細表的所有工作表的數據中統計出復購次數最高的客戶
722 案例6：自動統計多個銷售明細表的所有工作表中復購次數最高的客戶
723 案例7：自動從銷售明細表所有工作表的數據中統計出最暢銷產品
724 案例8：自動統計多個銷售明細表所有工作表的數據中最暢銷產品

第8章 實戰案例：Python自動分析連鎖超市數據
81 Python自動分析超市商品
811 案例1：自動找出超市暢銷商品前10名
812 案例2：從多個數據文件中自動找出超市暢銷商品前10名
82 Python自動分析超市客流
821 案例3：自動分析每天超市客流高峰時段
822 案例4：自動分析每周超市客流高峰日
823 案例5：對日期和時間在一列的CSV格式超市數據的處理分析
83 Python自動分析超市客戶
831 案例6： 自動統計分析一年中復購前100名的客戶
832 案例7：自動統計分析超市客單價和客單量
833 案例8：自動統計分析超市指定日期內的客單價和客單量