从零开始利用Excel与Python进行数据分析

这项技术有什么前途？数据分析能力是职场人士的基础能力之一，绝大多数企业在生产、经营过程中都有数据分析需求，绝大多数职场人士为了能更好地完成工作，都需要进行必要的数据分析。由此可见，数据分析有广阔的市场前景和需求。本书对Excel和Python的数据分析功能进行介绍和演示，帮助读者逐步构建或强化数据分析能力。

笔者的使用体会：Excel和Python属于两个不同的技术体系，Excel是微软出品的优秀商业软件，Python是优秀的开源编程语言，二者最大的交集在于数据分析，有效结合、对比使用二者是学习数据分析的良好方法。一方面，Excel的受众广，能以可视化的方式进行数据分析操作，更容易被接受和理解；另一方面，结合使用Excel和Python，充分利用二者的优势，能更好地完成数据分析。

这本书的特色：本书通过对Excel和Python的数据分析功能进行介绍和对比，帮助读者构建完整的数据分析知识体系。本书提供各章节中详细的演示实例与配套代码，供读者参考学习。本书以“概念→方案→实践”的思路进行讲述，以Excel的数据分析功能作为切入点，并合理切换到Python，极大地降低了学习的难度。

本书主要特色如下：

1、完整的知识体系：本书构建了完整的知识体系，讲解了Excel、 Python数据分析的各方面功能；

2、合理的组织结构：本书各章节间内容连贯、组织合理、过渡平滑，形成了知识链条；

3、新颖的实践内容：本书各章节中使用的演示数据种类丰富，涉及多个学科的数据分析场景；

4、对比性归纳总结：本书各章节中对Excel和Python中相同的数据功能进行了对比和总结；

5、适当的难度安排：本书从Excel、Python的安装开始讲解，逐步增加实践难度。

本书读者对象：

1、有数据处理需求的各行业人员；

2、Python初学者和感兴趣者；

3、有数据处理需求的在校学生。

致谢

本书得以顺利出版，要特别感谢福建省大数据集团有限公司总架构师、福建实达集团股份有限公司总裁于辉老师。于辉老师虽身居要职，但总会抽时间与下属交流，为本书提供了宝贵的意见和指导。

感谢罗雨露编辑的辛苦付出、专业指导和细心帮助。

感谢我辛勤劳作的父母，以及给予热情支持的永花姐姐。

第1章 Excel与Python的定位与功能对比
1.1 数据分析简介
1.2 Excel与Python的特征对比
1.3 Excel与Python 的功能范围
1.4 Excel 与 Python 的选择和协作
第2章 统计量
2.1 常用统计量介绍
2.2 随机变量及其分布
第3章 实践环境的搭建
3.1 Excel数据分析环境
3.2 Python开发环境
3.3 Python基础语法
3.4 Excel与Python的整合环境
第4章 数据处理与分析
4.1 各种统计量的计算
4.2 数据分析与概率统计
4.3 逻辑运算
4.4 文本处理
4.5 日期与时间
4.6 查找与引用
4.7 数学与三角函数
4.8 数据的排序、查重、汇总
第5章 数据抽取——ETL中的E
5.1 连接数据库的配置
5.2 使用 Power Query
5.3 从数据库抽取数据
5.4 从数据文件中读取数据
5.5 从互联网获取数据
5.6 验证抓取的数据
第6章 数据清洗——ETL中的T
6.1 问题数据类型与数据清洗方法
6.2 使用Python抓取演示用金融数据
6.3 数据清洗方法说明
6.4 数据清洗实践
第7章 数据装载——ETL中的L
7.1 数据仓库ETL技术
7.2 通过Excel装载数据
7.3 通过Python装载数据
7.4 数据装载策略
第8章 数据建模
8.1 数据模型相关概念
8.2 使用Power Pivot构建数据模型
8.3 使用 SQLAlchemy构建模型
8.4 Excel和Python构建关系数据模型对比
第9章 数据挖掘
9.1 认识数据挖掘
9.2 Excel数据挖掘方案
9.3 Python数据挖掘方案
9.4 scikit-learn操作
9.5 具体挖掘算法
第10章 数据可视化
10.1 数据可视化基础
10.2 可视化方案
10.3 散点图
10.4 饼图
10.5 条形图
10.6 面积图
10.7 折线图
10.8 柱形图
10.9 特殊可视化图
10.10 Excel与Python可视化处理方式对比
第11章 分析报告
11.1 分析报告基础
11.2 Excel数据透视
11.3 Excel数据仪表板
11.4 安装JupyterLab插件
11.5 JupyterLab交互式设计