资源详情

Excel+Python 飞速搞定数据分析与处理（图灵出品）

作者: [瑞士] 费利克斯·朱姆斯坦（Felix Zumstein）
出版社: 人民邮电出版社
出品方: 图灵教育
副标题: 飞速搞定数据分析与处理
原作名: Python for Excel
译者: 冯黎
出版年: 2022-4-1
页数: 280
定价: 89.80元
装帧: 平装
丛书: O'Reilly动物系列（中译本）
ISBN: 9787115586766

下载次数：24

本站推荐

下载地址

举报资源

书籍资料

内容简介
作者介绍
书籍目录

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！

费利克斯·朱姆斯坦（Felix Zumstein）是流行开源Python库xlwings的创始人。xlwings帮助Excel用户利用Python脚本将任务自动化，从而实现效率飞跃。费利克斯在工作中接触了大量Excel用户，这使他对Excel在各行各业中的使用瓶颈和解决思路拥有深刻的见解。

前言xiii
第一部分　Python入门
第1章　为什么要用Python为Excel编程3
1.1Excel作为一门编程语言4
1.1.1新闻中的Excel5
1.1.2编程最佳实践5
1.1.3现代Excel10
1.2用在Excel上的Python11
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
2.1AnacondaPython发行版18
2.1.1安装18
2.1.2AnacondaPrompt19
2.1.3PythonREPL：交互式Python会话21
2.1.4包管理器：Conda和pip22
2.1.5Conda环境24
2.2Jupyter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

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
2.3VSCode30
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
3.4.2if语句和条件表达式51
3.4.3for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
3.5.3datetime类59
3.6PEP8：Python风格指南61
3.6.1PEP8和VSCode62
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
4.1NumPy入门67
4.1.1NumPy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
5.1DataFrame和Series74
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DataFrame94
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
5.5.1Matplotlib100
5.5.2Plotly102
5.6导入和导出DataFrame104
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
6.1DatetimeIndex110
6.1.1创建DatetimeIndex110
6.1.2筛选DatetimeIndex112
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
6.3pandas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
7.2.1read_excel函数和ExcelFile类128
7.2.2to_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
8.1.2excel.py模块138
8.1.3OpenPyXL139
8.1.4XlsxWriter143
8.1.5pyxlsb145
8.1.6xlrd、xlwt和xlutils146
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xlwings162
9.1.1将Excel用作数据查看器162
9.1.2Excel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DataFrame171
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
9.3.1xlwings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
10.1.1Excel插件184
10.1.2quickstart命令185
10.1.3Runmain186
10.1.4RunPython函数187
10.2部署191
10.2.1Python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
11.2.1WebAPI198
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
12.1UDF入门220
12.2案例研究：GoogleTrends225
12.2.1GoogleTrends简介225
12.2.2使用DataFrame和动态数组226
12.2.3从GoogleTrends上获取数据231
12.2.4使用UDF绘制图表234
12.2.5调试UDF236
12.3高级UDF主题238
12.3.1基础性能优化238
12.3.2缓存240
12.3.3sub装饰器242
12.4小结243
附录A　Conda环境245
附录B　高级VSCode功能248
附录C　高级Python概念253