对比 Excel，轻松学习 Python 数据分析 PDF 文档

Question

集 Python、Excel、数据分析为一体是本书的一大特色。

本书围绕整个数据分析的常规流程：熟悉工具—明确目的—获取数据—熟悉数据—处理数据—分析数据—得出结论—验证结论—展示结论进行 Excel 和 Python 的对比实现，告诉你每一个过程中都会用到什么，过程与过程之间有什么联系。本书既可以作为系统学习数据分析操作流程的说明书，也可以作为一本数据分析师案头必备的实操工具书。

本书通过对比 Excel 功能操作去学习 Python 的代码实现，而不是直接学习 Python 代码，大大降低了学习门槛，消除了读者对代码的恐惧心理。适合刚入行的数据分析师，也适合对 Excel 比较熟练的数据分析师，以及从事其他岗位想提高工作效率的职场人。

目录
入门篇
第 1 章 数据分析基础
1.1 数据分析是什么
1.2 为什么要做数据分析
1.2.1 现状分析
1.2.2 原因分析
1.2.3 预测分析
1.3 数据分析究竟在分析什么
1.3.1 总体概览指标
1.3.2 对比性指标
1.3.3 集中趋势指标
1.3.4 离散程度指标
1.3.5 相关性指标
1.3.6 相关关系与因果关系
1.4 数据分析的常规流程
1.4.1 熟悉工具
1.4.2 明确目的
1.4.3 获取数据
1.4.4 熟悉数据
1.4.5 处理数据
1.4.6 分析数据
1.4.7 得出结论
1.4.8 验证结论
1.4.9 展示结论
1.5 数据分析工具：Excel 与 Python
实践篇
第 2 章 熟悉锅——Python 基础知识
2.1 Python 是什么
2.2 Python 的下载与安装
2.2.1 安装教程
2.2.2 IDE 与 IDLE
2.3 介绍 Jupyter Notebook
2.3.1 新建 Jupyter Notebook 文件
2.3.2 运行你的第一段代码
2.3.3 重命名 Jupyter Notebook 文件
2.3.4 保存 Jupyter Notebook 文件
2.3.5 导入本地 Jupyter Notebook 文件
2.3.6 Jupyter Notebook 与 Markdown
2.3.7 为 Jupyter Notebook 添加目录
2.4 基本概念
2.4.1 数
2.4.2 变量
2.4.3 标识符
2.4.4 数据类型
2.4.5 输出与输出格式设置
2.4.6 缩进与注释
2.5 字符串
2.5.1 字符串的概念
2.5.2 字符串的连接
2.5.3 字符串的复制
2.5.4 获取字符串的长度
2.5.5 字符串查找
2.5.6 字符串索引
2.5.7 字符串分隔
2.5.8 移除字符
2.6 数据结构——列表
2.6.1 列表的概念
2.6.2 新建一个列表
2.6.3 列表的复制
2.6.4 列表的合并
2.6.5 向列表中插入新元素
2.6.6 获取列表中值出现的次数
2.6.7 获取列表中值出现的位置
2.6.8 获取列表中指定位置的值
2.6.9 删除列表中的值
2.6.10 对列表中的值进行排序
2.7 数据结构——字典
2.7.1 字典的概念
2.7.2 新建一个字典
2.7.3 字典的 keys()、values() 和 items() 方法
2.8 数据结构——元组
2.8.1 元组的概念
2.8.2 新建一个元组
2.8.3 获取元组的长度
2.8.4 获取元组内的元素
2.8.5 元组与列表相互转换
2.8.6 zip() 函数
2.9 运算符
2.9.1 算术运算符
2.9.2 比较运算符
2.9.3 逻辑运算符
2.10 循环语句
2.10.1 for 循环
2.10.2 while 循环
2.11 条件语句
2.11.1 if 语句
2.11.2 else 语句
2.11.3 elif 语句
2.12 函数
2.12.1 普通函数
2.12.2 匿名函数
2.13 高级特性
2.13.1 列表生成式
2.13.2 map 函数
2.14 模块
第 3 章 Pandas 数据结构
3.1 Series 数据结构
3.1.1 Series 是什么
3.1.2 创建一个 Series
3.1.3 利用 index 方法获取 Series 的索引
3.1.4 利用 values 方法获取 Series 的值
3.2 DataFrame 表格型数据结构
3.2.1 DataFrame 是什么
3.2.2 创建一个 DataFrame
3.2.3 获取 DataFrame 的行、列索引
3.2.4 获取 DataFrame 的值
第 4 章 准备食材——获取数据源
4.1 导入外部数据
4.1.1 导入.xlsx 文件
4.1.2 导入.csv 文件
4.1.3 导入.txt 文件
4.1.4 导入 sql 文件
4.2 新建数据
4.3 熟悉数据
4.3.1 利用 head 预览前几行
4.3.2 利用 shape 获取数据表的大小
4.3.3 利用 info 获取数据类型
4.3.4 利用 describe 获取数值分布情况
第 5 章 淘米洗菜——数据预处理
5.1 缺失值处理
5.1.1 缺失值查看
5.1.2 缺失值删除
5.1.3 缺失值填充
5.2 重复值处理
5.3 异常值的检测与处理
5.3.1 异常值检测
5.3.2 异常值处理
5.4 数据类型转换
5.4.1 数据类型
5.4.2 类型转换
5.5 索引设置
5.5.1 为无索引表添加索引
5.5.2 重新设置索引
5.5.3 重命名索引
5.5.4 重置索引
第 6 章 菜品挑选——数据选择
6.1 列选择
6.1.1 选择某一列/某几列
6.1.2 选择连续的某几列
6.2 行选择
6.2.1 选择某一行/某几行
6.2.2 选择连续的某几行
6.2.3 选择满足条件的行
6.3 行列同时选择
6.3.1 普通索引+普通索引选择指定的行和列
6.3.2 位置索引+位置索引选择指定的行和列
6.3.3 布尔索引+普通索引选择指定的行和列
6.3.4 切片索引+切片索引选择指定的行和列
6.3.5 切片索引+普通索引选择指定的行和列
第 7 章 切配菜品——数值操作
7.1 数值替换
7.1.1 一对一替换
7.1.2 多对一替换
7.1.3 多对多替换
7.2 数值排序
7.2.1 按照一列数值进行排序
7.2.2 按照有缺失值的列进行排序
7.2.3 按照多列数值进行排序
7.3 数值排名
7.4 数值删除
7.4.1 删除列
7.4.2 删除行
7.4.3 删除特定行
7.5 数值计数
7.6 唯一值获取
7.7 数值查找
7.8 区间切分
7.9 插入新的行或列
7.10 行列互换
7.11 索引重塑
7.12 长宽表转换
7.12.1 宽表转换为长表
7.12.2 长表转换为宽表
7.13 apply() 与 applymap() 函数
第 8 章 开始烹调——数据运算
8.1 算术运算
8.2 比较运算
8.3 汇总运算
8.3.1 count 非空值计数
8.3.2 sum 求和
8.3.3 mean 求均值
8.3.4 max 求最大值
8.3.5 min 求最小值
8.3.6 median 求中位数
8.3.7 mode 求众数
8.3.8 var 求方差
8.3.9 std 求标准差
8.3.10 quantile 求分位数
8.4 相关性运算
第 9 章 炒菜计时器——时间序列
9.1 获取当前时刻的时间
9.1.1 返回当前时刻的日期和时间
9.1.2 分别返回当前时刻的年、月、日
9.1.3 返回当前时刻的周数
9.2 指定日期和时间的格式
9.3 字符串和时间格式相互转换
9.3.1 将时间格式转换为字符串格式
9.3.2 将字符串格式转换为时间格式
9.4 时间索引
9.5 时间运算
9.5.1 两个时间之差
9.5.2 时间偏移
第 10 章 菜品分类——数据分组/数据透视表
10.1 数据分组
10.1.1 分组键是列名
10.1.2 分组键是 Series
10.1.3 神奇的 aggregate 方法
10.1.4 对分组后的结果重置索引
10.2 数据透视表
第 11 章 水果拼盘——多表拼接
11.1 表的横向拼接
11.1.1 连接表的类型
11.1.2 连接键的类型
11.1.3 连接方式
11.1.4 重复列名处理
11.2 表的纵向拼接
11.2.1 普通合并
11.2.2 索引设置
11.2.3 重叠数据合并
第 12 章 盛菜装盘——结果导出
12.1 导出为.xlsx 文件
12.1.1 设置文件导出路径
12.1.2 设置 Sheet 名称
12.1.3 设置索引
12.1.4 设置要导出的列
12.1.5 设置编码格式
12.1.6 缺失值处理
12.1.7 无穷值处理
12.2 导出为.csv 文件
12.2.1 设置文件导出路径
12.2.2 设置索引
12.2.3 设置要导出的列
12.2.4 设置分隔符号
12.2.5 缺失值处理
12.2.6 设置编码格式
12.3 将文件导出到多个 Sheet
第 13 章 菜品摆放——数据可视化
13.1 数据可视化是什么
13.2 数据可视化的基本流程
13.2.1 整理数据
13.2.2 明确目的
13.2.3 寻找合适的表现形式
13.3 图表的基本组成元素
13.4 Excel 与 Python 可视化
13.5 建立画布和坐标系
13.5.1 建立画布
13.5.2 用 add_subplot 函数建立坐标系
13.5.3 用 plt.subplot2grid 函数建立坐标系
13.5.4 用 plt.subplot 函数建立坐标系
13.5.5 用 plt.subplots 函数建立坐标系
13.5.6 几种创建坐标系方法的区别
13.6 设置坐标轴
13.6.1 设置坐标轴的标题
13.6.2 设置坐标轴的刻度
13.6.3 设置坐标轴的范围
13.6.4 坐标轴的轴显示设置
13.7 其他图表格式的设置
13.7.1 网格线设置
13.7.2 设置图例
13.7.3 图表标题设置
13.7.4 设置数据标签
13.7.5 图表注释
13.7.6 数据表
13.8 绘制常用图表
13.8.1 绘制折线图
13.8.2 绘制柱形图
13.8.3 绘制条形图
13.8.4 绘制散点图
13.8.5 绘制气泡图
13.8.6 绘制面积图
13.8.7 绘制树地图
13.8.8 绘制雷达图
13.8.9 绘制箱形图
13.8.10 绘制饼图
13.8.11 绘制圆环图
13.8.12 绘制热力图
13.8.13 绘制水平线和垂直线
13.9 绘制组合图表
13.9.1 折线图+折线图
13.9.2 折线图+柱形图
13.10 绘制双坐标轴图表
13.10.1 绘制双 y 轴图表
13.10.2 绘制双 x 轴图表
13.11 绘图样式设置
进阶篇
第 14 章 典型数据分析案例
14.1 利用 Python 实现报表自动化
14.1.1 为什么要进行报表自动化
14.1.2 什么样的报表适合自动化
14.1.3 如何实现报表自动化
14.2 自动发送电子邮件
14.3 假如你是某连锁超市的数据分析师
14.3.1 哪些类别的商品比较畅销
14.3.2 哪些商品比较畅销
14.3.3 不同门店的销售额占比
14.3.4 哪些时间段是超市的客流高峰期
14.4 假如你是某银行的数据分析师
14.4.1 是不是收入越高的人坏账率越低
14.4.2 年龄和坏账率有什么关系
14.4.3 家庭人口数量和坏账率有什么关系
第 15 章 NumPy 数组
15.1 NumPy 简介
15.2 NumPy 数组的生成
15.2.1 生成一般数组
15.2.2 生成特殊类型数组
15.2.3 生成随机数组
15.3 NumPy 数组的基本属性
15.4 NumPy 数组的数据选取
15.4.1 一维数据选取
15.4.2 多维数据选取
15.5 NumPy 数组的数据预处理
15.5.1 NumPy 数组的类型转换
15.5.2 NumPy 数组的缺失值处理
15.5.3 NumPy 数组的重复值处理
15.6 NumPy 数组重塑
15.6.1 一维数组重塑
15.6.2 多维数组重塑
15.6.3 数组转置
15.7 NumPy 数组合并
15.7.1 横向合并
15.7.2 纵向合并
15.8 常用数据分析函数
15.8.1 元素级函数
15.8.2 描述统计函数
15.8.3 条件函数
15.8.4 集合关系

下载地址：https://www.wenjiangs.com/wp-content/uploads/2024/03/9gyJGlzDzLJYqdLm.zip