新書推薦：
《
神灵衰落：祈雨与乾隆朝的信仰危机
》
售價：NT$
498.0
《
深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！）
》
售價：NT$
325.0
《
新质生产力：发展新动能
》
售價：NT$
493.0
《
状态比能力更重要：108个状态调整法
》
售價：NT$
308.0
《
中国上市公司担保行为的影响因素及其效应研究
》
售價：NT$
202.0
《
企业级数据架构：核心要素、架构模型、数据管理与平台搭建 李杨
》
售價：NT$
554.0
《
政和元年：宋辽金夏的国运博弈与谍战风云
》
售價：NT$
381.0
《
黄金圈法则
》
售價：NT$
437.0
|
| 編輯推薦： |
资源丰富：扫码即可观看49个案例视频（总长330分钟），所有案例源代码均可下载
专业实用：基础知识点案例 银行数据/财务数据/运营数据/销售数据领域综合案例
|
| 內容簡介： |
智能化、自动化办公逐渐成为职场办公的发展趋势，工作中结合Python编程可以自动完成大量重复性的工作，大幅提高工作效率。同时，通过Python编程可以从繁杂无序的海量数据中找出规律，分析出竞品特点、客户喜好、客户来源等。比如银行信贷人员统计大量的贷款客户本息支付情况，上市公司财务人员统计大量的财务数据，企业运营人员统计分析竞品海量数据，连锁超市管理人员分析热销品、客户喜好、复购率等。总之，自动化办公及大数据分析将是未来发展的趋势，是大家都应掌握的一门技能。
《Python Excel职场办公数据分析》以实战案例为主（重点为Python处理分析Excel数据的案例），用大量的实战案例给读者演示如何处理实际工作中的办公自动化问题，如何对大数据进行分析处理。教会职场人士使用办公自动化及大数据分析解决实际问题的方法。
《Python Excel职场办公数据分析》适合数据工作量大的职场人士、财务人士、数据分析人士、商务人士、自动化办公用户、需要处理大数据的用户等阅读学习，也可供Python编程爱好者学习参考。
|
| 目錄：
|
前言
第1章 开始前的准备
1.1 Python数据分析的优势
1.1.1 为什么用 Python处理Excel数据
1.1.2 Python中哪些模块处理Excel数据好用
1.2 下载与安装
1.2.1 下载Python
1.2.2 安装Python
1.2.3 模块的安装
1.3 初识Python编程
1.3.1 使用IDLE运行Python程序
1.3.2 案例1：用IDLE编写Python程序
1.3.3 案例2：编写个交互程序
第2章 Python基本语法知识
2.1 Python语法特点
2.1.1 注释
2.1.2 代码缩进
2.1.3 引号
2.2 变量
2.2.1 理解Python中的变量
2.2.2 变量的定义与使用
2.3 基本数据类型
2.3.1 数字类型
2.3.2 字符串
案例1：输出唐诗《春晓》
2.3.3 布尔类型
2.3.4 数据类型转换
案例2：计算人民币兑换美元
2.4 运算符
2.4.1 算术运算符
案例3：计算学生平均分数
2.4.2 比较运算符
案例4：判断成绩是否优异
2.4.3 逻辑运算符
2.4.4 赋值运算符
2.4.5 运算符的优先级
2. 5基本输入和输出
2.5.1 使用input()函数输入
案例5：判断体温是否异常
2.5.2 使用print()函数输出
2.6 流程控制语句
2.6.1 if条件语句
案例6：判断是否能坐过山车
案例7：判断是否能坐过山车（改进版）
案例8：哪些人能走老年通道
2.6.2 for循环
案例9：用for循环画螺旋线
2.6.3 while循环
案例10：输入登录密码
2.6.4 break语句
案例11：输入登录密码（break版）
2.6.5 continue语句
案例12：10086查询系统
2.7 列表
2.7.1 列表的创建和删除
2.7.2 访问列表元素
案例13：画五彩圆环
2.7.3 添加、修改和删除列表元素
2.7.4 对列表进行统计和计算
2.7.5 列表的复制
2.7.6 遍历列表
案例14：分离红球和蓝球
2.8 元组
2.8.1 元组的创建和删除
2.8.2 访问元组元素
案例15：考试名次查询系统
2.8.3 修改元组元素
2.9 字典
2.9.1 字典的创建
2.9.2 通过键值访问字典
案例16：中考成绩查询系统
2.9.3 添加、修改和删除字典
2.9.4 遍历字典
案例17：打印客户名称和电话
2.10 函数
2.10.1 创建一个函数
2.10.2 调用函数
2.10.3 实参和形参
2.10.4 位置实参
2.10.5 函数返回值
案例18：用函数任意画圆环
第3章 Pandas模块数据处理详解
3.1 Pandas的数据格式
3.1.1 导入Pandas模块
3.1.2 Series数据结构
3.1.3 DataFrame数据格式
3.2 读取/写入数据
3.3 数据预处理
3.4 数据类型转换
3.5 数据的选择
3.5.1 列数据选择
3.5.2 行数据选择
3.5.3 选择满足条件的行列数据（数据筛选）
3.5.4 按日期选择数据
3.6 数值排序
3.7 数据计数与值获取
3.8 数据运算
3.8.1 算术运算
3.8.2 比较运算
3.8.3 汇总运算
3.8.4 相关性运算
3.9 数据分组（汇总）
3.10 数据拼接
3.10.1 merge()函数实现数据的横向拼接
3.10.2 concat()函数实现数据的纵向拼接
3.10.3 append()函数实现数据纵向拼接
第4章 xlwings模块用法详解及Excel操作实战案例
4.1 打开/退出Excel程序
4.2 操作Excel工作簿
4.3 操作工作簿中的工作表
4.4 读取工作表中数据
4.5 向工作表写入数据
4.6 删除工作表数据
4.7 获取工作表数据区行数和列数
4.8 打印工作簿或工作表
4.9 实战案例：Excel表格基本操作
4.9.1 案例1：批量新建Excel工作簿文件
4.9.2 案例2：批量新建不同名称的工作簿
4.9.3 案例3：批量打开文件夹中所有Excel工作簿
4.9.4 案例4：批量修改工作簿中所有工作表名称
4.9.5 案例5：批量重命名所有工作簿中指定的工作表
4.9.6 案例6：自动修改文件夹下所有工作簿的名称
4.9.7 案例7：在多个工作簿中批量新增工作表
4.9.8 案例8：在多个工作簿中批量删除工作表
4.9.9 案例9：将一个工作簿的所有工作表批量复制到其他工作簿
4.9.10 案例10：复制表中指定区域数据到多个工作簿的指定工作表中
4.9.11 案例11：批量对多个工作簿的工作表进行格式排版
4.9.12 案例12：将多个工作簿中的工作表合并到一个工作簿中
4.9.13 案例13：将多个工作表合并到一个工作表中
4.9.14 案例14：将指定工作表进行汇总并拆分为多个工作簿
4.9.15 案例15：将一个工作表内容拆分为多个工作表
第5章实战案例：Python自动处理银行客户数据
5.1Python批量自动打印银行单据或资料
5.1.1案例1：批量打印银行余额对账单工作簿的所有工作表
5.1.2案例2：批量自动打印所有工作簿中指定工作表
5.2Python批量处理贷款客户数据
5.2.1案例3：从银行贷款数据工作簿的数据中提取“逾期”客户的数据
5.2.2案例4：从银行所有贷款数据工作簿中单挑出属于自己客户的数据
5.2.3案例5：Python批量自动填写银行客户表单
第6章 实战案例：Python自动处理公司财务数据
6.1 Python批量提取所有工作表中的数据
6.1.1 案例1：对财务开票工作簿所有工作表中指定的行数据进行提取
6.1.2 案例2：对财务科目余额工作簿所有工作表的指定列数据进行提取并求和
6.1.3 案例3：将多个财务工作簿中所有工作表的指定列数据进行提取
6.2 Python自动批量对多个工作簿和工作表中的数据汇总
6.2.1 案例4：对财务日记账所有工作表中指定列进行去重统计
6.2.2 案例5：对销售收入工作簿的单个工作表中多个列进行分类汇总
6.2.3 案例6：对销售收入工作簿的所有工作表中多个列进行分类汇总
6.2.4 案例7：对多个财务日记账工作簿的所有工作表中多个列进行分类汇总
6.3 Python自动批量对工作簿文件的数据进行运算处理
6.3.1 案例8:对现金日记账工作簿中所有工作表进行求和计算
6.3.2 案例9：对多个现金日记账工作簿文件中所有工作表进行求和计算
第7章 实战案例：Python自动分析企业运营数据
7.1 Python批量筛选所有工作表中的数据
7.1.1 案例1：自动筛选销售明细表中所有工作表数据并分类保存
7.1.2 案例2：自动筛选多个销售明细数据文件中所有工作表数据并分类保存
7.1.3 案例3：自动筛选销售明细表的所有工作表中的“西服”数据
7.1.4 案例4：自动筛选多个销售明细数据文件的所有工作表中的“西服”数据
7.2 Python批量统计所有工作表中的数据
7.2.1 案例5：自动从销售明细表的所有工作表的数据中统计出复购次数的客户
7.2.2 案例6：自动统计多个销售明细表的所有工作表中复购次数的客户
7.2.3 案例7：自动从销售明细表所有工作表的数据中统计出畅销产品
7.2.4 案例8：自动统计多个销售明细表所有工作表的数据中畅销产品
第8章 实战案例：Python自动分析连锁超市数据
8.1 Python自动分析超市商品
8.1.1 案例1：自动找出超市畅销商品前10名
8.1.2 案例2：从多个数据文件中自动找出超市畅销商品前10名
8.2 Python自动分析超市客流
8.2.1 案例3：自动分析每天超市客流高峰时段
8.2.2 案例4：自动分析每周超市客流高峰日
8.2.3 案例5：对日期和时间在一列的CSV格式超市数据的处理分析
8.3 Python自动分析超市客户
8.3.1 案例6： 自动统计分析一年中复购前100名的客户
8.3.2 案例7：自动统计分析超市客单价和客单量
8.3.3 案例8：自动统计分析超市指定日期内的客单价和客单量
|
| 內容試閱：
|
一、为什么写这本书
目前，全球迎来了人工智能发展的新一轮浪潮，人工智能成为人们关注的焦点。而人工智能的核心在于大数据的支持，这就需要从各种类型的海量数据中分析挖掘有价值的数据信息。而Python在大数据分析挖掘方面有着得天独厚的优势，因此，利用Python编程可以很好地对繁杂无序的海量数据进行分析。另外，还可以利用Python编程批量完成大量重复性的工作，帮助人们大幅提高工作效率。
可能有人会说，Python编程虽好，但它是专门供程序员使用的，对于没有编程基础的普通办公人员来说，Python会不会太难学了？其实不用担心，Python语法简洁易懂，很容易上手，更重要的是，你只要按照本书讲解的大量工作案例认真学习，很容易就能掌握Python分析处理大数据的方法。通过大量的案例讲解，即便是普通办公人员也能轻松掌握Python数据分析的方法，这正是作者编写本书的目的。
二、为什么要以Excel数据为主来进行讲解
Excel是大家比较熟悉且应用较多的办公软件之一，很多人在日常工作中接触到的大都是Excel数据，因此本书以Python处理及分析Excel数据为主来讲解（当然也有处理CSV数据的一些案例）。
三、本书写了什么
《Python Excel职场办公数据分析》的内容主要分为两部分：部分为编程基础部分，共包括4章内容（第1~4章），主要讲解Python的安装方法、基本语法、Pandas模块用法、xlwings模块操作Excel数据的方法等；第二部分为实战案例部分，主要介绍批量自动处理及分析各种数据的案例（第5~8章）。其中，第5章为银行客户数据处理及分析案例，第6章为公司财务数据处理及分析案例，第7章为企业运营数据处理及分析案例，第8章为连锁超市销售数据处理及分析案例。
四、本书适合谁
《Python Excel职场办公数据分析》适合数据工作量大的职场人士、财务人士、数据分析人士、商务人士、自动化办公用户、需要处理大数据的用户等阅读学习，也可供Python编程爱好者学习参考。
五、本书作者团队
《Python Excel职场办公数据分析》由王红明和张鸿斌编著。由于作者水平有限，书中难免有疏漏和不足之处，恳请广大读者朋友提出宝贵意见。
六、致谢
一本书从选题策划到正式出版，要经历很多环节，在此感谢机械工业出版社，以及负责本书的张淑谦编辑和其他未曾见面的编辑，感谢大家不辞辛苦，为本书顺利出版所做的大量工作。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
