從Excel到Python數據分析：Pandas、xlwings、openpyxl、Matplotlib的交互與應用（簡體書）

本書採用理論與實踐相結合的原則，在各章的開篇會採用圖解方式，將所有知識點先貫穿起來，然後對每個知識點配套案例講解。“用讀者易於理解且可隨時直接套用的案例，方便讀者以最短的時間高效掌握最實用的技能”是本書創作的初衷。 全書共分為6篇：第一篇為入門篇（第1章和第2章），第二篇為基礎篇（第3章和第4章），第三篇為強化篇（第5~7章），第四篇為進階篇（第8章和第9章）, 第五篇為高階篇（第10章和第11章）, 第六篇為案例篇（第12章）。書中主要內容包括開啟Python之旅、Python基礎入門、Pandas數據提取、Pandas數據轉換、Pandas文本與日期、Pandas數據處理、Pandas數據重塑、xlwings高效辦公、openpyxl高效辦公、Python數據處理自動化、Python數據分析自動化、Excel Python綜合應用。 本書適用於具有一些數據分析或Python基礎的讀者，包括電商客服、質量統計、財務金融、人事行政等與數據分析密切相關的從業人員，也可作為高等院校、IT培訓機構或IT專業人士的參考書籍。

黃福星，精益六西格瑪黑帶，物流職業經理人（運營總監）。二十多年工作經歷，職業生涯橫跨大型生產製造、綜合保稅物流與供應鏈、快遞快運與新零售等。在信息流指導物流、數據指導改善、物流降本增效方面經驗豐富，能夠熟練地將精益改善技術與大數據分析技術運用於各類現場管理。

採用理論與實踐相結合的原則，在各章的開篇採用圖解方式，將所有知識點先貫穿起來，然後對每個知識點配套案例講解。
在講解的過程中重思路、重基礎、重實操，“用讀者易於理解且可隨時直接套用的案例，方便讀者以最短的時間高效掌握最實用的技能”是本書創作的初衷。
在Pandas、xlwings、openpyxl的高階應用過程中，書中有演示大量的對比方案，例如同一批量操作Pandas、xlwings、openpyxl三者間不同的應用方法。

在日常數據分析過程中，Excel、Python、R、SQL、Power BI、Tableau等都是數據分析師常用的工具。

在這幾款工具中，Excel因其靈活、高效及易獲取性，不管是早期推出的函數與VBA，還是近幾年所推出的Power BI（內置了Power Query、Power Pivot等）都讓其擁有數量龐大的用戶群，從而成為眾多數據分析師的首選。在近幾年的計算機語言流行排行榜中，Python是當前最熱門的語言之一，並且熱度一直有增無減。

“人生苦短，我用Python”。其實，在數據分析中Excel與Python是可以完美結合的，並且越來越多的數據分析師已傾向於從Excel過渡到Python。通過xlwings或openpyxl替換VBA，通過Pandas替換Excel數據分析，通過NumPy Pandas與xlwings/openpyxl等的交互，用最簡潔的代碼操作更大量的數據，從而實現更高階的數據分析與報表自動化。

本書採用理論與實踐相結合的原則，在各章的開篇採用圖解方式，將所有知識點先貫穿起來，然後對每個知識點的配套案例進行講解。在講解的過程中重思路、重基礎、重實操，“用讀者易於理解且可隨時直接套用的案例，方便讀者以最短的時間高效地掌握最實用的技能”是本書創作的初衷。在Pandas、xlwings、openpyxl的高階應用過程中，書中演示了大量的對比方案，例如，同一批量操作Pandas、xlwings、openpyxl三者間不同的應用方法。

本書特色

“用一個數據源講解一本書”及“注重圖解”是本書的寫作風格，書中穿插大量的知識圖解與引導。從入門篇到高階篇的近300個應用案例中，主要圍繞著一個簡單的工作簿（訂單表.xlsx）及其子集（華東.xlsx）為數據源進行有效講解，把Pandas中使用頻率最高的或效率最高的80%的函數、方法、屬性及其與xlwings、openpyxl的對比與交互應用，以及與Matplotlib、Seaborn的交互應用，通過對比與擴展兩種方式加深讀者對知識的全面了解與應用。最後通過一個實用的案例，把全書的所有重要知識點一一串接起來，並最終輕鬆轉換為實戰案例。

本書前半部分為Excel Python的數據分析基礎，後半部分為Excel Python的數據分析與自動化進階。本書適用於具有數據分析或Python基礎的讀者，包括電商客服、質量統計、財務金融、人事行政等與數據分析密切相關的從業人員，也可作為高等院校、IT培訓機構的教材，還可作為IT專業人士的自學參考書。

掃描目錄上方的二維碼可下載本書源碼。

致謝

首先要感謝筆者的妻子，寫作過程中占據了大量的個人時間及家庭時間，她的理解與支持是筆者最大的動力。

感謝筆者的父母，是你們的諄諄教誨才使筆者一步一個腳印地走到今天。

還要感謝清華大學出版社趙佳霓編輯，她一如既往的專業指導讓筆者受益匪淺。

由於時間倉促，書稿雖然經過全面檢查，但疏漏之處在所難免，敬請讀者批評指正，你們的反饋是筆者進步的動力。

黃福星2023年4月19日

本書源碼

第一篇入門篇

第1章開啟Python之旅

1.1Python快速入門

1.1.1Python進化史

1.1.2搭建編程環境

1.2Anaconda下載與安裝

1.2.1下載Anaconda

1.2.2安裝Anaconda

1.2.3使用Anaconda

1.3Jupyter Notebook

1.3.1操作界面

1.3.2Code運行模式

1.3.3Markdown模式

1.3.4常用快捷鍵

1.3.5常用魔法命令

第2章Python基礎入門

2.1程序設計

2.1.1編碼規範

2.1.2命名規範

2.1.3保留字

2.1.4標識符

2.1.5變量

2.1.6代碼縮進

2.1.7注釋

2.1.8輸入與輸出

2.2數據結構

2.2.1列表

2.2.2元組

2.2.3字典

2.2.4集合

2.3數據類型

2.3.1數值型

2.3.2字符串型

2.3.3布爾型

2.4運算符

2.4.1算術運算符

2.4.2賦值運算符

2.4.3比較運算符

2.4.4邏輯運算符

2.4.5位運算符

2.5數據算法

2.5.1順序結構

2.5.2分支結構

2.5.3循環結構

2.6迭代器與生成器

2.6.1迭代器

2.6.2生成器

2.7函數與方法

2.7.1內置函數

2.7.2自定義函數

2.7.3匿名函數

2.8異常處理

2.8.1內置異常

2.8.2異常處理

第二篇基礎篇

第3章Pandas數據提取

3.1Pandas簡介

3.1.1Pandas數據分析

3.1.2SMED與數據分析

3.1.3Excel數據的讀取流程

3.2pd.read_excel（）函數

3.2.1路徑參數

3.2.2引擎參數

3.3工作表名稱

3.3.1選擇工作簿中的所有工作表

3.3.2選擇工作簿中指定的工作表

3.3.3選擇工作簿中具體的某一工作表

3.4標題

3.4.1提升為標題

3.4.2不需要標題

3.4.3多層索引

3.5處理行

3.5.1跳過行

3.5.2保留行

3.6選擇列

3.6.1指定索引列

3.6.2選擇列

3.7數據類型

3.7.1查看數據類型

3.7.2轉換數據類型

3.7.3解析日期時間列

3.8對Excel的讀取與解析

3.9存儲數據

3.9.1to_excel

3.9.2ExcelWriter

第4章Pandas數據轉換

4.1Pandas入門

4.1.1數據處理流程

4.1.2數據轉換內容

4.2創建Series

4.2.1列表轉Series

4.2.2元組轉Series

4.2.3字典轉Series

4.2.4ndarray轉Series

4.2.5常量轉Series

4.3創建DataFrame

4.3.1文件導入生成

4.3.2Series創建

4.3.3字典創建

4.3.4二維列表創建

4.3.5元組創建

4.4索引與切片

4.4.1直接索引

4.4.2標籤索引

4.4.3位置索引

4.5邏輯值篩選

4.5.1索引器訪問

4.5.2查詢方法

4.6移動列

4.7選擇列

4.7.1篩選列

4.7.2選擇數據類型

4.8列名修改

4.8.1列名替換

4.8.2重命名列

4.9添加列

4.9.1屬性賦值

4.9.2分配新列

4.9.3表達式創建新列

4.10添加行

4.10.1追加行

4.10.2添加多行

4.11刪除操作

4.11.1刪除

4.11.2刪除缺失值

4.11.3刪除重復項

4.12填充操作

第三篇強化篇

第5章Pandas文本與日期

5.1字符串處理

5.1.1字符串處理流程

5.1.2正則表達式

5.1.3文本正則應用

5.2日期和時間

5.2.1時間點

5.2.2時間段

5.2.3時間差

5.2.4時間偏移

5.2.5頻率轉換

第6章Pandas數據處理

6.1數據對齊

6.1.1對齊性

6.1.2空值處理

6.1.3設置行索引

6.1.4重置索引或層級

6.1.5重置行列索引

6.2數值排序

6.2.1排序規則

6.2.2索引排序

6.2.3數值排序

6.2.4數據排名

6.3統計分析

6.3.1統計學基礎

6.3.2唯一值

6.3.3聚合統計

6.3.4聚合運算

6.4移動窗口

6.4.1滾動

6.4.2差分

6.4.3偏移

6.4.4擴展

6.4.5同環比

6.5數據遍歷

6.5.1映射

6.5.2應用

6.5.3應用映射

6.5.4轉換

6.6數據分組

6.6.1創建分組物件

6.6.2分組物件的應用

6.6.3扁平化分組表

6.6.4循環分組物件

6.7數據透視

第7章Pandas數據重塑

7.1多層索引

7.1.1生成多層索引

7.1.2設置多層索引

7.2結構重塑

7.2.1重置索引

7.2.2從列到行堆疊

7.2.3從行到列取消堆疊

7.2.4逆透視

7.2.5層級交換

7.2.6重新排列索引級別

7.2.7刪除層級

7.2.8行列轉置

7.2.9擴展到行

7.3追加查詢

7.3.1數據追加

7.3.2縱橫拼接

7.4合並查詢

7.4.1數據合並

7.4.2按索引合並

7.5在Power BI中運行

7.5.1緣何從Excel進階Python

7.5.2Power BI與Pandas的互補性

第四篇進階篇

第8章xlwings高效辦公

8.1xlwings物件模型

8.2xlwings基礎語法

8.2.1新建工作簿

8.2.2打開工作簿

8.2.3新增工作表

8.2.4寫入數據

8.2.5單元格引用

8.2.6合並單元格

8.2.7單元格區域

8.2.8應用程序接口

8.2.9區域調整

8.2.10選項方法

8.3xlwings工作表調整

8.3.1加密工作簿

8.3.2保護工作表

8.3.3隱藏工作表

8.3.4凍結窗格

8.4xlwings行列調整

8.4.1插入公式

8.4.2插入行列

8.4.3刪除行列

8.4.4行高與列寬

8.5xlwings樣式調整

8.5.1字體樣式

8.5.2邊框樣式

8.5.3對齊樣式

8.5.4填充樣式

8.5.5數據格式

8.5.6條件格式

8.5.7表格格式

8.6xlwings添加圖表

8.6.1xlwings插入圖片

8.6.2xlwings創建圖表

8.6.3與Pandas交互

8.6.4與NumPy及Matplotlib交互

8.6.5與Pandas及Matplotlib交互

8.6.6與Pandas及Seaborn交互

8.7與Pandas的用法對比

8.7.1拆分列並擴展到行

8.7.2查看所有工作表名稱

8.7.3打開一個已有工作簿

8.7.4在一個工作簿中新增一個工作表

第9章openpyxl高效辦公

9.1openpyxl基礎語法

9.1.1創建、保存工作簿

9.1.2打開工作簿

9.1.3創建、刪除工作表

9.1.4復制、移動工作表

9.1.5移動區域範圍

9.1.6合並單元格

9.1.7行列範圍用法

9.2openpyxl工作表調整

9.2.1保護工作表

9.2.2隱藏工作表

9.2.3凍結窗格

9.2.4標籤顏色

9.3openpyxl行列應用

9.3.1插入公式

9.3.2插入行列

9.3.3刪除行列

9.3.4隱藏行列

9.3.5行高與列寬

9.3.6數據組合

9.4openpyxl樣式設置

9.4.1字體樣式

9.4.2邊框樣式

9.4.3對齊樣式

9.4.4填充樣式

9.4.5文本樣式

9.4.6數據格式

9.4.7條件格式

9.5openpyxl數據處理

9.5.1行值統計

9.5.2列值統計

9.6openpyxl添加圖表

9.6.1添加圖片

9.6.2添加圖表

9.7openpyxl與Pandas交互

9.7.1openpyxl獲取來自Pandas的數據

9.7.2Pandas獲取來自openpyxl的數據

第五篇高階篇

第10章Python數據處理自動化

10.1pathlib基礎

10.1.1常用方法

10.1.2路徑處理

10.1.3批量重命名應用

10.1.4與xlwings交互

10.1.5與openpyxl交互

10.2批量創建空白工作簿

10.2.1Pandas實現方式

10.2.2xlwings實現方式

10.2.3openpyxl實現方式

10.3批量操作單個工作簿

10.3.1將一個工作表復制到另一個工作簿

10.3.2將一個工作表批量復制到多個工作簿

10.3.3在一個工作表旁新增多個工作表

10.3.4將所有工作表合並成一個工作表

10.3.5按列值將一個工作表拆分成多個工作表

10.3.6按表名將多個工作表拆分為多個工作簿

10.3.7按列將一個工作表拆分成多個工作簿

10.3.8將一個工作表拆分成多個工作簿的多個工作表

10.3.9重命名一個工作簿中的所有工作表

10.3.10刪除一個工作簿中的指定工作表

10.4批量操作多個工作簿

10.4.1批量打開現有工作簿

10.4.2將多個工作簿中所有工作表合並為一個工作表

10.4.3批量重命名多個工作簿中的同名工作表

10.4.4在多個工作簿中批量刪除工作表

10.4.5批量隱藏工作簿中的工作表

第11章Python數據分析自動化

11.1數據分析方法論

11.1.1數據分析方法

11.1.2數據分析的5W1H

11.1.3數據分析流程

11.1.4Pandas數據分析應用

11.2單個工作簿數據處理

11.2.1對所有工作表進行數據篩選

11.2.2對所有工作表進行批量排序

11.2.3對所有工作表求最大值和最小值

11.2.4對所有工作表進行各自統計

11.2.5對所有工作表進行數據透視

11.3多個工作簿數據處理

11.3.1對所有工作簿的數據批量排序

11.3.2對多個工作簿批量統計最大值和最小值

11.3.3對多個工作簿中的各工作表分類匯總

11.3.4對多個工作簿批量製作數據透視表

11.4圖表與數據的綜合應用

11.4.1圖表的應用

11.4.2添加柱形圖

11.4.3添加簇狀柱形圖

11.4.4添加雙軸組合圖

11.4.5添加多個子圖

11.4.6Matplotlib應用流程

11.5批量打印工作簿中的工作表

11.6批量加密保護工作簿

第六篇案例篇

第12章Excel Python綜合應用

12.1綜觀全局

12.1.1數據獲取

12.1.2信息獲取

12.2數據質量

12.2.1異常值探究

12.2.2缺失值處理

12.3數據現狀

12.3.1現狀摸底

12.3.2數據觀測

12.4數據分析

12.4.1分組統計

12.4.2數據透視

12.4.3時序分析

12.5數據可視化

12.5.1統計操作量

12.5.2管理標準差

12.5.3數據集子圖

12.5.4流向流量圖

12.6數據自動化