Excel+Python 飞速搞定数据分析与处理

前言 xiii 第  一部分 Python入门 第  1 章 为什么要用Python为Excel编程  3 1.1  Excel作为一门编程语言  4 1.1.1  新闻中的Excel  5 1.1.2  编程很好实践  5 1.1.3  现代Excel  10 1.2  用在Excel上的Python  11 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 2.1  Anaconda Python发行版  18 2.1.1  安装  18 2.1.2  Anaconda Prompt  19 2.1.3  Python REPL：交互式Python会话  21 2.1.4  包管理器：Conda和pip  22 2.1.5  Conda环境  24 2.2  Jupyter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  编辑模式与命令模式  28 2.2.4  执行顺序很重要  28 2.2.5  关闭Jupyter笔记本  28 2.3  VS Code  30 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 3.4.2  if 语句和条件表达式  51 3.4.3  for 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 3.5.3  datetime类  59 3.6  PEP 8：Python风格指南  61 3.6.1  PEP 8和VS Code  62 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 4.1  NumPy入门  67 4.1.1  NumPy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 5.1  DataFrame和Series  74 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DataFrame  94 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 5.5.1  Matplotlib  100 5.5.2  Plotly  102 5.6  导入和导出DataFrame  104 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 6.1  DatetimeIndex  110 6.1.1  创建DatetimeIndex  110 6.1.2  筛选DatetimeIndex  112 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 6.3  pandas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 7.2.1  read_excel函数和ExcelFile类  128 7.2.2  to_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 8.1.2  excel.py模块  138 8.1.3  OpenPyXL  139 8.1.4  XlsxWriter  143 8.1.5  pyxlsb  145 8.1.6  xlrd、xlwt和xlutils  146 8.2  读写包的不错主题  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xlwings  162 9.1.1  将Excel用作数据查看器  162 9.1.2  Excel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DataFrame  171 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  不错xlwings主题  179 9.3.1  xlwings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 10.1.1  Excel插件  184 10.1.2  quickstart命令  185 10.1.3  Run main  186 10.1.4  RunPython函数187 10.2  部署  191 10.2.1  Python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 11.2.1  Web API  198 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 12.1  UDF入门  220 12.2  案例研究：Google Trends  225 12.2.1  Google Trends简介  225 12.2.2  使用DataFrame和动态数组  226 12.2.3  从Google Trends上获取数据  231 12.2.4  使用UDF绘制图表  234 12.2.5  调试UDF  236 12.3  不错UDF主题  238 12.3.1  基础性能优化  238 12.3.2  缓存  240 12.3.3  sub装饰器  242 12.4  小结  243 附录A  Conda环境  245 附录B  不错VS Code功能  248 附录C  不错Python概念  253