新書推薦：
《
中国官僚政治研究（一部洞悉中国政治制度演变的经典之作）
》
售價：NT$
286.0
《
锂电储能产品设计及案例详解
》
售價：NT$
505.0
《
首辅养成手册（全三册）（张晚意、任敏主演古装剧《锦绣安宁》原著小说）
》
售價：NT$
551.0
《
清洁
》
售價：NT$
296.0
《
组队：超级个体时代的协作方式
》
售價：NT$
352.0
《
第十三位陪审员
》
售價：NT$
245.0
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
Python贝叶斯深度学习
》
售價：NT$
407.0
|
| 編輯推薦： |
（1）本书面向零基础读者，无须额外的背景知识即可学习Python Excel进行数据分析。本书讲解细致，便于读者由浅入深地学习。
（2）内容系统、体系完整，可以帮助读者快速全面地了解Python的基本语法并掌握开发能力。
（3）理论与实践相结合，每个理论都有对应的代码示例，读者参考代码示例完成编写，就可以看到实践效果。
（4）本书配有实训与问答，方便读者阅读后尽快巩固知识点，做到举一反三、学以致用。
（5）将AI前沿产品ChatGPT应用到Python进行Excel数据分析学习的过程中，演示了如何利用ChatGPT提高学习和开发的效率。
|
| 內容簡介： |
《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》在理论方面和实践方面都讲解得浅显易懂，能够让读者快速上手，一步步学会使用Python与Excel相结合进行数据处理与分析。
全书内容分3个部分共12章。第1~4章为入门部分，主要介绍什么是数据分析，以及Python的编程环境和基础语法知识。第5~9章为进阶部分，主要介绍数据处理和分析的各种方法。第10~12章为实战部分，这部分的3个实例综合了《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》前面部分的知识点，介绍了如何结合Python与Excel在实际工作中进行数据处理与分析操作。
《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》内容由浅入深，且配有案例的素材文件和代码文件，便于读者边学边练。《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》还创新性地将ChatGPT引入教学当中，给读者带来全新的学习方式。《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》既适合Python和数据分析的初学者学习，也适合希望从事数据分析相关行业的读者学习，还可作为广大职业院校数据分析培训相关专业的教材参考用书。
|
| 關於作者： |
袁昕
----------------------------
袁昕，Crossin的编程教室公众号（40万 关注者）主笔，南京大学软件工程本科，上海交通大学计算机硕士。曾就职于 IBM、Ubisoft、华泰证券，担任软件开发工程师、互联网产品经理职位，后在创业公司担任后端架构师、技术总监等职位。曾受邀作为Python中国开发者大会讲师、腾讯云课堂评审专家。
|
| 目錄：
|
第1章 数据分析基础001
1.1 什么是数据分析001
1.2 数据分析的目的001
1.3 数据分析的步骤002
1.3.1 明确目的002
1.3.2 获取数据002
1.3.3 处理数据003
1.3.4 分析数据003
1.4 数据分析的工具004
ChatGPT学习答疑005
本章小结006
第2章 Python编程环境的搭建007
2.1 Anaconda的下载与安装007
2.1.1 什么是Anaconda007
2.1.2 了解计算机的系统和位数007
2.1.3 下载Anaconda安装包009
2.1.4 安装Anaconda010
2.2 Jupyter Notebook的使用012
2.2.1 启动Jupyter Notebook013
2.2.2 新建Jupyter Notebook
文件014
2.2.3 在Jupyter Notebook中编
写和运行代码015
2.2.4 重命名Jupyter Notebook
文件016
2.2.5 保存Jupyter Notebook
文件017
2.2.6 打开指定文件夹中的
Jupyter Notebook文件018
ChatGPT学习答疑019
本章小结021
第3章 Python语法入门知识022
3.1 Python快速入门022
3.1.1 变量022
3.1.2 屏幕输出——print( )函数023
3.1.3 屏幕输入——input( )函数024
3.1.4 注释024
3.2 运算符025
3.2.1 算术运算符025
3.2.2 比较运算符026
3.2.3 赋值运算符 026
3.2.4 逻辑运算符027
3.3 常见数据类型028
3.3.1 整型和浮点型028
3.3.2 字符串029
3.3.3 查看数据类型029
3.3.4 转换数据类型030
3.4 数据类型——列表032
3.4.1 创建列表032
3.4.2 统计列表的元素个数和
出现次数032
3.4.3 添加列表元素033
3.4.4 删除列表元素033
3.4.5 合并列表035
3.4.6 遍历列表中的元素035
3.4.7 排序和反向排列列表元素036
3.4.8 提取列表中的元素036
3.5 数据类型——字典038
3.5.1 创建字典038
3.5.2 查找字典元素039
3.5.3 获取字典的所有键或所
有值039
3.5.4 遍历字典的键或值040
3.5.5 获取和遍历字典中的键
值对040
3.5.6 添加字典元素041
3.5.7 删除字典元素041
3.5.8 替换字典的元素042
3.5.9 合并字典042
ChatGPT学习答疑043
ChatGPT上机实训044
本章小结047
第4章 Python语法基础知识048
4.1 Python条件语句048
4.1.1 if语句048
4.1.2 If-else语句049
4.1.3 if-elif-else语句049
4.2 Python循环语句050
4.2.1 for语句050
4.2.2 while语句051
4.2.3 break语句051
4.2.4 continue语句052
4.3 Python嵌套语句053
4.3.1 if语句的嵌套053
4.3.2 if语句和for语句的嵌套054
4.3.3 for语句的嵌套055
4.4 Python内置函数056
4.4.1 list( )函数056
4.4.2 len( )函数057
4.4.3 range( )函数058
4.4.4 zip( )函数059
4.5 Python自定义函数060
4.5.1 自定义无参数的函数060
4.5.2 自定义有参数的函数061
4.5.3 自定义有返回值的函数062
4.6 匿名函数063
4.7 库063
4.7.1 什么是库063
4.7.2 安装库064
4.7.3 导入库065
4.8 Python常用编程术语067
ChatGPT学习答疑067
ChatGPT上机实训069
本章小结073
第5章 数据的获取与准备074
5.1 数据结构——Series074
5.2 数据结构——DataFrame076
5.3 数据的读取与写入078
5.3.1 读取Excel工作簿数据078
5.3.2 读取CSV文件数据080
5.3.3 将数据写入Excel工作簿082
5.3.4 将数据写入CSV文件083
5.4 数据的查看083
5.4.1 预览数据的前几行/
后几行083
5.4.2 查看数据表的行数
和列数084
5.4.3 查看数据的基本统计
信息085
5.4.4 查看数据的类型085
5.5 数据的选择086
5.5.1 选择单行和单列数据086
5.5.2 选择不连续的多行数据088
5.5.3 选择不连续的多列数据089
5.5.4 选择连续的多行数据090
5.5.5 选择连续的多列数据090
5.5.6 选择不连续的多行和
多列数据091
5.5.7 选择连续的多行和
多列数据092
5.5.8 选择连续的多行和不连续
的多列数据092
5.5.9 选择不连续的多行和连续
的多列数据093
ChatGPT学习答疑095
ChatGPT上机实训096
本章小结099
第6章 数据的清洗100
6.1 添加和修改标签100
6.1.1 修改行标签和列标签100
6.1.2 将某列数据设置为行标签102
6.1.3 将原来的行标签设置为
数据列102
6.2 查找数据103
6.3 替换数据104
6.3.1 一对一地替换数据104
6.3.2 多对一地替换数据105
6.3.3 多对多地替换数据105
6.4 插入数据107
6.4.1 插入列数据107
6.4.2 插入行数据108
6.5 删除数据109
6.5.1 删除单列数据110
6.5.2 删除多列数据110
6.5.3 删除单行数据111
6.5.4 删除多行数据111
6.6 处理重复值112
6.6.1 查看重复值113
6.6.2 删除重复值115
6.7 处理缺失值116
6.7.1 判断缺失值116
6.7.2 统计缺失值118
6.7.3 填充缺失值120
6.7.4 删除缺失值122
ChatGPT学习答疑124
ChatGPT上机实训126
本章小结130
第7章 数据的加工131
7.1 转换数据131
7.1.1 转换数据类型131
7.1.2 转置数据表的行列133
7.2 合并数据134
7.2.1 横向拼接数据134
7.2.2 按指定方向合并数据136
7.3 排序数据137
7.3.1 对单列数据进行排序137
7.3.2 转换数据结构139
7.3.3 对多列数据进行排序140
7.3.4 按照有缺失值的列排序并
设置缺失值位置141
7.4 排名数据144
7.5 筛选数据145
7.5.1 根据单个条件筛选数据146
7.5.2 根据多个条件筛选数据146
ChatGPT学习答疑148
ChatGPT上机实训149
本章小结153
第8章 数据的统计与分析154
8.1 数据的分类汇总154
8.1.1 分类汇总单列数据154
8.1.2 分类汇总多列数据155
8.1.3 创建数据透视表158
8.2 数据的运算159
8.2.1 求和和计算平均值159
8.2.2 计算最大值和最小值160
8.2.3 计算中位数和众数162
8.2.4 计算方差和标准差163
8.2.5 计算分位数163
8.3 数据的分析165
8.3.1 数据的相关性分析166
8.3.2 数据的回归分析167
ChatGPT学习答疑169
ChatGPT上机实训171
本章小结177
第9章 数据的可视化178
9.1 制作简单图表178
9.1.1 制作柱形图178
9.1.2 制作条形图180
9.1.3 制作折线图182
9.1.4 制作面积图184
9.1.5 制作饼图和圆环图186
9.1.6 制作散点图188
9.2 设置图表元素191
9.2.1 为图表添加图表标题192
9.2.2 为图表添加图例192
9.2.3 为图表添加横纵坐标轴
标题193
9.2.4 为图表添加网格线194
9.2.5 为图表添加数据标签196
9.2.6 为图表的横纵坐标轴设置
刻度范围197
9.3 制作其他图表200
9.3.1 制作气泡图200
9.3.2 制作雷达图201
9.3.3 制作堆积面积图202
9.3.4 制作双柱形图203
9.3.5 制作堆积柱形图205
9.3.6 制作柱形图和折线图组合
图表207
ChatGPT学习答疑209
ChatGPT上机实训211
本章小结215
第10章 实战应用：商品销售数据分析216
10.1 应用场景216
10.2 获取数据217
10.3 合并和分类统计数据218
10.4 分析商品每月的销售变化趋势220
10.5 分析每月各商品大类的销售情况221
10.6 分析全年各商品小类的销售情况224
本章小结225
第11章 实战应用：产品定价数据分析226
11.1 应用场景226
11.2 获取数据227
11.3 查看数据情况227
11.4 数值化处理数据229
11.5 产品定价的预测230
11.6 产品定价的评估232
本章小结233
第12章 实战应用：用户消费行为分析 234
12.1 应用场景234
12.2 获取数据235
12.3 统计和分类汇总数据235
12.4 分析每月的消费数量变化趋势237
12.5 分析每月的消费金额变化趋势238
12.6 分析用户的消费水平239
12.7 分析不同消费水平用户的
分布情况240
本章小结242
附?录 ChatGPT小白快速上手实用技巧243
1 用ChatGPT讲解概念243
2 用ChatGPT提供示例245
3 用ChatGPT查询报错信息247
4 用ChatGPT调试代码248
5 用ChatGPT生成测试数据250
6 用ChatGPT获取解决思路252
7 用ChatGPT批量处理文件254
8 用ChatGPT整理分析数据256
9 用ChatGPT绘制可视化图表258
10 逐步引导及修正ChatGPT的
回答259
|
| 內容試閱：
|
为什么写这本书
在数据时代，数据处理和分析的能力成为各行各业不可或缺的技能。而在数据分析领域中，Excel占据着重要的地位。因为Excel是一种普及程度非常高的工具，几乎所有职场人都会使用它，也方便与他人共享数据和协作。同时它也提供了大量的功能和工具，并支持各种图表和可视化方式，可以快速完成一些简单的数据处理和分析任务。
但随着信息时代数据量越来越大，数据结构越来越复杂，有时只使用Excel处理数据效率较低或者不能完全实现分析者的功能需求。而Python作为一门强大的编程语言，在数据处理和分析方面有着广泛的应用和优势，因此越来越多的人开始学习和使用Python，用它和Excel相结合来进行数据分析。结合Python和Excel进行数据分析可以发挥它们各自的优点，既能利用Python的强大数据分析功能，又能使用Excel的易用性和数据共享特性，从而更好地完成数据分析任务。
本书从Python和Excel结合使用的角度讲解处理与分析数据的思路、方法与实战应用，以达到强强联手、快捷高效的目的，涵盖了数据获取、数据清洗、数据加工、数据统计、数据可视化等多个内容。既适合初学者快速掌握Python结合Excel进行数据处理和分析的基础知识，也适合有一定经验的读者深入学习数据分析的高级技巧。
在编写本书时，我们力求用通俗易懂的语言和生动形象的案例，帮助读者更好地理解使用Python结合Excel分析数据的基础知识和方法，培养读者对数据分析的兴趣和热情，使读者能够在实际工作中灵活运用Python Excel进行数据处理与分析。
本书还创新性地将ChatGPT引入教学当中，用ChatGPT解答疑问并提供上机实训，并介绍了使用ChatGPT辅助学习的一些实用技巧，给读者带来全新的学习方式。
本书除了适合希望从事数据分析岗位的学习者阅读，也可供其他职业的办公人员参考。我们希望通过这样一本书籍，让更多的人了解Python数据分析的基础知识和方法，进而在实际工作中更加高效和灵活地处理和分析Excel数据。
本书的特点
在编写此书时，我们的目标是通俗易懂、由浅入深，让初次接触数据分析的新手也可以顺利完成学习，掌握使用Python Excel进行数据分析的技能。
本书整体特点可归纳如下。
（1）浅显易懂：本书以浅显的语言和通俗易懂的案例，对Python结合Excel数据处理和分析进行全面讲解，让初学者轻松入门，没有相关背景知识也可以学习。
（2）系统全面：本书共12章，内容分为入门、进阶、实战三大部分，逐步讲解了Python在Excel数据处理和分析方面的应用，涵盖了数据处理和分析的各个流程，让读者全面掌握Python处理和分析Excel数据的技能。
（3）案例丰富：本书配有大量的案例和数据文件，可以让读者更深入地了解Python结合Excel 进行数据处理和分析的应用，让读者通过实际操作来掌握技能。
（4）拓展结合：书中还将数据分析与机器学习相结合，让读者能够了解数据分析在新技术领域的应用，从而提升自己的技能水平。
将AI前沿产品ChatGPT应用到学习的过程中，演示了如何利用ChatGPT辅助学习，提升数据分析的效率。
本书的内容安排 本书内容安排与知识架构如下。
写给读者的学习建议
阅读本书时，如果读者对Python编程尚不熟悉，建议从第1章开始按顺序学起。打好Python编程基础是使用Python进行Excel数据分析的必要条件。
如果读者已有Python基础，希望在数据分析方面进一步深入学习，则可以根据自身情况快速浏览或跳过2~4章的Python部分，重点关注进阶篇中数据分析的相关内容。
数据分析是一项偏重实践的技能，所以强烈建议读者不要错过本书最后部分的实战案例，并在掌握数据分析技能之后，尝试自己独立完成一遍整个分析过程。
另外，本书最后的附录部分介绍了快速上手ChatGPT的实用技巧，推荐读者学习。掌握ChatGPT这项利器，可以更快地获取所需的知识和技能，提升学习和工作的效率。
Excel和Python都是功能强大同时又相对容易上手的数据分析工具。只要能够坚持学习，同时不断在实际运用中练习，相信每一位读者都可以掌握这两个强大的工具，大大提升数据分析的能力和效率。
除了书，您还能得到什么
（1）案例源码。提供书中完整的案例源代码，方便读者参考学习。
（2）与书中案例同步的教学视频。
（3）精选10个数据分析实战案例及源码，供读者学习后进行巩固练习，增加数据分析的实践经验。案例地址：浏览器输入python666.cn/c/200即可进入获取。
（4）数据分析学习交流群。加群后可与其他学习者一起学习、交流讨论，并可在阅读本书遇到问题时得到解答，让读者在学习道路上少走弯路。QQ群号：467798911。
（5）PPT课件。本书配有与内容讲解一致的PPT课件，以便老师教学使用
|
|
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
