标签
内容简介
这是一本面向职场人和数据新人的 Python 数据分析入门书，核心思路是用 Excel 的操作习惯去理解 Python 的代码实现，从而降低学习门槛。全书按数据分析的常规流程组织：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。入门篇先讲数据分析是什么、为什么做、常见分析指标和完整流程，并说明 Excel 与 Python 各自的定位；实践篇从 Python 环境安装与 Jupyter Notebook 使用讲起，覆盖基础语法、字符串、列表、字典、元组、条件与循环、函数，再进入 Pandas 的 Series 与 DataFrame，逐章对应 Excel 中的操作，包括导入 xlsx、csv、txt、sql 数据，缺失值与重复值处理、异常值检测、类型转换与索引设置，行列选择，排序、替换、删除、计数、区间切分、长宽表转换，汇总运算，时间序列处理，分组与数据透视表，多表横向纵向拼接，结果导出为 xlsx、csv，以及 Matplotlib 可视化从画布坐标系到折线图、柱形图、散点图、箱形图、热力图、双坐标轴等常用图表。进阶篇给出报表自动化、自动发送电子邮件、超市与银行等场景的分析案例，并补充 NumPy 数组相关知识。全书约 369 千字，适合作为数据分析流程操作说明书，也适合当作案头速查工具书。
编辑推荐
学 Python 数据分析，很多人卡在第一步：代码看得懂，却不知道它在 Excel 里对应哪一步操作。这本书正好解决了这个难题：它用数据人早已熟悉的 Excel 操作当参照，同一步操作分别给出 Excel 的做法和 Pandas 的写法，让读者用熟悉的方式过渡到代码。全书按真实的分析流程组织，从导入数据、清洗预处理、筛选与数值操作，到分组透视、多表拼接、结果导出、画图呈现，顺序清楚、前后衔接紧密。它不讲形式化理论，而是直接回答某一步该怎么做，几乎每一章都能对应到日常工作中的实际动作。入门篇铺垫概念，实践篇是主体，进阶篇用报表自动化、自动收邮件和超市、银行两个行业案例，把前面的章节串起来。作者张俊红长期从事数据分析，熟悉 Python、SQL、Excel，书里的例子偏向真实办公场景。对 Excel 熟练、又想让重复工作自动化的职场人，这本书的性价比很高。提醒一句：本书出版于 2019 年，部分库的版本与写法已有更新，练习时注意对照官方文档。
适合谁读
适合
- 会使用 Excel 做日常统计报表、希望转向 Python 的职场人
- 刚入行或准备转行的数据分析师、业务分析岗新员工
- 需要把重复的 Excel 操作自动化、提高工作效率的人员
- 已学过 Python 基础语法、想把 Pandas 用在实际工作里的初学者
不适合
- 想深入统计建模、机器学习的读者，本书不涉及这些模型推导
- 完全没有 Excel 基础、连透视表和 VLOOKUP 都不熟悉的零基础读者
- 希望系统学习 Python 语言本身或开发工程实践的读者
阅读建议
- 对照阅读：遇到一个 Python 写法，先回想自己平时用 Excel 怎么操作，再理解代码逻辑。
- 动手复现：务必安装 Jupyter Notebook，把每章示例数据亲手跑一遍，理解每行代码的作用。
- 勤查手册：本书出版于 2019 年，Pandas 和 Matplotlib 版本更新较快，遇到报错优先查官方文档。
- 学以致用：读完第 14 章后，挑一份自己工作中的 Excel 报表，试着用 Python 把它重做一次。
出版社简介
电子工业出版社
中国 · 成立于 1982 年
电子工业出版社是一家以电子信息及相关领域为出版特色的综合性出版社。从库内三千余种图书来看，其出版方向覆盖编程设计、人工智能、计算机综合、财经、摄影与社科等门类，既关注技术前沿，也兼顾大众阅读。代表图书包括《因子投资：方法与实践》《x86汇编语言：从实模式到保护模式》《RISC-V开放架构设计之道》《人工智能：语音识别理解与实践》《相控阵雷达技术》《雷达目标特性》及《100个Go语言典型错误》等，多围绕技术方法与工程实践展开。作者资源方面，有石川、李忠、王晓波、大卫·帕特森、安德鲁·沃特曼、余子濠等中外作者。受公开资料所限，暂不展开更多出版特色。
目录
- 第1章 数据分析基础（分析目的、常用指标与常规流程，Excel与Python的定位）
- 第2章 熟悉锅——Python基础知识（环境安装、Jupyter Notebook、基本语法与数据结构）
- 第3章 Pandas数据结构（Series与DataFrame）
- 第4章 准备食材——获取数据源（导入xlsx、csv、txt、sql与预览数据）
- 第5章 淘米洗菜——数据预处理（缺失值、重复值、异常值、类型转换、索引设置）
- 第6章 菜品挑选——数据选择（列选择、行选择与行列同时选择）
- 第7章 切配菜品——数值操作（替换、排序、排名、删除、计数、区间切分、长宽表转换）
- 第8章 开始烹调——数据运算（算术、比较、汇总与相关性运算）
- 第9章 炒菜计时器——时间序列
- 第10章 菜品分类——数据分组/数据透视表
- 第11章 水果拼盘——多表拼接（横向与纵向拼接）
- 第12章 盛菜装盘——结果导出（导出为xlsx、csv及多Sheet）
- 第13章 菜品摆放——数据可视化（画布坐标系、常用图表与图表格式设置）
- 第14章 典型数据分析案例（报表自动化、自动发送邮件、超市与银行分析）
- 第15章 NumPy数组
常见问题
完全没有编程基础能看懂这本书吗？
可以。作者刻意用 Excel 操作作参照，不从代码语法讲起；但前提是你要熟悉 Excel 的常用操作，本书更偏向让懂 Excel 的人过渡到 Python，而不是从零讲起。
这本书用的是哪个 Python 库？
主体是 Pandas，涵盖数据导入、清洗、筛选、分组透视、多表拼接与导出；图表部分使用 Matplotlib，进阶篇第 15 章补充 NumPy 数组基础，不涉及 scikit-learn 等建模库。
书中的代码和现在的库版本能兼容吗？
本书 2019 年出版，Pandas 与 Matplotlib 后续版本有接口变化，部分写法可能报弃用警告，需要按官方文档微调。
这本书有配套数据和代码吗？
书中案例以示例数据配合讲解为主，实际练习时建议自备同结构的小数据集，跟着章节一步步操作，效果最好。
读完这本书能达到什么水平？
大致能用 Pandas 完成一份中等复杂度的数据分析：取数、清洗、汇总、透视、导出与可视化，并可尝试用脚本替代重复的 Excel 报表工作。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
张俊红
作者
张俊红是一位公开资料有限的作者，库内收录其作品一种，即《对比Excel，轻松学习Python报表自动化》。从书名与常见分类看，该书属于软件学习类图书，面向希望借助已有表格软件经验进入Python报表自动化领域的读者，以对比的方式降低学习门槛，突出实用性与可操作性。作者在写作中注重贴近日常办公场景，把编程知识与报表处理需求结合起来，帮助读者理解两种工具之间的异同与衔接。由于生卒年、国籍、学历与职业经历等均未见可靠记载，本简介不作推测，仅就其作品的题材定位与写作取向作简要说明，后续如有更多公开信息可再补充。
