标签
内容简介
本书内容分3个部分共12章。第1-4章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章主要介绍数据处理和分析的各种方法。第10-12章介绍了如何结合Python与Excel在实际工作中进行数据处理与分析操作。
编辑推荐
这本书的定位很明确：把Python数据分析与Excel日常操作接在一起，而不是另起炉灶讲一门编程语言。前四章铺开数据分析概念与Python基础，中间五章集中讲数据处理与分析方法，最后三章落到Python与Excel协同完成实际工作的场景。对已经熟悉Excel、但被重复操作和复杂公式拖慢效率的职场人来说，这种编排降低了切换工具的心理门槛。书中结合ChatGPT辅助编写与调试代码的思路，能帮助初学者跨过“不知道怎么写”的卡点，但读者仍需亲手运行代码才能获得真实收益。整体适合作为案头工具书，按工作需求跳读对应章节，比从头到尾通读更有效。若指望读完立刻精通数据分析全流程，则需补足统计与业务理解方面的训练。
适合谁读
适合
- 熟悉Excel基本操作、想用Python提升数据处理效率的职场人
- 需要处理报表与清洗数据，但编程基础薄弱的行政或运营人员
- 希望借助ChatGPT辅助写代码、降低入门门槛的初学者
- 把数据分析作为辅助技能、而非专职方向的学习者
不适合
- 完全没有Excel基础、也缺乏数据整理概念的纯零基础读者
- 寻求统计学理论、机器学习算法系统训练的读者
- 期待深入讲解Python工程化与大型项目开发的程序员
阅读建议
- 先翻目录标记与当前工作最接近的章节，带着具体任务跳读并动手复现
- 每学一个数据处理方法，就用自己手头的一份表格替换示例数据重做一遍
- 使用ChatGPT辅助时，先自己写一版再让工具修改，比较差异以理解代码逻辑
- 读完第5至9章后，用第10至12章的案例做一次完整串联练习
出版社简介
北京大学出版社
中国 · 成立于 1979 年
北京大学出版社是一家综合性大学出版社，其出版方向涵盖古典文学、科学科普、社会文化、世界史、西方哲学与文化等领域。库内收录图书6031种，代表性图书包括《红楼梦》《狭义与广义相对论浅说（第15版）（附爱因斯坦关于统一场论及其他经典论文）》《几何原本》《圆锥曲线论》《东晋门阀政治》《神话哲学（上卷）》《神话哲学（下卷）》《海陆的起源》等。代表作者有曹雪芹、周汝昌、爱因斯坦、欧几里得、阿波罗尼奥斯、田余庆、谢林、先刚等。该社在古典文学与西方哲学原典译介方面形成特色，兼及科学经典与社会文化研究。因公开资料有限，此处仅依据库内图书呈现其出版方向，不作额外延伸。
目录
- 版权信息
- 内容提要
- 前言
- 第1章 数据分析基础
- 1.1 什么是数据分析
- 1.2 数据分析的目的
- 1.3 数据分析的步骤
- 1.4 数据分析的工具
- ChatGPT学习答疑
- 本章小结
- 第2章 Python编程环境的搭建
- 2.1 Anaconda的下载与安装
- 2.2 Jupyter Notebook的使用
- ChatGPT学习答疑
- 本章小结
- 第3章 Python语法入门知识
- 3.1 Python快速入门
- 3.2 运算符
- 3.3 常见数据类型
- 3.4 数据类型——列表
- 3.5 数据类型——字典
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第4章 Python语法基础知识
- 4.1 Python条件语句
- 4.2 Python循环语句
- 4.3 Python嵌套语句
- 4.4 Python内置函数
- 4.5 Python自定义函数
- 4.6 匿名函数
- 4.7 库
- 4.8 Python常用编程术语
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第5章 数据的获取与准备
- 5.1 数据结构——Series
- 5.2 数据结构——DataFrame
- 5.3 数据的读取与写入
- 5.4 数据的查看
- 5.5 数据的选择
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第6章 数据的清洗
- 6.1 添加和修改标签
- 6.2 查找数据
- 6.3 替换数据
- 6.4 插入数据
- 6.5 删除数据
- 6.6 处理重复值
- 6.7 处理缺失值
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第7章 数据的加工
- 7.1 转换数据
- 7.2 合并数据
- 7.3 数据排序
- 7.4 数据排名
- 7.5 筛选数据
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第8章 数据的统计与分析
- 8.1 数据的分类汇总
- 8.2 数据的运算
- 8.3 数据的分析
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第9章 数据的可视化
- 9.1 制作简单图表
- 9.2 设置图表元素
- 9.3 制作其他图表
- ChatGPT学习答疑
- ChatGPT上机实训
- 本章小结
- 第10章 实战应用：商品销售数据分析
- 10.1 应用场景
- 10.2 获取数据
- 10.3 合并和分类统计数据
- 10.4 分析商品每月的销售变化趋势
- 10.5 分析每月各商品大类的销售情况
- 10.6 分析全年各商品小类的销售情况
- 本章小结
- 第11章 实战应用：产品定价数据分析
- 11.1 应用场景
- 11.2 获取数据
- 11.3 查看数据情况
- 11.4 数值化处理数据
- 11.5 产品定价的预测
- 11.6 产品定价的评估
- 本章小结
- 第12章 实战应用：用户消费行为分析
- 12.1 应用场景
- 12.2 获取数据
- 12.3 统计和分类汇总数据
- 12.4 分析每月的消费数量变化趋势
- 12.5 分析每月的消费金额变化趋势
- 12.6 分析用户的消费水平
- 12.7 分析不同消费水平用户的分布情况
- 本章小结
- 附录 ChatGPT小白快速上手实用技巧
- 1 用ChatGPT讲解概念
- 2 用ChatGPT提供示例
- 3 用ChatGPT查询报错信息
- 4 用ChatGPT调试代码
- 5 用ChatGPT生成测试数据
- 6 用ChatGPT获取解决思路
- 7 用ChatGPT批量处理文件
- 8 用ChatGPT整理分析数据
- 9 用ChatGPT绘制可视化图表
- 10 逐步引导及修正ChatGPT的回答
常见问题
完全不会Python，能直接学这本书吗？
可以入门，但需要投入时间。第1至4章覆盖编程环境和基础语法，建议按顺序学并亲手敲代码。若连变量、循环等概念都未接触，可先配合一门短课程打底，再回到本书做数据分析练习。
书中的ChatGPT部分会过时吗？
工具界面和模型版本会变化，但书中重点应是借助对话辅助理解与编写代码的思路。读者应关注如何描述需求、如何检查生成结果，而不是记住某个固定操作步骤，这样工具更新后仍能迁移使用。
学完能独立完成Excel数据分析工作吗？
本书覆盖数据处理与分析的常见方法，并演示Python与Excel协同操作，能帮助读者完成许多日常任务。但独立完成分析还需要理解业务目标、判断数据质量并选择合适方法，这些需要在真实工作中反复练习。
需要安装哪些软件？
需要Python运行环境，通常还会使用Excel。具体安装步骤和所需工具书中第1至4章会有说明，建议按书中指引配置，避免自行拼凑环境导致版本冲突。安装后先运行示例确认环境可用。
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
袁昕
作者
袁昕，公开资料有限，从库内收录的四种作品来看，其写作主要围绕编程教育与养老产业研究两个方向展开。在编程类图书中，袁昕以“码上行动”为系列名，面向零基础读者讲解 Python 编程，并引入 ChatGPT 作为辅助工具，内容涉及用 Python 与 ChatGPT 高效完成 Excel 数据分析等实用场景，写作偏重操作性与入门引导，强调借助新工具降低学习门槛、提升办公效率。在社科领域，袁昕参与撰写养老产业发展研究报告，关注健康中国背景下的幸福养老议题，体现出对现实产业与公共政策的观察。整体而言，其作品兼顾技术普及与社会议题，面向初学者和关注养老产业的读者。
