《對比Excel，輕松學習Pyrhon數據分析》

集Python、Excel、數據分析為一體是本書的一大特色。

本書圍繞整個數據分析的常規流程：熟悉工具—明確目的—獲取數據—熟悉數據—處理數據—分析數據—得出結論—驗證結論—展示結論進行Excel和Python的對比實現，告訴你每一個過程中都會用到什麼，過程與過程之間有什麼聯繫。本書既可以作為繫統學習數據分析操作流程的說明書，也可以作為一本數據分析師案頭的實操工具書。

本書通過對比Excel功能操作去學習Python的代碼實現，而不是直接學習Python代碼，大大降低了學習門檻，消除了讀者對代碼的恐懼心理。適合剛入行的數據分析師，也適合對Excel比較熟練的數據分析師，以及從事其他崗位想提高工作效率的職場人。

《對比Excel，輕松學習Python 報表自動化》

本書繼承了對比學習的特點，全書內容圍繞Excel 功能區的各個模塊，通過對比Excel 的方式來詳細講解每個模塊中對應的Python 代碼如何實現，輕松、快速地幫助職場人實現報表自動化，提高工作效率。本書主要分為4 個部分：第1 部分介紹Python 基礎知識，讓讀者對Python 中常用的操作和概念有所了解；第2 部分介紹格式相關的設置方法，包括字體設置、條件格式設置等內容；第3 部分介紹各種類型的函數；第4 部分介紹自動化相關的其他技能，比如自動發送郵件、自動打包等操作。

本書適合每天需要做很多報表，希望通過學習報表自動化來提高工作效率的所有讀者，包括但不限於分析師、數據運營、財務等人群。

《對比Excel，輕松學習Python數據分析》目錄

入門篇

第1 章 數據分析基礎 . 2

1.1 數據分析是什麼  2

1.2 為什麼要做數據分析  2

1.2.1 現狀分析 . 3

1.2.2 原因分析 . 3

1.2.3 預測分析 . 3

1.3 數據分析究竟在分析什麼  4

1.3.1 總體概覽指標 . 4

1.3.2 對比性指標 . 4

1.3.3 集中趨勢指標 . 4

1.3.4 離散程度指標 . 5

1.3.5 相關性指標 . 5

1.3.6 相關關繫與因果關繫 . 6

1.4 數據分析的常規流程  6

1.4.1 熟悉工具 . 6

1.4.2 明確目的 . 7

1.4.3 獲取數據 . 7

1.4.4 熟悉數據 . 7

1.4.5 處理數據 . 7

1.4.6 分析數據 . 8

1.4.7 得出結論 . 8

1.4.8 驗證結論 . 8

1.4.9 展示結論 . 8

1.5 數據分析工具：Excel 與Python .. 8

實踐篇

第2 章 熟悉鍋——Python 基礎知識 . 12

2.1 Python 是什麼 .. 12

2.2 Python 的下載與安裝 .. 13

2.2.1 安裝教程 ... 13

2.2.2 IDE 與IDLE . 17

2.3 介紹Jupyter Notebook  17

2.3.1 新建Jupyter Notebook 文件  17

2.3.2 運行你的段代碼 ... 19

2.3.3 重命名Jupyter Notebook 文件  19

2.3.4 保存Jupyter Notebook 文件  19

2.3.5 導入本地Jupyter Notebook 文件  20

2.3.6 Jupyter Notebook 與Markdown ... 21

2.3.7 為Jupyter Notebook 添加目錄  21

2.4 基本概念 .. 26

2.4.1 數 ... 26

2.4.2 變量 ... 26

2.4.3 標識符 ... 27

2.4.4 數據類型 ... 28

2.4.5 輸出與輸出格式設置 ... 28

2.4.6 縮進與注釋 ... 29

2.5 字符串 .. 30

2.5.1 字符串的概念 ... 30

2.5.2 字符串的連接 ... 30

2.5.3 字符串的復制 ... 30

2.5.4 獲取字符串的長度 ... 30

2.5.5 字符串查找 ... 31

2.5.6 字符串索引 ... 31

2.5.7 字符串分隔 ... 32

2.5.8 移除字符 ... 32

2.6 數據結構——列表 .. 33

2.6.1 列表的概念 ... 33

2.6.2 新建一個列表 ... 33

2.6.3 列表的復制 ... 34

2.6.4 列表的合並 ... 34

2.6.5 向列表中素 ... 34

2.6.6 獲取列表中值出現的次數 ... 35

2.6.7 獲取列表中值出現的位置 ... 35

2.6.8 獲取列表中指定位置的值 ... 36

2.6.9 刪除列表中的值 ... 36

2.6.10 對列表中的值進行排序 . 37

2.7 數據結構——字典 .. 37

2.7.1 字典的概念 ... 37

2.7.2 新建一個字典 ... 37

2.7.3 字典的keys()、values()和items()方法 ... 37

2.8 數據結構—&mda組 .. 38

2.8組的概念 ... 38

2.8.2 新組 ... 38

2.8.3組的長度 ... 38

2.8.4素 ... 39

2.8組與列表相互轉換 ... 39

2.8.6 zip()函數 ... 39

2.9 運算符 .. 40

2.9.1 算術運算符 ... 40

2.9.2 比較運算符 ... 40

2.9.3 邏輯運算符 ... 41

2.10 循環語句  41

2.10.1 for 循環 ... 41

2.10.2 while 循環 ... 42

2.11 條件語句  43

2.11.1 if 語句 . 43

2.11.2 else 語句 .. 44

2.11.3 elif 語句 .. 45

2.12 函數  46

2.12.1 普通函數 . 47

2.12.2 匿名函數 . 48

2.13 高級特性  49

2.13.1 列表生成式 . 49

2.13.2 map 函數 . 50

2.14 模塊  50

第3 章 Pandas 數據結構 . 51

3.1 Series 數據結構 ... 51

3.1.1 Series 是什麼  51

3.1.2 創建一個Series  52

3.1.3 利用index 方法獲取Series 的索引  53

3.1.4 利用values 方法獲取Series 的值 ... 53

3.2 DataFrame 表格型數據結構 ... 53

3.2.1 DataFrame 是什麼  53

3.2.2 創建一個DataFrame  54

3.2.3 獲取DataFrame 的行、列索引 ... 56

3.2.4 獲取DataFrame 的值 ... 56

第4 章 準備食材——獲取數據源 .. 57

4.1 導入外部數據 .. 57

4.1.1 導入.xlsx 文件 .. 57

4.1.2 導入.csv 文件 ... 60

4.1.3 導入.txt 文件  63

4.1.4 導入sql 文件  65

4.2 新建數據 .. 67

4.3 熟悉數據 .. 67

4.3.1 利用head 預覽前幾行 . 67

4.3.2 利用shape 獲取數據表的大小  68

4.3.3 利用info 獲取數據類型 .. 69

4.3.4 利用describe 獲取數值分布情況  71

第5 章 淘米洗菜——數據預處理 .. 73

5.1 缺失值處理 .. 73

5.1.1 缺失值查看 ... 73

5.1.2 缺失值刪除 ... 75

5.1.3 缺失值填充 ... 77

5.2 重復值處理 .. 78

5.3 異常值的檢測與處理 .. 81

5.3.1 異常值檢測 ... 81

5.3.2 異常值處理 ... 82

5.4 數據類型轉換 .. 83

5.4.1 數據類型 ... 83

5.4.2 類型轉換 ... 84

5.5 索引設置 .. 86

5.5.1 為無索引表添加索引 ... 86

5.5.2 重新設置索引 ... 87

5.5.3 重命名索引 ... 88

5.5.4 重置索引 ... 89

第6 章 菜品挑選——數據選擇 . 91

6.1 列選擇 .. 91

6.1.1 選擇某一列/某幾列 .. 91

6.1.2 選擇連續的某幾列 ... 92

6.2 行選擇 .. 93

6.2.1 選擇某一行/某幾行 .. 93

6.2.2 選擇連續的某幾行 ... 94

6.2.3 選擇滿足條件的行 ... 95

6.3 行列同時選擇 .. 96

6.3.1 普通索引 普通索引選擇指定的行和列 . 97

6.3.2 位置索引 位置索引選擇指定的行和列 . 97

6.3.3 布爾索引 普通索引選擇指定的行和列 . 98

6.3.4 切片索引 切片索引選擇指定的行和列 . 98

6.3.5 切片索引 普通索引選擇指定的行和列 . 99

第7 章 切配菜品——數值操作 ... 100

7.1 數值替換  100

7.1.1 一對一替換 . 100

7.1.2 多對一替換 . 102

7.1.3 多對多替換 . 103

7.2 數值排序  104

7.2.1 按照一列數值進行排序 . 104

7.2.2 按照有缺失值的列進行排序 . 106

7.2.3 按照多列數值進行排序 . 106

7.3 數值排名  108

7.4 數值刪除 . 110

7.4.1 刪除列 .. 110

7.4.2 刪除行 .. 111

7.4.3 刪除特定行 .. 112

7.5 數值計數 . 113

7.6 值獲取 . 114

7.7 數值查找 . 115

7.8 區間切分 . 116

7.9 插入新的行或列 . 119

7.10 行列互換 .. 120

7.11 索引重塑 .. 121

7.12 長寬表轉換 .. 122

7.12.1 寬表轉換為長表 ... 123

7.12.2 長表轉換為寬表 ... 125

7.13 apply()與applymap()函數 ... 126

第8 章 開始烹調——數據運算 ... 127

8.1 算術運算  127

8.2 比較運算  128

8.3 彙總運算  129

8.3.1 count 非空值計數 ... 129

8.3.2 sum 求和 . 130

8.3.3 mean 求均值 ... 130

8.3.4 max 求值 . 131

8.3.5 min 求小值 . 132

8.3.6 median 求中位數  132

8.3.7 mode 求眾數 ... 133

8.3.8 var 求方差 ... 134

8.3.9 std 求標準差 ... 134

8.3.10 quantile 求分位數 . 135

8.4 相關性運算  136

第9 章 炒菜計時器——時間序列  138

9.1 獲取當前時刻的時間  138

9.1.1 返回當前時刻的日期和時間 . 138

9.1.2 分別返回當前時刻的年、月、日 . 138

9.1.3 返回當前時刻的周數 . 139

9.2 指定日期和時間的格式  140

9.3 字符串和時間格式相互轉換  141

9.3.1 將時間格式轉換為字符串格式 . 141

9.3.2 將字符串格式轉換為時間格式 . 141

9.4 時間索引  142

9.5 時間運算  145

9.5.1 兩個時間之差 . 145

9.5.2 時間偏移 . 145

第10 章 菜品分類——數據分組/數據透視表 .. 148

10.1 數據分組 .. 148

10.1.1 分組鍵是列名 ... 150

10.1.2 分組鍵是Series  151

10.1.3 神奇的aggregate 方法 . 152

10.1.4 對分組後的結果重置索引 ... 153

10.2 數據透視表 .. 154

第11 章 水果拼盤——多表拼接 . 158

11.1 表的橫向拼接 .. 158

11.1.1 連接表的類型 ... 158

11.1.2 連接鍵的類型 ... 160

11.1.3 連接方式 ... 163

11.1.4 重復列名處理 ... 165

11.2 表的縱向拼接 .. 165

11.2.1 普通合並 ... 166

11.2.2 索引設置 ... 167

11.2.3 重疊數據合並 ... 167

第12 章 盛菜裝盤——結果導出 . 169

12.1 導出為.xlsx 文件 . 169

12.1.1 設置文件導出路徑 ... 170

12.1.2 設置Sheet 名稱  170

12.1.3 設置索引 ... 170

12.1.4 設置要導出的列 ... 171

12.1.5 設置編碼格式 ... 171

12.1.6 缺失值處理 ... 172

12.1.7 無窮值處理 ... 172

12.2 導出為.csv 文件 ... 173

12.2.1 設置文件導出路徑 ... 173

12.2.2 設置索引 ... 174

12.2.3 設置要導出的列 ... 174

12.2.4 設置分隔符號 ... 174

12.2.5 缺失值處理 ... 174

12.2.6 設置編碼格式 ... 175

12.3 將文件導出到多個Sheet  175

第13 章 菜品擺放——數據可視化 .. 176

13.1 數據可視化是什麼 .. 176

13.2 數據可視化的基本流程 .. 176

13.2.1 整理數據 ... 176

13.2.2 明確目的 ... 177

13.2.3 尋找合適的表現形式 ... 177

13.3 圖表的基素 .. 177

13.4 Excel 與Python 可視化 ... 179

13.5 建立畫布和坐標繫 .. 179

13.5.1 建立畫布 ... 179

13.5.2 用add_subplot 函數建立坐標繫 . 180

13.5.3 用plt.subplot2grid 函數建立坐標繫  182

13.5.4 用plt.subplot 函數建立坐標繫  183

13.5.5 用plt.subplots 函數建立坐標繫 .. 184

13.5.6 幾種創建坐標繫方法的區別 ... 185

13.6 設置坐標軸 .. 185

13.6.1 設置坐標軸的標題 ... 185

13.6.2 設置坐標軸的刻度 ... 187

13.6.3 設置坐標軸的範圍 ... 190

13.6.4 坐標軸的軸顯示設置 ... 191

13.7 其他圖表格式的設置 .. 191

13.7.1 網格線設置 ... 191

13.7.2 設置圖例 ... 193

13.7.3 圖表標題設置 ... 195

13.7.4 設置數據標簽 ... 197

13.7.5 圖表注釋 ... 198

13.7.6 數據表 ... 199

13.8 繪制常用圖表 .. 201

13.8.1 繪制折線圖 ... 201

13.8.2 繪制柱形圖 ... 204

13.8.3 繪制條形圖 ... 208

13.8.4 繪制散點圖 ... 209

13.8.5 繪制氣泡圖  211

13.8.6 繪制面積圖 ... 212

13.8.7 繪制樹地圖 ... 213

13.8.8 繪制雷達圖 ... 215

13.8.9 繪制箱形圖 ... 217

13.8.10 繪制餅圖 . 218

13.8.11 繪制圓環圖 . 220

13.8.12 繪制熱力圖 . 221

13.8.13 繪制水平線和垂直線 . 223

13.9 繪制組合圖表 .. 224

13.9.1 折線圖 折線圖  224

13.9.2 折線圖 柱形圖  225

13.10 繪制雙坐標軸圖表  226

13.10.1 繪制雙y 軸圖表 . 227

13.10.2 繪制雙x 軸圖表 . 228

13.11 繪圖樣式設置  228

進階篇

第14 章 典型數據分析案例  234

14.1 利用Python 實現報表自動化 . 234

14.1.1 為什麼要進行報表自動化 ... 234

14.1.2 什麼樣的報表適合自動化 ... 234

14.1.3 如何實現報表自動化 ... 235

14.2 自動發送電子郵件 .. 239

14.3 假如你是某連鎖超市的數據分析師 .. 241

14.3.1 哪些類別的商品比較暢銷 ... 242

14.3.2 哪些商品比較暢銷 ... 242

14.3.3 不同門店的銷售額占比 ... 243

14.3.4 哪些時間段是超市的客流高峰期 ... 244

14.4 假如你是某銀行的數據分析師 .. 245

14.4.1 是不是收入越高的人壞賬率越低 ... 246

14.4.2 年齡和壞賬率有什麼關繫 ... 247

14.4.3 家庭人口數量和壞賬率有什麼關繫 ... 248

第15 章 NumPy 數組 . 250

15.1 NumPy 簡介 . 250

15.2 NumPy 數組的生成 . 250

15.2.1 生成一般數組 ... 251

15.2.2 生成特殊類型數組 ... 251

15.2.3 生成隨機數組 ... 253

15.3 NumPy 數組的基本屬性 . 255

15.4 NumPy 數組的數據選取 . 256

15.4.1 一維數據選取 ... 256

15.4.2 多維數據選取 ... 257

15.5 NumPy 數組的數據預處理 . 259

15.5.1 NumPy 數組的類型轉換 .. 259

15.5.2 NumPy 數組的缺失值處理 .. 260

15.5.3 NumPy 數組的重復值處理 .. 260

15.6 NumPy 數組重塑 . 261

15.6.1 一維數組重塑 ... 261

15.6.2 多維數組重塑 ... 261

15.6.3 數組轉置 ... 262

15.7 NumPy 數組合並 . 262

15.7.1 橫向合並 ... 262

15.7.2 縱向合並 ... 263

15.8 常用數據分析函數 .. 264

15.8素級函數 ... 264

15.8.2 描述統計函數 ... 264

15.8.3 條件函數 ... 266

15.8.4 集合關繫 ... 266

《對比Excel，輕松學習Python報表自動化》目錄

第1 部分 Python 基礎

第1 章 認識自動化報表 / 2

1.1 Excel 的基本組成  2

1.2 制作一份自動化報表的流程3

1.3 用Python 操作Excel 的各種庫  . 4

第2 章 Python 基礎知識 / 5

2.1 Python 是什麼5

2.2 Python 的下載與安裝. 5

2.2.1 安裝教程. 5

2.2.2 IDE 與IDLE   . 18

2.3 Jupyter Notebook 介紹  19

2.3.1 新建Jupyter Notebook 文件  19

2.3.2 運行你的段代碼  20

2.3.3 重命名Jupyter Notebook 文件20

2.3.4 保存Jupyter Notebook 文件  21

2.3.5 導入本地Jupyter Notebook 文件 22

2.3.6 Jupyter Notebook 與Markdown. 23

2.4 基本概念23

2.4.1 數. 23

2.4.2 變量  24

2.4.3 標識符. 25

2.4.4 數據類型25

2.4.5 輸出與輸出格式設置. 25

2.4.6 縮進與注釋  26

2.5 字符串  27

2.5.1 字符串概念27

2.5.2 字符串連接. 27

2.5.3 字符串復制. 28

2.5.4 字符串長度  28

2.5.5 字符串查找28

2.5.6 字符串索引29

2.5.7 字符串分隔30

2.5.8 字符刪除 31

2.6 數據結構——列表 31

2.6.1 列表概念31

2.6.2 新建一個列表31

2.6.3 列表復制  32

2.6.4 列表合並. 32

2.6.5 向列表中插素  33

2.6.6 獲取列表中值出現的次數  33

2.6.7 獲取列表中值出現的位置  34

2.6.8 獲取列表中指定位置的值  34

2.6.9 對列表中的值進行刪除35

2.6.10 對列表中的值進行排序35

2.7 數據結構——字典35

2.7.1 字典概念  35

2.7.2 新建一個字典  36

2.7.3 字典的keys()、values()和items()方法36

2.8 數據結構—&mda組37

2.8組概念 37

2.8.2 新組  37

2.8.3組的長度. 37

2.8.4素  37

2.8組與列表相互轉換. 38

2.8.6 zip()函數38

2.9 運算符39

2.9.1 算術運算符. 39

2.9.2 比較運算符  39

2.9.3 邏輯運算符. 40

2.10 循環語句  40

2.10.1 for 循環  . 40

2.10.2 while 循環 40

2.11 條件語句 41

2.11.1 if 條件語句    41

2.11.2 else 語句  43

2.11.3 elif 語句  44

2.12 函數. 45

2.12.1 普通函數 45

2.12.2 匿名函數. 46

2.13 高級特性 47

2.13.1 列表生成式. 47

2.13.2 map()函數 48

2.14 庫. 48

2.14.1 安裝一個新庫  49

2.14.2 卸載一個庫. 50

第2 部分 格式設置

第3 章 用Python 對報表進行基本操作 / 52

3.1 打開已有的工作簿  52

3.2 創建新的工作簿 54

3.2.1 在創建工作簿時插入數據 54

3.2.2 對格賦值. 55

3.2.3 對格賦值   . 55

3.2.4 對多行進行賦值. 56

3.3 Pandas 與openpyxl 之間的轉換    57

3.4 Sheet 相關設置  58

3.4.1 新建一個Sheet58

3.4.2 對已有Sheet 進行設置  61

第4 章 用Python 格選擇和字體設置 / 63

4.1 用Python 格  63

4.1.1 選擇格. 63

4.1.2 選擇格. 63

4.2 用Python 設置Excel 字體  . 64

4.2.1 基本字體相關設置. 64

4.2.格填充  68

4.2.3 邊框線設置  70

4.2.4 案例：批量格字體 74

第5 章 用Python 設置Excel 對齊方式 / 76

5.1 設置對齊方式  76

5.2 合並與格81

5.3 設置格樣式  83

5.4 案例：批量格對齊方式  83

第6 章 用Python 設置Excel 數字、條件格式 / 86

6.1 用Python 設置Excel 數字格式  . 86

6.2 用Python 設置Excel 條件格式 89

6.2.1 突出格  . 90

6.2.2 數據條92

6.2.3 色階 96

6.2.4 圖標集  99

第7 章 用Python 設置Exce格 / 105

7.1 插入行或列    105

7.2 刪除行或列  107

7.3 行高/列寬的設置 109

7.4 隱藏行或列   110

7.5 案例：批量設置多行/列的行高/列寬  111

第8 章 用Python 對Excel 進行編輯 / 113

8.1 數據排序  113

8.2 數據篩選  114

8.3 數據查找與替換  116

第3 部分 函數

第9 章 用Python 實現Excel 中的函數計算 / 118

9.1 函數中的常見錯誤  . 118

9.1.1 #DIV/0!錯誤  . 118

9.1.2 #N/A 錯誤   . 120

9.1.3 #VALUE!錯誤  . 124

9.1.4 #NAME?錯誤  125

9.1.5 #REF!錯誤125

9.2 邏輯函數  . 126

9.2.1 IF()函數：判斷條件是否滿足  . 126

9.2.2 AND()函數：判斷多個條件是否同時滿足129

9.2.3 OR()函數：判斷多個條件中是否有其中一個滿足 130

9.2.4 IFERROR()函數：對錯誤值進行處理  132

9.3 文本函數. 132

9.3.1 文本截取. 132

9.3.2 文本合並  138

9.3.3 文本查找與替換  142

9.4 日期與時間函數  . 150

9.4.1 獲取當前的日期、時間  150

9.4.2 獲取日期和時間中的某部分  152

9.4.3 日期時間的運算——兩個日期之間的差值. 165

9.5 查找與引用. 168

9.5.1 VLOOKUP()函數：在多列以及多表中查找數據 168

9.5.2 ROWS()函數：獲取區域中的行數  . 170

9.5.3 COLUMNS()函數：獲取區域中的列數  . 171

9.6 數學和三角函數    . 172

9.6.1 常規計算函數  172

9.6.2 格式調整函數  . 176

9.6.3 指數與對數函數  . 183

9.7 統計函數  . 187

9.7.1 均值相關  . 187

9.7.2 計數相關. 190

9.7.3 值函數  . 193

9.7.4 排位相關函數. 196

9.7.5 統計相關函數. 204

9.8 自定義公式  . 206

第4 部分 自動化報表

第10 章 審閱和視圖設置 / 210

10.1 新建批注  . 210

10.2 文檔保護  212

10.3 凍結窗格  213

第11 章 用Python 繪制Excel 圖表 / 216

11.1 圖表基素216

11.2 圖表繪制基本流程218

11.3 圖表基本設置  220

11.3.1 圖表標題  220

11.3.2 坐標軸標題220

11.3.3 圖例設置  . 221

11.4 圖表繪制. 221

11.4.1 折線圖  221

11.4.2 柱狀圖. 221

11.4.3 面積圖223

11.4.4 散點圖  . 224

11.4.5 氣泡圖  226

11.4.6 圖表布局. 228

11.5 如何將圖片插入Excel 中  229

第12 章 用Python 對Excel 文件進行批量操作 / 231

12.1 OS 庫介紹. 231

12.2 OS 庫基本操作. 231

12.2.1 獲取當前工作路徑  . 231

12.2.2 獲取一個文件夾下的所有文件名  231

12.2.3 對文件進行重命名232

12.2.4 創建一個文件夾. 232

12.2.5 刪除一個文件夾  . 233

12.2.6 刪除一個文件 233

12.3 批量操作   . 233

12.3.1 批量讀取一個文件夾下的多個文件  233

12.3.2 批量創建文件夾  234

12.3.3 批量重命名文件  235

12.4 其他批量操作 236

12.4.1 批量合並多個文件236

12.4.2 將一份文件按照指定列拆分成多個文件237

第13 章 自動發送郵件 / 239

13.1 使用郵箱的步  . 239

13.2 一份郵件的組成  . 239

13.3 如何發送郵件. 240

13.4 正式發送一份郵件241

13.5 批量發送郵件. 243

第14 章 將Python 代碼轉化為可執行的程序 / 245

14.1 安裝所需要的Python 庫245

14.2 對代碼進行打包 246

第15 章 工作中的報表自動化實戰 / 249

15.1 當日各項指標的同/環比情況  249

15.2 當日各省份創建訂單量情況 253

15.3 近一段時間創建訂單量趨勢. 255

15.4 將不同的結果進行合並256

15.4.1 將不同的結果合並到同一個Sheet 中  256

15.4.2 將不同的結果合並到同一工作簿的不同Sheet 中261

《對比Excel，輕松學習Python數據分析》前言

為什麼要寫這本書

本書既是一本數據分析的書，也是一本Excel數據分析的書，同時還是一本Python數據分析的書。在互聯網上，無論是搜索數據分析，還是搜索Excel數據分析，亦或是搜索Python數據分析，我們都可以找到很多相關的圖書。既然已經有這麼多同類題材的書了，為什麼我還要寫呢？因為在我準備寫這本書時，還沒有一本把數據分析、Excel數據分析、Python數據分析這三者結合在一起的書。

為什麼我要把它們結合在一起寫呢？那是因為，我認為這三者是一個數據分析師的技能，而且這三者本身也是一個有機統一體。數據分析讓你知道怎麼分析以及分析什麼；Excel和Python是你在分析過程中會用到的兩個工具。

為什麼要學習Python

既然Python在數據分析領域是一個和Excel類似的數據分析工具，二者實現的功能都一樣，為什麼還要學Python，把Excel學好不就行了嗎？我認為學習Python的主要原因有以下幾點。

1．在處理大量數據時，Python的效率高於Excel

當數據量很小的時候，Excel和Python的處理速度基本上差不多，但是當數據量較大或者公式嵌套太多時，Excel就會變得很慢，這個時候怎麼辦呢？我們可以使用Python，Python對於海量數據的處理效果要明顯優於Excel。用Vlookup函數做一個實驗，兩個大小均為23MB的表（6萬行數據），在未作任何處理、沒有任何公式嵌套之前，Excel中直接在一個表中用Vlookup函數獲取另一個表的數據需要20秒（我的計算機性能參數是I7、8GB內存、256GB固態硬盤），配置稍微差點的計算機可能打開這個表都很難。但是用Python實現上述過程隻需要580毫秒，即0.58秒，是Excel效率的34倍。

2．Python可以輕松實現自動化

你可能會說Excel的VBA也可以自動化，但是VBA主要還是基於Excel內部的自動化，一些其他方面的自動化VBA就做不了，比如你要針對本地某一文件夾下面的文件名進行批量修改，VBA就不能實現，但是Python可以。

3．Python可用來做算法模型

雖然你是做數據分析的，但是一些基礎的算法模型還是有必要掌握的，Python可以讓你在懂一些基礎的算法原理的情況下就能搭建一些模型，比如你可以使用聚類算法搭建一個模型去對用戶進行分類。

為什麼要對比Excel學習Python

Python雖然是一門編程語言，但是在數據分析領域實現的功能和Excel的基本功能一樣，而Excel又是大家比較熟悉、容易上手的軟件，所以可以通過Excel數據分析去對比學習Python數據分析。對於同一個功能，本書告訴你在Excel中怎麼做，並告訴你對應到Python中是什麼樣的代碼。例如數值替換，即把一個值替換成另一個值，對把“Excel”替換成“Python”這一要求，在Excel中可以通過鼠標點選實現，如下圖所示。

在Python中則通過具體的代碼實現，如下所示。

df.replace(“Excel”,”Python”)   # 表示將表df中的Excel替換成Python

本書將數據分析過程中涉及的每一個操作都按這種方式對照講解，讓你從熟悉的Excel操作中去學習對應的Python實現，而不是直接學習Python代碼，大大降低了學習門檻，消除了大家對代碼的恐懼心理。這也是本書的一大特色，也是我為什麼要寫本書的主要原因，就是希望幫助你不再懼怕代碼，讓你可以像學Excel數據分析一樣，輕松學習Python數據分析。

本書的學習建議

要想完全掌握一項技能，你必須繫統學習它，知道它的前因後果。本書不是孤立地講Excel或者Python中的操作，而是圍繞整個數據分析的常規流程：熟悉工具—明確目的—獲取數據—熟悉數據—處理數據—分析數據—得出結論—驗證結論—展示結論，告訴你每一個過程都會用到什麼操作，這些操作用Excel和Python分別怎麼實現。這樣一本書既是繫統學習數據分析流程操作的說明書，也是數據分析師案頭的實操工具書。

大家在讀遍的時候不用記住所有函數，你是記不住的，即使你記住了，如果在工作中不用，那麼很快就會忘記。正確的學習方式應該是，先弄清楚一名數據分析師在日常工作中對工具都會有什麼需求（當然了，本書的順序是按照數據分析的常規分析流程來寫的），希望工具幫助你達到什麼樣的目的，羅列好需求以後，再去研究工具的使用方法。比如，要刪除重復值，就要明確用Excel如何實現，用Python又該如何實現，兩種工具在實現方式上有什麼異同，這樣對比次數多了以後，在遇到問題時，你自然而然就能用快的速度選出適合的工具了。

數據分析一定是先有想法然後考慮如何用工具實現，而不是剛開始就陷入記憶工具的使用方法中。

本書寫了什麼

本書分為三篇。

入門篇：主要講數據分析的一些基礎知識，介紹數據分析是什麼，為什麼要做數據分析，數據分析究竟在分析什麼，以及數據分析的常規流程。

實踐篇：圍繞數據分析的整個流程，分別介紹每一個步驟中的操作，這些操作用Excel如何實現，用Python又如何實現。本篇內容主要包括：Python環境配置、Python基礎知識、數據源的獲取、數據概覽、數據預處理、數值操作、數據運算、時間序列、數據分組、數據透視表、結果文件導出、數據可視化等。

進階篇：介紹幾個實戰案例，讓你體會一下在實際業務中如何使用Python。具體來說，進階篇的內容主要包括，利用Python實現報表自動化、自動發送電子郵件，以及在不同業務場景中的案例分析。此外，還補充介紹了NumPy數組的一些常用方法。

本書適合誰

本書主要適合以下人群。

• Excel已經用得熟練，想學習Python來豐富自己技能的數據分析師。


• 剛入行對Excel和Python都不精通的數據分析師。


• 其他常用Excel卻想通過學習Python提高工作效率的人。

Python 雖然是一門編程語言，但是它並不難學，不僅不難學，而且很容易上手，這也是Python深受廣大數據從業者喜愛的原因之一，因此大家在學習Python之前首先在心裡告訴自己一句話，那就是Python並沒有那麼難。

致謝

感謝我的父母，是他們給了我受教育的機會，纔有了今天的我。

感謝我的公眾號的讀者朋友們，如果不是他們，那麼我可能不會堅持撰寫技術文章，更不會有這本書。

感謝慧敏讓我意識到寫書的意義，從而創作本書，感謝電子工業出版社為這本書忙碌的所有人。

感謝我的女朋友，在寫書的這段日子裡，我幾乎把所有的業餘時間全用在了寫作上，很少陪她，但她還是一直鼓勵我，支持我。

《對比Excel，輕松學習Python報表自動化》前言

為什麼要寫這本書

作為一名數據分析師，在日常工作中或多或少都會涉及報表制作的工作。雖然我在《對比Excel，輕松學習Python 數據分析》一書中介紹了數據分析涉及的一些基本操作，但更多是從分析層面出發的，比如如何處理異常值、如何進行可視化等。而在實際的報表制作中，會用到很多函數及格式設置，比如調整字體的大小、顏色等，所以本書將圍繞報表制作的流程，通過對比Excel 的方式來講解報表制作中每個環節對應的Python 代碼如何實現。

為什麼要學習報表自動化

數據分析師的一項重要工作就是制作報表，不同數據分析師制作報表的工作量比重是不一樣的，有的人比較多，有的人比較少。數據分析師的核心價值其實不是做報表，而是通過報表去發現業務問題，從而提出優化建議。但是如果制作報表耗費的時間太多，就會導致沒有時間去做深入分析，畢竟人的精力是有限的。所以我們要盡可能地實現報表自動化，從而留出更多的時間去做分析。

本書學習建議

學習Python，關鍵是練習。建議讀者在閱讀本書後，看一下自己工作中的哪個報表能夠用書中學到的知識實現，先逼自己實現個，再實現第二個，……。剛開始會比較痛苦、比較慢，可能寫代碼要比自己手動做還要慢，不要緊，隻要邁出了步，後面就會越來越熟練，越來越快。

本書寫了什麼

本書主要分為4 個部分：第1 部分介紹Python 基礎知識，讓讀者對Python 中常用的操作和概念有所了解；第2 部分介紹格式相關的設置方法，包括字體設置、條件格式設置等內容；第3 部分介紹各種類型的函數；第4 部分介紹自動化相關的其他技能，比如自動發送郵件、自動打包等操作。

本書讀者對像

本書適合每天需要做很多報表，希望通過學習報表自動化來提高工作效率的所有讀者，包括但不限於分析師、數據運營、財務等人群。

本書說明

關於本書用到的安裝包、數據集、代碼等資源，讀者可以通過關注我的個人公眾號——俊紅的數據分析之路（ID：zhangjunhong0428）下載並使用。

《對比Excel，輕松學習Python數據分析》

數據分析的門檻可以很高，也可以很低，但數據分析很重要！這本書不是晦澀難懂的學術教材，而是適合不同層次職場人士學習的工具書，通俗易懂地闡述了數據分析的基礎及在不同工具下的主要實踐，對於初學者或是資深數據愛好者都有很好的啟發和助益。
——黃小偉 有贊數據分析團隊負責人/R語言中文社區創始人

大數據時代，數據分析是每個職場人士的技能之一，你掌握了嗎？本書以人人都熟悉的做菜場景為類比，用輕松的語言講述數據分析的核心要素。本書是初入數據分析領域的讀者的一個很好的入門教材，同時也適合有一定分析經驗的讀者參考。
——黃崇傑 平安壹錢包數據營銷總監

數據分析工作中80%以上的時間都在處理底層數據。一份“高大上”的數據分析報告實際上隻花費了數據分析師不到20%的時間。張俊紅的這本書出現的正是時候，Excel好用但是在處理大數據時效率低下，掌握了Python，數據分析工作將如虎添翼。數據分析師動動手指產出分析報告的美好時光指日可待了！
——劉洋 阿裡巴巴高級產品專家

本書為傳統數據分析人員邁向大數據時代指明方向，閱讀本書可以增加你的職場競爭優勢。
——閔軍 找鋼網數據中心總經理

本書是一本少見的結合了Excel、Python的數據分析書。Excel和Python作為基礎的數據分析工具，對於數據分析師來說十分必要，相信任何一個有志於學習數據分析的讀者，都能從此書中收獲良多。
——張浩彬 廣東柯內特環境科技有限公司首席數據科學家

本書通過Python來分析數據，作者在介紹數據分析操作步驟的過程中展示了大量的對數據分析的思考，對於想從事數據分析的讀者而言，這是一本很好的工具書。
——趙良 中國統計網聯合創始人

作為這幾年十分熱門的編程語言之一，Python在數據分析方面的能力幾乎是無限的，限制就在於使用者本身的能力和認知。對數據分析師而言，用Python做數據分析已經成為技能。本書對照Excel，把Python的相關知識娓娓道來。既兼顧到不同工具的應用場景，又將使用技巧融入其中。推薦剛入門的數據分析師閱讀本書。
——宋天龍 《Python數據分析與數據化運營》作者

Excel與Python都是數據分析的利器。本書從Excel與Python的實際應用出發，書中的知識都是作者多年一線工作的經驗總結。
——王穎祥 永輝超市大數據合伙人

《對比Excel，輕松學習Python報表自動化》

這本書對新手特別友好！對大部分新人而言，Python 的使用環境太過模型化，英語界面難以看懂，操作也不直觀，而Excel 則是大家經常使用的工具軟件。將這二者對比學習，可以極大地提升學習效率，讓新人快速進步。報表又是日常數據分析工作的主要部分，能用Python 來實現報表自動化，將大幅提升職場人的工作效率。

——陳老師，公眾號“接地氣學堂”主理人

隨著Python 越來越流行，很多人希望能夠掌握這項技能。Python 能做的事情有很多，俊紅這本書專注報表自動化這一細分領域。該書圍繞報表制作的流程，通過對比Excel 的方式講解每個環節對應的Python 代碼的實現方法，不僅包括Excel格設置、條件格式設置等基礎功能，還包括了批量處理文件和自動發送郵件等高級功能，整本書內容翔實而又全面，推薦給想通過報表自動化提高工作效率的讀者。

——崔慶纔，微軟（中國）工程師、《Python3 網絡爬蟲開發實戰》作者

與數據分析相關的工作中，存在很多重復性的工作，比如常規的日報、周報、月報；也存在很多復雜、耗費時間的工作，比如批量處理CSV、Excel、Word、Web 文件等。能否把這些重復性高、復雜性強的工作交給計算機去做，我們去做一些有價值、提升自己的事情？

隨著計算機技術、編程簡單化的發展，這個“普遍性”的問題終於迎來了春天，相信這本書能帶給你不一樣的收獲，寫得很有實戰性，也很適合小白學習，所以不用擔心學不會。

——鄧凱，數據屆大V、愛數圈創始人

此書已是“入職數據分析師繫列叢書”第3 本，俊紅能夠深入淺出地將Python應用於工作的常見場景中，提高工作效率，是對技術大眾化應用典型的探索。

——梁勇，公眾號“Python 愛好者社區”主理人

本書圍繞報表制作的終極目標，從Python 基礎知識開始，通過對照大家所熟悉的Excel 操作，格格式設置、使用各種函數、繪制圖表等，由淺入深地介紹了如何使用Python 語言操作，以實現報表處理的自動化。本書將幫助初學者快速掌握Pyhton 語言，利用它來提高報表處理的效率。介紹給希望實現報表自動化的朋友學習本書。

——龍逸凡，暢銷書《打造Excel 商務圖表達人》作者

作為職場人，特別是每天要和數據打交道的人，經常會遇到一些重復煩瑣的工作，如果要徹底擺脫“工具人”的束縛，掌握一門編程語言並熟練運用就顯得很有必要，Python 無疑是適合處理數據的編程語言之一。而俊紅這本《對比Excel，輕松學習Python 報表自動化》給了我們擺脫“工具人”的可能，以前需要一天纔能做完的工作，現在隻需要幾行代碼就能解決。

——劉志軍，公眾號“Python 之禪”主理人、次冪數據創始人

本書延續“對比Excel，輕松學”的寫作特點，聚焦在Excel 自動化報表制作上。不論是細化到格的數據內容及字體、填充色等樣式設置，還是多工作表的公式函數聯動，抑或是數個文件及文件夾的批量編輯，這本書深入淺出地介紹了對應場景和具體做法，內容的體繫化和實用性令人贊嘆，而且代碼詳盡、步驟清晰。

將囿於周期性報表的精力聚焦在業務分析上是很多分析師和運營人員的期望，充分運用Python 腳本等工具高效制作自動化報表非常值得嘗試，而本書對Excel格到工作簿不同尺度的各類自動化操作有清晰的講解，書中的實踐可以使你在操作Excel 報表時優雅高效、如臂使指，本書非常適合作為案頭時常翻閱的工具書。

——梅破知春近，讀者

Excel 是數據分析師常用的軟件之一。然而，如果報表制作耗費的時間太多，分析師便缺少精力去對報表做深入分析。本書抓住了這個痛點，通過對比Excel 的方式來講解報表制作對應的Python 代碼如何實現，從而實現報表自動化，提升分析師的工作效率，提高業務效能。

——NEIL，讀者

本書不同於Python 專業開發書籍，作者對Python 每個知識點的講解都是為了實現報表自動化，采用了對比方法並結合案例對核心知識點進行講解。特別適合需要處理大量報表，又想提高效率的讀者，是一本非常實用的書籍。

——Net，讀者

當初為了學習數據分析，偶然間接觸到張老師的《對比Excel，輕松學習Python數據分析》一書，立刻被裡面利用對比方式進行學習的風格所吸引，特別是張老師還為書籍在“知識星球”裡建立了一個數據分析學習交流的圈子。在圈子裡和大家每天堅持打卡學習，分享學習筆記，互相交流討論，這樣的學習氛圍豈不美哉！

推出的這本《對比Excel，輕松學習Python 報表自動化》可以看作是《對比Excel，輕松學習Python 數據分析》的進階版和項目實戰版，延續了之前對比的學習風格，再加上清晰易懂的語言講解和詳盡的實例演示，相信大家讀後定能獲益匪淺。

——你好！陽光，讀者

報表制作是職場人的技能。盡管這樣，大部分人仍停留在手動處理階段。面對復雜的報表需求，如何更高效地處理加工報表成為了一門學問。

俊紅這本書可以說是打開了高效處理報表的大門。整本書很有特色，通過對比大家都熟悉的Excel 功能和函數，使用Python 編程由淺及深地實現報表自動化，如文件批量處理、自動生成可視化圖表、自動發郵件。每一個章節都有案例清楚地講解核心使用方法，即使你是Python 小白也不要緊，隻要按照本書教程學習，也可以成為報表自動化處理的高手，提升百倍的工作效率。

——於耀東，風控模型專家、公眾號“Python 數據科學”主理人

有人的地方就有電腦，有電腦的地方就有程序，有程序的地方就有Excel。如果你每天需要處理海量的Excel 數據，並且需要制作各種各樣的報表，那麼，閱讀這本書就對了。因為，有Excel 的地方就有Python。從現在開始，就讓我們跟隨本書作者張俊紅——一位擅長Excel、Python 和SQL，並且精通數據分析和機器學習的工程師的堅實腳步，像學Excel 一樣，輕松學習Python

報表自動化吧！

——周斌，《WPS Office 效率手冊》作者、創新思維與Office 管理教練__