●针对零编程基础人士量身打造，适合办公室人群阅读 无须丰富的编程经验即可开始使用Python，借助编程的力量，轻松突破Excel的瓶颈，避免人为错误，将Excel和数据库连接并获取数据，让烦琐的Excel任务自动化，让您能将更多宝贵的时间花在更有价值的任务上。 ●xlwings创始人倾力打造，手把手教学 “将Python作为Excel的脚本语言”开源Python库xlwings的诞生很好地回答了这些问题，它让Excel和Python珠联璧合。而作为xlwings的创始人，本书作者将展示如何借用Python的力量，让Excel快得飞起来！ ●更多设备，更简化的编程语言，一切只为更好的办公 使用Visual Studio Code和Jupyter笔记本等便捷工具，用Python替代VBA、Power Query和Power Pivot，支持更多设备，让您学习起来更加简单。
售 价：¥
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
版权声明
O'Reilly Media, Inc. 介绍
业界评论
本书赞誉
前言
写作初衷
目标读者
本书内容结构
Python 和 Excel 的版本
排版约定
使用示例代码
O'Reilly 在线学习平台（O'Reilly Online Learning）
联系我们
致谢
更多信息
第一部分 Python 入门
第 1 章 为什么要用 Python 为 Excel 编程
1.1 Excel 作为一门编程语言
1.1.1 新闻中的 Excel
1.1.2 编程最佳实践
1.1.3 现代 Excel
1.2 用在 Excel 上的 Python
1.2.1 可读性和可维护性
1.2.2 标准库和包管理器
1.2.3 科学计算
1.2.4 现代语言特性
1.2.5 跨平台兼容性
1.3 小结
第 2 章 开发环境
2.1 Anaconda Python 发行版
2.1.1 安装
2.1.2 Anaconda Prompt
2.1.3 Python REPL：交互式 Python 会话
2.1.4 包管理器：Conda 和 pip
2.1.5 Conda 环境
2.2 Jupyter 笔记本
2.2.1 运行 Jupyter 笔记本
2.2.2 笔记本单元格
2.2.3 编辑模式与命令模式
2.2.4 执行顺序很重要
2.2.5 关闭 Jupyter 笔记本
2.3 VS Code
2.3.1 安装和配置
2.3.2 执行 Python 脚本
2.4 小结
第 3 章 Python 入门
3.1 数据类型
3.1.1 对象
3.1.2 数值类型
3.1.3 布尔值
3.1.4 字符串
3.2 索引和切片
3.2.1 索引
3.2.2 切片
3.3 数据结构
3.3.1 列表
3.3.2 字典
3.3.3 元组
3.3.4 集合
3.4 控制流
3.4.1 代码块和 pass 语句
3.4.2 if 语句和条件表达式
3.4.3 for 循环和 while 循环
3.4.4 列表、字典和集合推导式
3.5 组织代码
3.5.1 函数
3.5.2 模块和 import 语句
3.5.3 datetime 类
3.6 PEP 8：Python 风格指南
3.6.1 PEP 8 和 VS Code
3.6.2 类型提示
3.7 小结
第二部分 pandas 入门
第 4 章 NumPy 基础
4.1 NumPy 入门
4.1.1 NumPy 数组
4.1.2 向量化和广播
4.1.3 通用函数
4.2 创建和操作数组
4.2.1 存取元素
4.2.2 方便的数组构造器
4.2.3 视图和副本
4.3 小结
第 5 章 使用 pandas 进行数据分析
5.1 DataFrame 和 Series
5.1.1 索引
5.1.2 列
5.2 数据操作
5.2.1 选取数据
5.2.2 设置数据
5.2.3 缺失数据
5.2.4 重复数据
5.2.5 算术运算
5.2.6 处理文本列
5.2.7 应用函数
5.2.8 视图和副本
5.3 组合 DataFrame
5.3.1 连接
5.3.2 连接和合并
5.4 描述性统计量和数据聚合
5.4.1 描述性统计量
5.4.2 分组
5.4.3 透视和熔化
5.5 绘图
5.5.1 Matplotlib
5.5.2 Plotly
5.6 导入和导出 DataFrame
5.6.1 导出 CSV 文件
5.6.2 导入 CSV 文件
5.7 小结
第 6 章 使用 pandas 进行时序分析
6.1 DatetimeIndex
6.1.1 创建 DatetimeIndex
6.1.2 筛选 DatetimeIndex
6.1.3 处理时区
6.2 常见时序操作
6.2.1 移动和百分比变化率
6.2.2 基数的更改和相关性
6.2.3 重新采样
6.2.4 滚动窗口
6.3 pandas 的局限性
6.4 小结
第三部分 在 Excel 之外读写 Excel 文件
第 7 章 使用 pandas 操作 Excel 文件
7.1 案例研究：Excel 报表
7.2 使用 pandas 读写 Excel 文件
7.2.1 read_excel 函数和 ExcelFile 类
7.2.2 to_excel 方法和 ExcelWriter 类
7.3 使用 pandas 处理 Excel 文件的局限性
7.4 小结
第 8 章 使用读写包操作 Excel 文件
8.1 读写包
8.1.1 何时使用何种包
8.1.2 excel.py 模块
8.1.3 OpenPyXL
8.1.4 XlsxWriter
8.1.5 pyxlsb
8.1.6 xlrd、xlwt 和 xlutils
8.2 读写包的高级主题
8.2.1 处理大型 Excel 文件
8.2.2 调整 DataFrame 在 Excel 中的格式
8.2.3 案例研究（复习）：Excel 报表
8.3 小结
第四部分 使用 xlwings 对 Excel 应用程序进行编程
第 9 章 Excel 自动化
9.1 开始使用 xlwings
9.1.1 将 Excel 用作数据查看器
9.1.2 Excel 对象模型
9.1.3 运行 VBA 代码
9.2 转换器、选项和集合
9.2.1 处理 DataFrame
9.2.2 转换器和选项
9.2.3 表、片和已定义名称
9.2.4 案例研究（再次回顾）：Excel 报表
9.3 高级 xlwings 主题
9.3.1 xlwings 的基础
9.3.2 提升性能
9.3.3 如何弥补缺失的功能
9.4 小结
第 10 章 Python 驱动的 Excel 工具
10.1 利用 xlwings 将 Excel 用作前端
10.1.1 Excel 插件
10.1.2 quickstart 命令
10.1.3 Run main
10.1.4 RunPython 函数
10.2 部署
10.2.1 Python 依赖
10.2.2 独立工作簿：脱离 xlwings 插件
10.2.3 配置的层次关系
10.2.4 设置
10.3 小结
第 11 章 Python 包追踪器
11.1 构建什么样的应用程序
11.2 核心功能
11.2.1 Web API
11.2.2 数据库
11.2.3 异常
11.3 应用程序架构
11.3.1 前端
11.3.2 后端
11.3.3 调试
11.4 小结
第 12 章 用户定义函数
12.1 UDF 入门
UDF Quickstart
12.2 案例研究：Google Trends
12.2.1 Google Trends 简介
12.2.2 使用 DataFrame 和动态数组
12.2.3 从 Google Trends 上获取数据
12.2.4 使用 UDF 绘制表
12.2.5 调试 UDF
12.3 高级 UDF 主题
12.3.1 基础性能优化
12.3.2 缓存
12.3.3 sub 装饰器
12.4 小结
附录 A Conda 环境
A.1 创建新的 Conda 环境
A.2 禁用自动激活
附录 B 高级 VS Code 功能
B.1 调试器
B.2 VS Code 中的 Jupyter 笔记本
B.2.1 运行 Jupyter 笔记本
B.2.2 带有代码单元格的 Python 脚本
附录 C 高级 Python 概念
C.1 类和对象
C.2 使用带时区的 datetime 对象
C.3 可变和不可变的 Python 对象
C.3.1 以可变对象为参数调用函数
C.3.2 使用可变对象作为默认参数的函数
关于作者
关于封面
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
