对照Excel，零基础学Python数据分析

第 一部分 数据分析的概念和Python基础

第 1章 数据分析基础知识 2
1.1　为什么要做数据分析 2
1.1.1　分析现状 3
1.1.2　分析具体问题 3
1.1.3　预测未来 3
1.2　为什么要使用Python做数据分析 4
1.2.1　数据分析的历史 4
1.2.2　为什么Python Excel会成为数据分析的主流工具 5
1.2.3　使用Python做数据分析的优势 6
1.3　数据分析的对象 7
1.3.1　总体指标分析 7
1.3.2　对比分析 7
1.3.3　按时间维度分析 7
1.3.4　概率学分析 7
1.3.5　按指定维度分析 7
1.4　数据分析的流程 8
1.4.1　数据获取 8
1.4.2　数据处理 8
1.4.3　数据筛选 9
1.4.4　数据分析 9
1.4.5　结果保存 9
1.4.6　数据可视化 9
1.4.7　数据追踪和验证 9
第 2章 Python基础知识 10
2.1　安装Python和PyCharm 10
2.1.1　安装Python 10
2.1.2　安装和使用PyCharm 12
2.2　变量 13
2.2.1　变量的使用 13
2.2.2　变量的命名 14
2.3　简单的数据类型 17
2.3.1　数字 17
2.3.2　字符串 22
2.4　控制语句 28
2.4.1　条件语句 28
2.4.2　循环语句 35
第3章 Python中的高级概念 41
3.1　复杂的数据类型 41
3.1.1　列表 41
3.1.2　字典 44
3.1.3　元组和集合 46
3.2　函数 47
3.2.1　函数的定义 48
3.2.2　指定函数参数的关键字和默认值 49
3.2.3　函数内外变量的可见性 50
3.2.4　传递可更改对象与不可更改对象 51
3.2.5　把函数放在不同的模块中 52
3.3　类 53
3.4　异常 54
3.5　文件操作 57
3.5.1　读取CSV文件 57
3.5.2　写入文件 59
　　　

第二部分 蜂蜜电商数据分析

第4章 读取和清洗数据 62
4.1　业务分析 62
4.1.1　销售明细表分析 62
4.1.2　产品信息表分析 63
4.1.3　用户信息表分析 63
4.1.4　销售员信息表分析 64
4.1.5　数据关联 64
4.2　读取Excel数据 64
4.2.1　安装对应的库 65
4.2.2　读取简单的Excel数据 67
4.2.3　pandas DataFrame 68
4.2.4　pandas Series 70
4.2.5　读取特殊格式的Excel数据 70
4.2.6　使用xlwings读取Excel数据 73
4.3　清洗数据 76
4.3.1　去除空记录 76
4.3.2　去除非法数据 78
4.3.3　去除重复数据 80
4.3.4　设置默认值 82
4.4　编写读写文件的代码 83
第5章 筛选数据 85
5.1　通过条件筛选数据 86
5.1.1　筛选多个用户的销售明细数据 87
5.1.2　通过商品数量和实际交易金额筛选数据 88
5.1.3　对用户名称进行模糊查询 89
5.1.4　多条件查询销售明细数据 89
5.2　通过交易日期筛选数据 91
5.2.1　根据年、月、季筛选数据 93
5.2.2　筛选当前日期的数据 94
5.2.3　筛选某个时间区间内的数据 95
第6章 数据的基础运算 96
6.1　算术运算 96
6.1.1　通过加减运算验证数据的合法性 96
6.1.2　通过乘除运算验证数据的合法性 97
6.2　比较运算 98
6.3　通过函数运算数据 99
6.3.1　常用函数 100
6.3.2　不常用函数 101
6.3.3　按行统计 102
第7章 把数据连接起来 105
7.1　3种关联关系 107
7.1.1　销售员信息表和工卡信息表的关联（一对一关联） 107
7.1.2　指定关联字段 108
7.1.3　处理重复列 109
7.1.4　连接方式 110
7.2　合并多个Excel文件的数据 113
7.2.1　合并数据 113
7.2.2　重置索引和去重 114
第8章 分组统计、数据透视表和排序 115
8.1　分组统计数据 115
8.1.1　按订单状态汇总数据 116
8.1.2　使用agg()方法 116
8.1.3　实践 118
8.1.4　按蜂蜜类型进行统计——统计关联数据 118
8.1.5　按多列进行分组统计 119
8.2　数据透视表 119
8.2.1　转换视角 120
8.2.2　数据分组统计和分析 121
8.2.3　合计行列 123
8.3　排序 125
8.3.1　按实际交易金额排序（单列排序） 126
8.3.2　按实际交易金额和交易日期排序（多列排序） 126
8.3.3　按优惠金额排序（含空值行的排序） 127
8.3.4　对交易日期降序排名 128
第9章 数据可视化 132
9.1　柱形图和图表基础 133
9.1.1　柱形图的绘制和坐标轴的概念 133
9.1.2　设置坐标轴 136
9.1.3　给图表添加文本标签和注释 138
9.1.4　设置网格 140
9.1.5　同比柱形图和图例的使用 141
9.1.6　温度计图 146
9.1.7　数据表 147
9.2　绘制常见的图表 149
9.2.1　折线图 149
9.2.2　条形图 151
9.2.3　饼图 153
9.2.4　雷达图 156
9.3　其他常用的图表技术 159
9.3.1　多种图表组合——双轴图 160
9.3.2　在同一画布中绘制多个图表 163
9.3.3　设置图表样式 165
9.3.4　初探Seaborn 167
9.3.5　图表的保存 169
第 10章 保存数据和图表到Excel文件中 171
10.1　简单保存数据到Excel文件中 171
10.1.1　不保存行索引并保存数据到指定工作表中 172
10.1.2　选择要保存的列 172
10.2　使用xlwings保存数据到Excel文件中 173
10.2.1　将不同的数据保存到同一个Excel文件的不同工作表中 173
10.2.2　将结果写入多个Excel文件 174
10.2.3　格式化 175
10.2.4　保存图表 178

第三部分 实践案例

第 11章 个人消费贷款数据分析 182
11.1　业务和数据特点分析 182
11.1.1　贷款台账表业务分析 182
11.1.2　客户经理信息表业务分析 184
11.1.3　数据关联 184
11.2　数据处理 185
11.2.1　验证和修复数据 185
11.2.2　读取数据 186
11.3　数据筛选 187
11.3.1　简单地筛选数据 187
11.3.2　模糊查询 188
11.3.3　按多个条件筛选数据 189
11.3.4　查找十大存量贷款记录 191
11.4　统计分析 192
11.4.1　使用分组方法groupby()按风险状态分组进行统计 192
11.4.2　使用数据透视表按季度统计分析数据 195
11.4.3　使用数据透视表按月份统计贷款笔数和发生额 198
11.5　通过数据关联查询和统计分析数据 200
11.5.1　通过关联查询数据 200
11.5.2　关联客户经理信息表并统计分析数据 201
11.6　数据可视化 202
11.6.1　绘制折线图展示两年各月份的贷款数据 202
11.6.2　绘制柱形图对比两年各季度的贷款发生额 205
11.6.3　绘制饼图展示各业务品种贷款余额 207
11.7　保存结果 209
第 12章 螺蛳粉连锁店销售数据分析 211
12.1　业务分析 211
12.1.1　店铺销售月报数据 211
12.1.2　商品信息表 212

12.2　读取数据 214
12.2.1　遍历文件 214
12.2.2　读取商品信息表数据 215
12.2.3　读取销售月报数据 216
12.2.4　读取工作表的数据 217
12.2.5　合并数据 220
12.2.6　测试读取文件与合并数据 220
12.3　整理和分析数据 221
12.3.1　整理数据 221
12.3.2　分析数据 223
12.4　数据可视化 224
12.4.1　绘制店铺月交易金额条形图 224
12.4.2　绘制按店铺统计销量和金额双轴图 225
12.5　保存结果 227