本书介绍了数据分析的方法和步骤，并分别通过Excel和Python实施和对比。通过本书一方面可以拓宽对Excel功能的认识，另一方面可以学习和掌握Python的基础操作。 本书分为 11 章，涵盖的主要内容有Excel和Python在数据分析领域的定位与核心功能对比、统计量介绍、Excel与Python实践环境搭建、数据处理与分析的基本方法、ETL方法、数据建模理论、数据挖掘基础、数据可视化的基本方法、分析报告的制作方法。 本书内容由浅入深，注重功能实用性，适合数据分析工作者、相关专业学生、Python初学者、Excel深入学习者阅读。

兰一杰，资深软件工程师、项目经理。对Excel小数据、Python大数据、深度学习等有深入研究并能灵活整合运用。多年从事通过Python实施数据化运维、主数据项目、大数据分析项目的开发工作。曾经参与的项目包括：唯思软件 - 客户端开方工程师、VS游戏对战平台客户端开发、广州嘉为科技 - 高级软件开发师、深圳海关数据仓库运维开发项目、万科地产主数据项目、广州时代地产主数据项目、金地地产主数据项目、深圳长城开发科技基础构架自动化项目、中信保诚自动化运维工单化项目、法本信息 - 大数据工程师、广发证券大数据应用分析项目等。

第1章 Excel与Python的定位与功能对比 1.1 数据分析简介 1.2 Excel与Python的特征对比 1.3 Excel与Python 的功能范围 1.4 Excel 与 Python 的选择和协作 第2章 统计量 2.1 常用统计量介绍 2.2 随机变量及其分布 第3章 实践环境的搭建 3.1 Excel数据分析环境 3.2 Python开发环境 3.3 Python基础语法 3.4 Excel与Python的整合环境 第4章 数据处理与分析 4.1 各种统计量的计算 4.2 数据分析与概率统计 4.3 逻辑运算 4.4 文本处理 4.5 日期与时间 4.6 查找与引用 4.7 数学与三角函数 4.8 数据的排序、查重、汇总 第5章 数据抽取——ETL中的E 5.1 连接数据库的配置 5.2 使用 Power Query 5.3 从数据库抽取数据 5.4 从数据文件中读取数据 5.5 从互联网获取数据 5.6 验证抓取的数据 第6章 数据清洗——ETL中的T 6.1 问题数据类型与数据清洗方法 6.2 使用Python抓取演示用金融数据 6.3 数据清洗方法说明 6.4 数据清洗实践 第7章 数据装载——ETL中的L 7.1 数据仓库ETL技术 7.2 通过Excel装载数据 7.3 通过Python装载数据 7.4 数据装载策略 第8章 数据建模 8.1 数据模型相关概念 8.2 使用Power Pivot构建数据模型 8.3 使用 SQLAlchemy构建模型 8.4 Excel和Python构建关系数据模型对比 第9章 数据挖掘 9.1 认识数据挖掘 9.2 Excel数据挖掘方案 9.3 Python数据挖掘方案 9.4 scikit-learn操作 9.5 具体挖掘算法 第10章 数据可视化 10.1 数据可视化基础 10.2 可视化方案 10.3 散点图 10.4 饼图 10.5 条形图 10.6 面积图 10.7 折线图 10.8 柱形图 10.9 特殊可视化图 10.10 Excel与Python可视化处理方式对比 第11章 分析报告 11.1 分析报告基础 11.2 Excel数据透视 11.3 Excel数据仪表板 11.4 安装JupyterLab插件 11.5 JupyterLab交互式设计