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