第1篇 Python編程基礎篇

第1章 初識Python語言及
開發環境搭建 1
1.1 Python及其優勢 2
1.1.1 Python的歷史 2
1.1.2 Python的特點 2
1.1.3 Python的優勢 3
1.2 搭建Python開發環境 3
1.2.1 安裝Anaconda 3
1.2.2 安裝Jupyter庫 5
1.2.3 庫管理工具pip 7
1.3 上機實踐題 8
第2章 Python編程基礎 9
2.1 Python數據類型 10
2.1.1 數值（Number） 10
2.1.2 字符串（String） 11
2.1.3 列表（List） 13
2.1.4 元組（Tuple） 15
2.1.5 集合（Set） 16
2.1.6 字典（Dictionary） 18
2.2 Python基礎語法 20
2.2.1 基礎語法：行與縮進 20
2.2.2 條件語句：if及if嵌套 21
2.2.3 循環語句：while與for 22
2.2.4 格式化：format()函數 25
2.3 Python常用高階函數 26
2.3.1 map()函數：數組迭代 27
2.3.2 reduce()函數：序列累積 28
2.3.3 filter()函數：數值過濾 28
2.3.4 sorted()函數：列表排序 29
2.4 Python編程技巧 30
2.4.1 Tab鍵自動補全程序 30
2.4.2 多個變量的數值交換 31
2.4.3 列表解析式篩選元素 32
2.4.4 遍歷函數 33
2.4.5 split()函數：序列解包 34
2.5 上機實踐題 35
第3章 利用Python進行數據準備 36
3.1 數據的讀取 37
3.1.1 讀取本地離線數據 37
3.1.2 讀取Web在線數據 39
3.1.3 讀取常用數據庫中的數據 39
3.2 數據的索引 41
3.2.1 set_index()函數：
創建索引 41
3.2.2 unstack()函數：
重構索引 43
3.2.3 swaplevel()函數：
調整索引 44
3.3 數據的切片 44
3.3.1 提取一列或多列數據 44
3.3.2 提取一行或多行數據 46
3.3.3 提取指定區域的數據 46
3.4 數據的刪除 47
3.4.1 刪除一行或多行數據 47
3.4.2 刪除一列或多列數據 48
3.4.3 刪除指定的列表對象 49
3.5 數據的排序 50
3.5.1 按行索引對數據進行排序 50
3.5.2 按列索引對數據進行排序 51
3.5.3 按一列或多列對數據
進行排序 51
3.5.4 按一行或多行對數據
進行排序 52
3.6 數據的聚合 52
3.6.1 level參數：指定列聚合
數據 52
3.6.2 groupby()函數：分組聚合 53
3.6.3 agg()函數：自定義聚合 54
3.7 數據的透視 55
3.7.1 pivot_table()函數：
數據透視 55
3.7.2 crosstab()函數：數據交叉 58
3.8 數據的合并 59
3.8.1 merge()函數：橫向合并 59
3.8.2 concat()函數：縱向合并 62
3.9 工作表合并與拆分 63
3.9.1 單個工作簿多個
工作表合并 63
3.9.2 多個工作簿單個
工作表合并 65
3.9.3 工作表按某一列拆分數據 66
3.10 上機實踐題 67

第2篇 Excel數據自動化處理篇
第4章 利用Python進行數據處理 69
4.1 重復值的處理 70
4.1.1 Excel重復值的處理 70
4.1.2 Python重復值的檢測 70
4.1.3 Python重復值的處理 71
4.2 缺失值的處理 73
4.2.1 Excel缺失值的處理 73
4.2.2 Python缺失值的檢測 73
4.2.3 Python缺失值的處理 74
4.3 異常值的處理 77
4.3.1 Excel異常值的處理 77
4.3.2 Python異常值的檢測 77
4.3.3 使用replace()函數處理
異常值 78

4.4 Python處理金融數據案例實戰 80
4.4.1 讀取上證指數股票數據 80
4.4.2 提取2020年8月數據 81
4.4.3 填充非交易日缺失數據 82
4.4.4 使用diff()函數計算
數據偏移 83
4.5 上機實踐題 84
第5章 利用Python進行數據分析 85
5.1 Python描述性分析 86
5.1.1 平均數及案例 87
5.1.2 中位數及案例 89
5.1.3 方差及案例 89
5.1.4 標準差及案例 90
5.1.5 百分位數及案例 91
5.1.6 變異系數及案例 92
5.1.7 偏度及案例 93
5.1.8 峰度及案例 93
5.2 Python相關分析 94
5.2.1 皮爾遜相關系數 95
5.2.2 斯皮爾曼相關系數 96
5.2.3 肯德爾相關系數 97
5.3 Python線性回歸分析 99
5.3.1 線性回歸模型簡介 100
5.3.2 線性回歸模型建模 102
5.3.3 線性回歸模型案例 103
5.4 上機實踐題 107
第6章 利用Python進行數據可視化 108
6.1 繪制對比型圖表及案例 109
6.1.1 繪制條形圖 109
6.1.2 繪制氣泡圖 110
6.2 繪制趨勢型圖表及案例 111
6.2.1 繪制折線圖 112
6.2.2 繪制面積圖 113
6.3 繪制比例型圖表及案例 114
6.3.1 繪制餅圖 115
6.3.2 繪制環形圖 117
6.4 繪制分布型圖表及案例 118
6.4.1 繪制散點圖 119
6.4.2 繪制箱型圖 120
6.5 繪制其他類型圖表及案例 122
6.5.1 繪制樹狀圖 122
6.5.2 繪制K線圖 124
6.6 上機實踐題 126

第3篇 Word文本自動化處理篇
第7章 文本自動化處理 129
7.1 應用場景及環境搭建 130
7.1.1 文本自動化應用場景 130
7.1.2 文本自動化環境搭建 130

7.2 Python-docx庫案例演示 131
7.2.1 document()函數：
打開文檔 132
7.2.2 add_heading()函數：
添加標題 133

7.2.3 add_paragraph()函數：
添加段落 133
7.2.4 add_picture()函數：
添加圖片 134
7.2.5 add_table()函數：
添加表格 135
7.2.6 add_paragraph()函數：
設置段落樣式 136
7.2.7 add_run()函數：
設置字符樣式 137
7.2.8 add_page_break()函數：
添加分頁符 138
7.3 案例演示完整代碼 138
7.4 上機實踐題 140
第8章 利用Python進行文本
自動化處理 141
8.1 自動化處理頁眉 142
8.1.1 訪問頁眉 142
8.1.2 添加頁眉定義 142
8.1.3 添加簡單頁眉 143
8.1.4 添加“分區”頁眉 143
8.1.5 移除頁眉 144
8.2 自動化處理樣式 144
8.2.1 樣式對象簡介 144
8.2.2 訪問樣式 145
8.2.3 應用樣式 145
8.2.4 添加或刪除樣式 147
8.2.5 定義字符格式 147
8.2.6 定義段落格式 148
8.2.7 使用段落特定的樣式屬性 148
8.2.8 控制樣式的顯示方式 149
8.2.9 處理潛在樣式 149
8.3 自動化處理文本 150
8.3.1 設置段落文本對齊 150
8.3.2 設置段落縮進 151
8.3.3 設置制表位 152
8.3.4 設置段落間距 152
8.3.5 設置行間距 153
8.3.6 設置分頁屬性 153
8.3.7 設置字體和字號 154
8.3.8 設置字體顏色 154
8.4 自動化處理節 155
8.4.1 節對象簡介 155
8.4.2 訪問節和添加節 156
8.4.3 節的主要屬性 157
8.5 上機實踐題 159
第9章 利用Python制作企業
運營月報Word版 160
9.1 整理及清洗門店銷售數據 161
9.1.1 合并各門店的銷售數據 161
9.1.2 異常數據的檢查和處理 161
9.1.3 缺失數據的檢測與處理 162
9.2 運營數據的可視化分析 163
9.2.1 門店運營數據的
可視化分析 163
9.2.2 地區銷售數據的
可視化分析 166
9.2.3 客戶購買數據的
可視化分析 169
9.3 批量制作企業運營月報 172
9.3.1 制作門店運營分析報告 172
9.3.2 制作地區銷售分析報告 173
9.3.3 制作客戶消費分析報告 175

9.4 企業運營月報Word版
案例完整代碼 177
9.5 上機實踐題 179

第4篇 幻燈片自動化制作篇
第10章 幻燈片自動化制作 181
10.1 應用場景及環境搭建 182
10.1.1 幻燈片自動化應用場景 182
10.1.2 幻燈片自動化環境搭建 182
10.2 Python-pptx庫案例演示 183
10.2.1 presentation()函數：
打開演示文稿 183
10.2.2 add_slide()函數：
添加幻燈片 183
10.2.3 title_shape()函數：
添加主標題和副標題 185
10.2.4 add_paragraph()函數：
添加段落 185
10.2.5 add_chart()函數：
插入圖表 186
10.3 案例演示完整代碼 186
10.4 上機實踐題 187
第11章 利用Python進行幻燈片
自動化制作 188
11.1 自動化制作文本 189
11.1.1 添加普通文本 189
11.1.2 設置文本加粗 189
11.1.3 設置文本字號 190
11.1.4 設置文本傾斜 191
11.1.5 設置文本下畫線 192
11.1.6 設置文本顏色 193
11.2 自動化制作圖形 194
11.2.1 添加簡單圖形 194
11.2.2 添加復雜圖形 195
11.2.3 添加圖表圖例 196
11.2.4 添加數據標簽 198
11.2.5 自定義數據標簽 199
11.2.6 添加復合圖形 201
11.3 自動化制作表格 205
11.3.1 添加自定義表格 205
11.3.2 設置行高和列寬 205
11.3.3 合并表格首行 206
11.3.4 設置表格標題 208
11.3.5 添加變量數據 209
11.3.6 修改表格樣式 211
11.4 自動化制作形狀 213
11.4.1 形狀對象簡介 213
11.4.2 添加單個形狀 214
11.4.3 添加多個相同形狀 215
11.4.4 添加多個不同形狀 216
11.5 上機實踐題 217
第12章 利用Python制作企業
運營月報幻燈片 218
12.1 制作商品銷售分析報告 219
12.1.1 制作銷售額分析 219
12.1.2 制作訂單量分析 220
12.1.3 制作退單量分析 222
12.2 制作客戶留存分析報告 224
12.2.1 制作新增客戶數量 224
12.2.2 制作客戶留存率 225
12.2.3 制作客戶流失原因 227
12.3 企業運營月報幻燈片案例
完整代碼 229
12.4 上機實踐題 235

第5篇 郵件自動化處理篇
第13章 利用Python批量發送
電子郵件 237
13.1 郵件服務器概述 238
13.1.1 郵件服務器原理 238
13.1.2 開啟126郵箱相關服務 239
13.1.3 開啟QQ郵箱相關服務 240
13.1.4 開啟Sina郵箱相關服務 240
13.1.5 開啟Hotmail郵箱
相關服務 241
13.2 發送電子郵件 241
13.2.1 SMTP()方法：
連接郵件服務器 241
13.2.2 ehlo()方法：
登錄郵件服務器 242
13.2.3 sendmail()方法：
發送郵件 243
13.3 發送電子郵件案例 243
13.4 上機實踐題 244
第14章 利用Python獲取電子郵件 245
14.1 獲取郵件內容 246
14.1.1 通過POP3協議連接
郵件服務器 246


14.1.2 通過POP3協議
下載郵件 247
14.2 解析郵件內容 249
14.2.1 解析郵件正文 249
14.2.2 轉換郵件編碼 250
14.3 獲取郵件小結 250
14.3.1 獲取126郵箱中的郵件 251
14.3.2 獲取QQ郵箱中的郵件 253
14.3.3 獲取Sina郵箱中的郵件 256
14.3.4 獲取Hotmail郵箱中
的郵件 259
14.4 上機實踐題 262
第15章 利用Python自動發送
電商會員郵件 263
15.1 電商會員郵件營銷 264
15.1.1 會員郵件營銷 264
15.1.2 提高郵件的發送率 264
15.2 提取未付費的會員數據 264
15.2.1 整理電商會員數據 264
15.2.2 讀取未付費會員的
信息 265
15.3 發送定制郵件提醒 266
15.3.1 創建SMTP對象 266
15.3.2 發送定制郵件信息 266
15.4 發送定制短信提醒 268
15.4.1 注冊Twilio賬號 268
15.4.2 發送定制短信 269
15.5 上機實踐題 270

第6篇 文件自動化處理篇
第16章 利用Python進行文件
自動化處理 271
16.1 文件和文件夾的基礎操作 272
16.1.1 復制文件和文件夾 272
16.1.2 移動文件和文件夾 273
16.1.3 刪除文件和文件夾 274
16.2 文件的解壓縮操作 274
16.2.1 讀取ZIP文件 274
16.2.2 解壓縮ZIP文件 275
16.2.3 創建ZIP文件 276
16.3 顯示目錄樹下的文件名稱 276
16.3.1 顯示指定目錄樹下
文件名稱 277
16.3.2 顯示目錄樹下文件及
子文件名稱 277
16.4 修改目錄樹下的文件名稱 278
16.4.1 修改所有類型文件名稱 278
16.4.2 修改指定類型文件
名稱 279
16.5 合并目錄樹下的數據文件 280
16.5.1 合并所有類型文件中
的數據 280
16.5.2 合并指定類型文件中
的數據 282
16.6 上機實踐題 282
附錄A 安裝Python 3.10版本及
第三方庫 283
附錄B Python常用的第三方
工具包簡介 286
B.1 數據分析類包 286
B.2 數據可視化類包 287
B.3 機器學習類包 288