●針對零編程基礎人士量身打造，適合辦公室人群閱讀無須豐富的編程經驗即可開始使用Python，借助編程的力量，輕松突破Excel的瓶頸，避免人為錯誤，將Excel和數據庫連接並獲取數據，讓煩瑣的Excel任務自動化，讓您能將更多寶貴的時間花在更有價值的任務上。●xlwings創始人傾力打造，手把手教學“將Python作為Excel的腳本語言”開源Python庫xlwings的誕生很好地回答了這些問題，它讓Excel和Python珠聯璧合。而作為xlwings的創始人，本書作者將展示如何借用等

●前言
第一部分 Python入門
第1章 為什麼要用Python為Excel編程
1.1 Excel作為一門編程語言
1.1.1 新聞中的Excel
1.1.2 編程很好實踐
1.1.3 現代Excel
1.2 用在Excel上的Python
1.2.1 可讀性和可維護性
1.2.2 標準庫和包管理器
1.2.3 科學計算
1.2.4 現代語言特性
1.2.5 跨平臺兼容性
1.3 小結
第2章 開發環境
2.1 Anaconda Python發行版
2.1.1 安裝
2.1.2 Anaconda Prompt
2.1.3 Python REPL：交互式Python會話
2.1.4 包管理器：Conda和pip
2.1.5 Conda環境
2.2 Jupyter筆記本
2.2.1 運行Jupyter筆記本
2.2.2 筆格
2.2.3 編輯模式與命令模式
2.2.4 執行順序很重要
2.2.5 關閉Jupyter筆記本
2.3 VS Code
2.3.1 安裝和配置
2.3.2 執行Python腳本
2.4 小結
第3章 Python入門
3.1 數據類型
3.1.1 對像
3.1.2 數值類型
3.1.3 布爾值
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 數據結構
3.3.1 列表
3.3.2 字典
3.3組
3.3.4 集合
3.4 控制流
3.4.1 代碼塊和pass語句
3.4.2 if語句和條件表達式
3.4.3 for循環和while循環
3.4.4 列表、字典和集合推導式
3.5 組織代碼
3.5.1 函數
3.5.2 模塊和import語句
3.5.3 datetime類
3.6 PEP 8：Python風格指南
3.6.1 PEP 8和VS Code
3.6.2 類型提示
3.7 小結
第二部分 pandas入門
第4章 NumPy基礎
4.1 NumPy入門
4.1.1 NumPy數組
4.1.2 向量化和廣播
4.1.3 通用函數
4.2 創建和操作數組
4.2.1素
4.2.2 方便的數組構造器
4.2.3 視圖和副本
4.3 小結
第5章 使用pandas進行數據分析
5.1 DataFrame和Series
5.1.1 索引
5.1.2 列
5.2 數據操作
5.2.1 選取數據
5.2.2 設置數據
5.2.3 缺失數據
5.2.4 重復數據
5.2.5 算術運算
5.2.6 處理文本列
5.2.7 應用函數
5.2.8 視圖和副本
5.3 組合DataFrame
5.3.1 連接
5.3.2 連接和合並
5.4 描述性統計量和數據聚合
5.4.1 描述性統計量
5.4.2 分組
5.4.3 透視和熔化
5.5 繪圖
5.5.1 Matplotlib
5.5.2 Plotly
5.6 導入和導出DataFrame
5.6.1 導出CSV文件
5.6.2 導入CSV文件
5.7 小結
第6章 使用pandas進行時序分析
6.1 DatetimeIndex
6.1.1 創建DatetimeIndex
6.1.2 篩選DatetimeIndex
6.1.3 處理時區
6.2 常見時序操作
6.2.1 移動和百分比變化率
6.2.2 基數的更改和相關性
6.2.3 重新采樣
6.2.4 滾動窗口
6.3 pandas的局限性
6.4 小結
第三部分 在Excel之外讀寫Excel文件
第7章 使用pandas操作Excel文件
7.1 案例研究：Excel報表
7.2 使用pandas讀寫Excel文件
7.2.1 read_excel函數和ExcelFile類
7.2.2 to_excel方法和ExcelWriter類
7.3 使用pandas處理Excel文件的局限性
7.4 小結
第8章 使用讀寫包操作Excel文件
8.1 讀寫包
8.1.1 何時使用何種包
8.1.2 excel.py模塊
8.1.3 OpenPyXL
8.1.4 XlsxWriter
8.1.5 pyxlsb
8.1.6 xlrd、xlwt和xlutils
8.2 讀寫包的高級主題
8.2.1 處理大型Excel文件
8.2.2 調整DataFrame在Excel中的格式
8.2.3 案例研究（復習）：Excel報表
8.3 小結
第四部分 使用xlwings對Excel應用程序進行編程
第9章 Excel自動化
9.1 開始使用xlwings
9.1.1 將Excel用作數據查看器
9.1.2 Excel對像模型
9.1.3 運行VBA代碼
9.2 轉換器、選項和集合
9.2.1 處理DataFrame
9.2.2 轉換器和選項
9.2.3 表、片和已定義名稱
9.2.4 案例研究（再次回顧）：Excel報表
9.3 高級xlwings主題
9.3.1 xlwings的基礎
9.3.2 提升性能
9.3.3 如何彌補缺失的功能
9.4 小結
第10章 Python驅動的Excel工具
10.1 利用xlwings將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函數
10.2 部署
10.2.1 Python依賴
10.2.2 獨立工作簿：脫離xlwings插件
10.2.3 配置的層次關繫
10.2.4 設置
10.3 小結
第11章 Python包追蹤器
11.1 構建什麼樣的應用程序
11.2 核心功能
11.2.1 Web API
11.2.2 數據庫
11.2.3 異常
11.3 應用程序架構
11.3.1 前端
11.3.2 後端
11.3.3 調試
11.4 小結
第12章 用戶定義函數
12.1 UDF入門
12.2 案例研究：Google Trends
12.2.1 Google Trends簡介
12.2.2 使用DataFrame和動態數組
12.2.3 從Google Trends上獲取數據
12.2.4 使用UDF繪制表
12.2.5 調試UDF
12.3 高級UDF主題
12.3.1 基礎性能優化
12.3.2 緩存
12.3.3 sub裝飾器
12.4 小結
附錄A Conda環境
附錄B 高級VS Code功能
附錄C 高級Python概念

在如今的時代，大型數據集唾手可得，含有數百萬行的數據文件並不罕見。Python是數據分析師和數據科學家的優選語言。通過本書，即使接近不了解Python，Excel用戶也能夠學會用Python將煩瑣的任務自動化，顯著地提高辦公效率，並利用Python在數據分析和科學計算方面的突出優勢，輕松搞定Excel任務。你將學習如何用pandas替代 Excel函數，以及如何用自動化Python庫替代VBA宏和用戶定義函數等。本書既適合Excel用戶，也適合Python用戶閱讀。

(瑞士)費利克斯·朱姆斯坦 著 馮黎 譯