第 1章 網(wǎng)店開(kāi)業(yè)——初識(shí)數(shù)據(jù)　1 1.1 清點(diǎn)庫(kù)存——獲取原始數(shù)據(jù)　1 1.2 數(shù)據(jù)標(biāo)準(zhǔn)化——整理Excel 數(shù)據(jù)　2 1.2.1 二維表　3 1.2.2 數(shù)據(jù)完整性與正確性　5 1.2.3 拆分?jǐn)?shù)據(jù)——分列與 公式　7 1.2.4 數(shù)據(jù)類型和顯示格式　11 1.2.5 分而治之，按需組合　12 1.3 認(rèn)識(shí)數(shù)據(jù)　14 1.3.1 定量數(shù)據(jù)和定性數(shù)據(jù)　14 1.3.2 絕對(duì)量與相對(duì)量　14 1.4 尋找“大客戶”——排序　16 1.5 數(shù)據(jù)挑著看——篩選　17 1.6 數(shù)據(jù)交換——Excel和CSV　19 第 2章 銷量的起伏——數(shù)據(jù)背后的 故事　25 2.1 銷售數(shù)據(jù)如何——簡(jiǎn)單的統(tǒng)計(jì)　25 2.1.1 算術(shù)平均數(shù)　26 2.1.2 幾何平均數(shù)　27 2.1.3 眾數(shù)　30 2.1.4 最小值和最大值　32 2.1.5 中位數(shù)、四分位數(shù)和 百分位數(shù)　33 2.1.6 方差和標(biāo)準(zhǔn)差　35 2.1.7 標(biāo)準(zhǔn)分　36 2.1.8 分類匯總　38 2.1.9 數(shù)據(jù)透視表　41 2.2 學(xué)看統(tǒng)計(jì)圖　43 2.2.1 折線圖　43 2.2.2 餅圖　45 2.2.3 條形圖　46 2.3 銷量下降——是時(shí)候認(rèn)真 分析數(shù)據(jù)了　47 2.3.1 轉(zhuǎn)化率——訪問(wèn)量和 銷量　48 2.3.2 訪問(wèn)量－購(gòu)買量＝？　50 第3章 凌晨3點(diǎn)——又加班了　51 3.1 多銷售渠道的煩惱　51 3.2 日?qǐng)?bào)表、月報(bào)表、 年度報(bào)表等　53 第4章 強(qiáng)大的信息處理工具—— Python編程　54 4.1 創(chuàng)建Python環(huán)境　54 4.1.1 Visual Studio　54 4.1.2 代碼文件的編碼問(wèn)題　56 4.1.3 使用指定版本的Python　58 4.1.4 設(shè)置Path環(huán)境變量　59 4.1.5 命令行窗口　61 4.1.6 Python命令行環(huán)境　62 4.2 編寫(xiě)Python代碼　64 4.3 功能實(shí)現(xiàn)者——函數(shù)和lambda 表達(dá)式　66 4.3.1 函數(shù)　66 4.3.2 可調(diào)用類型　71 4.3.3 lambda表達(dá)式　73 4.4 “對(duì)象”是主角——面向?qū)ο? 編程　74 4.4.1 類與對(duì)象　74 4.4.2 繼承　80 4.4.3 “魔術(shù)方法”　82 4.4.4 with語(yǔ)句　84 4.4.5 類成員和靜態(tài)方法　87 4.5 模塊化管理　91 4.6 向左還是向右——代碼流程 控制　96 4.6.1 條件判斷和if語(yǔ)句　96 4.6.2 循環(huán)語(yǔ)句　100 4.6.3 match語(yǔ)句　103 4.7 處理運(yùn)行錯(cuò)誤　104 第5章 更靈活的計(jì)算——在Python 中處理數(shù)據(jù)　108 5.1 不一樣的算術(shù)運(yùn)算　108 5.2 隨機(jī)數(shù)　110 5.3 序列　112 5.3.1 列表　113 5.3.2 元組　121 5.3.3 數(shù)列　123 5.4 字典　124 5.5 集合　128 5.6 更自由的排列—— sorted() 函數(shù)　129 5.7 數(shù)學(xué)計(jì)算—— math模塊　131 5.8 統(tǒng)計(jì)資源—— statistics模塊　132 5.8.1 使用Fraction類處理 分?jǐn)?shù)　132 5.8.2 算術(shù)平均數(shù)　133 5.8.3 幾何平均數(shù)　133 5.8.4 眾數(shù)　134 5.8.5 中位數(shù)　134 5.8.6 方差和標(biāo)準(zhǔn)差　135 5.9 計(jì)算百分位數(shù)　136 5.10 計(jì)算標(biāo)準(zhǔn)分?jǐn)?shù)　139 5.11 按中文拼音排序　139 5.12 日期和時(shí)間　142 5.12.1 datetime類　142 5.12.2 時(shí)間間隔　143 5.12.3 時(shí)區(qū)　144 5.12.4 時(shí)間戳　144 5.12.5 日期和時(shí)間的推算　145 5.12.6 格式轉(zhuǎn)換　146 第6章 “超能熊貓”來(lái)幫忙—— pandas應(yīng)用　149 6.1 Series對(duì)象　149 6.2 排序　152 6.3 統(tǒng)計(jì)方法　154 第7章 二維表模型—— DataFrame 　158 7.1 DataFrame對(duì)象　158 7.2 讀取數(shù)據(jù)　160 7.2.1 iloc和loc屬性　160 7.2.2 讀取列　163 7.2.3 讀取行　164 7.3 排序　168 7.4 按條件查詢數(shù)據(jù)　170 7.5 處理空值數(shù)據(jù)　173 7.6 處理重復(fù)數(shù)據(jù)　174 7.7 數(shù)據(jù)旋轉(zhuǎn)　177 7.8 數(shù)據(jù)合并　178 7.9 數(shù)據(jù)連接　181 7.10 統(tǒng)計(jì)方法　182 7.11 分組　183 7.12 透視表　185 第8章 圖形更直觀——pandas 繪制統(tǒng)計(jì)圖　188 8.1 部分與整體的比例——餅圖　189 8.2 數(shù)據(jù)的關(guān)系與分布——散點(diǎn)圖與 氣泡圖　193 8.3 趨勢(shì)——折線圖　197 8.4 更直觀的對(duì)比——條形圖　202 8.5 數(shù)據(jù)的“距”——箱線圖　209 第9章 數(shù)據(jù)中轉(zhuǎn)站——數(shù)據(jù)格式 轉(zhuǎn)換　211 9.1 xlwt模塊寫(xiě)入Excel　211 9.2 xlrd模塊讀取Excel　215 9.3 openpyxl模塊讀寫(xiě)Excel　217 9.4 pandas模塊讀寫(xiě)Excel　220 9.5 csv模塊讀寫(xiě)CSV數(shù)據(jù)　223 9.6 pandas模塊讀寫(xiě)CSV數(shù)據(jù)　227 第 10章 強(qiáng)大的數(shù)據(jù)倉(cāng)庫(kù)—— SQLite數(shù)據(jù)庫(kù)　229 10.1 使用DB Browser for SQLite　229 10.2 數(shù)據(jù)類型　230 10.3 數(shù)據(jù)表　230 10.3.1 創(chuàng)建表　230 10.3.2 表的關(guān)聯(lián)——主鍵、唯一 約束和外鍵　232 10.3.3 添加字段　234 10.3.4 刪除表　235 10.3.5 sqlite_master系統(tǒng)表　235 10.3.6 索引　236 10.4 導(dǎo)入CSV數(shù)據(jù)　236 10.5 查詢與視圖　237 10.5.1 查詢條件　238 10.5.2 排序　240 10.5.3 分組與統(tǒng)計(jì)　242 10.5.4 連接　243 10.5.5 聯(lián)合　245 10.5.6 limit和offset關(guān)鍵字　247 10.5.7 exists語(yǔ)句　248 10.5.8 case語(yǔ)句　248 10.5.9 視圖　249 10.5.10 將查詢結(jié)果 保存到表　251 10.5.11 將數(shù)據(jù)保存到CSV 文件　252 10.6 添加數(shù)據(jù)　252 10.7 修改數(shù)據(jù)　254 10.8 刪除數(shù)據(jù)　255 10.9 日期和時(shí)間的處理方式　255 第 11章 Python操作SQLite　261 11.1 應(yīng)用基礎(chǔ)　261 11.1.1 執(zhí)行SQL語(yǔ)句　262 11.1.2 讀取查詢結(jié)果　263 11.1.3 創(chuàng)建tSqlite類　263 11.2 查詢單值　265 11.3 查詢單條記錄　266 11.4 查詢多條記錄　267 11.5 查詢單列數(shù)據(jù)　270 11.6 添加數(shù)據(jù)　271 11.7 修改數(shù)據(jù)　273 11.8 刪除數(shù)據(jù)　274 11.9 擴(kuò)展操作　275 11.9.1 自定義函數(shù)　275 11.9.2 聚合函數(shù)　277 11.9.3 排序規(guī)則　280 11.10 pandas讀取和寫(xiě)入SQLite數(shù)據(jù)　282 第 12章 更大、更快、更強(qiáng)——MySQL數(shù)據(jù)庫(kù)　285 12.1 MySQL安裝與配置　285 12.2 使用HeidiSQL　289 12.3 常用數(shù)據(jù)類型　291 12.4 數(shù)據(jù)表　292 12.4.1 創(chuàng)建表　292 12.4.2 主鍵、唯一值和外鍵約束　294 12.4.3 修改字段定義　295 12.4.4 復(fù)制表結(jié)構(gòu)　296 12.4.5 表的重命名（表的移動(dòng)）　297 12.4.6 刪除表　298 12.4.7 索引　298 12.5 導(dǎo)入CSV數(shù)據(jù)　298 12.6 查詢和視圖　302 12.6.1 查詢條件與排序　302 12.6.2 分組與統(tǒng)計(jì)　307 12.6.3 連接　307 12.6.4 聯(lián)合　308 12.6.5 limit和offset關(guān)鍵字　310 12.6.6 exists語(yǔ)句　311 12.6.7 case語(yǔ)句　311 12.6.8 視圖　312 12.6.9 查詢結(jié)果保存到表　312 12.6.10 查詢結(jié)果導(dǎo)出CSV　313 12.7 數(shù)據(jù)添加、修改和刪除　314 12.7.1 添加數(shù)據(jù)　314 12.7.2 修改數(shù)據(jù)　315 12.7.3 刪除數(shù)據(jù)　315 12.8 常用函數(shù)與功能　315 12.8.1 統(tǒng)計(jì)與數(shù)學(xué)計(jì)算　315 12.8.2 文本操作　316 12.8.3 日期和時(shí)間　317 12.8.4 if()和ifnull()函數(shù)　320 12.8.5 判斷對(duì)象是否存在　320 12.9 存儲(chǔ)過(guò)程　321 第 13章 Python操作MySQL　323 13.1 應(yīng)用基礎(chǔ)　323 13.1.1 連接數(shù)據(jù)庫(kù)　323 13.1.2 執(zhí)行SQL并讀取查詢結(jié)果　324 13.1.3 使用參數(shù)傳遞數(shù)據(jù)　325 13.2 創(chuàng)建tMySql類　325 13.3 查詢單值　327 13.4 查詢單條記錄　328 13.5 查詢多條記錄　329 13.6 查詢單列數(shù)據(jù)　331 13.7 添加記錄　332 13.8 修改數(shù)據(jù)　335 13.9 刪除記錄　336 13.10 pandas讀取和寫(xiě)入MySQL數(shù)據(jù)　337 第 14章 數(shù)據(jù)一籮筐——打造數(shù)據(jù)中心　339 14.1 創(chuàng)建數(shù)據(jù)中心　339 14.2 批量導(dǎo)入數(shù)據(jù)　341 14.2.1 標(biāo)準(zhǔn)化數(shù)據(jù)　341 14.2.2 導(dǎo)入Excel數(shù)據(jù)　342 14.3 定時(shí)導(dǎo)入　343 14.4 處理網(wǎng)絡(luò)數(shù)據(jù)　349 14.4.1 HTML表格　349 14.4.2 JSON　352 14.5 從圖像中識(shí)別數(shù)據(jù)OCR）　353 14.5.1 圖像識(shí)別——EasyOCR　354 14.5.2 裁剪圖片　356 14.5.3 保存到“數(shù)據(jù)中心”　359 第 15章 更深入的數(shù)據(jù)分析　365 15.1 客戶的抱怨——處理文本信息　365 15.1.1 字符串處理　366 15.1.2 正則表達(dá)式　368 15.2 關(guān)于服裝的信息　373 15.3 “購(gòu)買指數(shù)”——產(chǎn)品推薦算法　374 第 16章 早上八點(diǎn)，一杯咖啡，一份報(bào)表　378 16.1 自動(dòng)生成報(bào)表　378 16.1.1 數(shù)據(jù)計(jì)算　378 16.1.2 生成Excel報(bào)表　379 16.2 繼續(xù)前進(jìn)　383