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Python大数据、人工智能、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实施自动化运维、主数据项目、大数据分析项目的开发工作，涉及国内各大房地产企业、金融企业、政府机关灯领域。

第1章 Excel与Python的定位与功能对比
1.1 数据分析简介
1.1.1 发展趋势
1.1.2 赋能增值
1.2 Excel与Python的特征对比
1.2.1 定位对比
1.2.2 操作方式对比
1.2.3 适用场景和对象
1.3 Excel与Python的功能范围
1.3.1 Excel的功能区
1.3.2 Python数据处理包和工具
1.3.3 Excel与Python的数据处理功能对比
1.4 Excel与Python的选择和协作
1.4.1 如何选择
1.4.2 如何协作
第2章 统计量
2.1 常用统计量介绍
2.1.1 集中趋势
2.1.2 离散程度
2.1.3 可能性评估
2.1.4 条件概率
2.2 随机变量及其分布
2.2.1 随机变量
2.2.2 离散型随机变量分布
2.2.3 连续型随机变量分布
第3章 实践环境的搭建
3.1 Excel数据分析环境
3.1.1 配置和扩展功能区
3.1.2 Excel的操作方法
3.2 Python开发环境
3.2.1 安装Python
3.2.2 安装Anaconda开发环境
3.3 Python基础语法
3.3.1 认识Python的工作方式
3.3.2 基础语法——Python的独特“口音”
3.3.3 变量与类型——角色扮演
3.3.4 运算符——算术演示
3.3.5 字符串操作——以语文实例演示
3.3.6 条件控制——以物理实例演示
3.3.7 循环控制——以数学实例演示
3.3.8 GUI编程——以美术实例演示
……
第4章 数据处理与分析
第5章 数据抽取——ETL中的E
第6章 数据清洗——ETL中的T
第7章 数据装载——ETL中的L
第8章 数据建模
第9章 数据挖掘
第10章 数据可视化
第11章 分析报告