《Python+Office：轻松实现Python办公自动化》分为6篇。第1篇Python编程基础篇，介绍Python语言及开发环境搭建、Python编程基础、利用Python进行数据准备；第2篇Excel数据自动化处理篇，介绍利用Python进行数据处理、数据分析和数据可视化；第3篇Word文本自动化处理篇，介绍文本自动化处理、利用Python进行文本自动化处理、利用Python制作企业运营月报Word版；第4篇幻灯片自动化制作篇，介绍幻灯片自动化制作、利用Python进行幻灯片自动化制作、利用Python制作企业运营月报幻灯片；第5篇邮件自动化处理篇，介绍利用Python批量发送电子邮件、利用Python获取电子邮件、利用Python自动发送电商会员邮件；第6篇文件自动化处理篇，介绍利用Python进行文件自动化处理。《Python+Office：轻松实现Python办公自动化》从实际工作需求的角度，详细介绍了基于Python的办公自动化技术，既可以作为职场人员学习Python办公自动化的自学用书，也可以作为高等院校相关专业学生的参考用书。

第1篇 Python编程基础篇
第1章 初识Python语言及
开发环境搭建
1.1 Python及其优势
1.1.1 Python的历史
1.1.2 Python的特点
1.1.3 Python的优势
1.2 搭建Python开发环境
1.2.1 安装Anaconda
1.2.2 安装Jupyter库
1.2.3 库管理工具pip
1.3 上机实践题
第2章 Python编程基础
2.1 Python数据类型
2.1.1 数值（Number）
2.1.2 字符串（String）
2.1.3 列表（List）
2.1.4 元组（Tuple）
2.1.5 集合（Set）
2.1.6 字典（Dictionary）
2.2 Python基础语法
2.2.1 基础语法：行与缩进
2.2.2 条件语句：if及if嵌套
2.2.3 循环语句：while与for
2.2.4 格式化：format()函数
2.3 Python常用高阶函数
2.3.1 map()函数：数组迭代
2.3.2 reduce()函数：序列累积
2.3.3 filter()函数：数值过滤
2.3.4 sorted()函数：列表排序
2.4 Python编程技巧
2.4.1 Tab键自动补全程序
2.4.2 多个变量的数值交换
2.4.3 列表解析式筛选元素
2.4.4 遍历函数
2.4.5 split()函数：序列解包
2.5 上机实践题
第3章 利用Python进行数据准备
3.1 数据的读取
3.1.1 读取本地离线数据
3.1.2 读取Web在线数据
3.1.3 读取常用数据库中的数据
3.2 数据的索引
3.2.1 set_index()函数
创建索引
3.2.2 unstack()函数
重构索引
3.2.3 swaplevel()函数
调整索引
3.3 数据的切片
3.3.1 提取一列或多列数据
3.3.2 提取一行或多行数据
3.3.3 提取指定区域的数据
3.4 数据的删除
3.4.1 删除一行或多行数据
3.4.2 删除一列或多列数据
3.4.3 删除指定的列表对象
3.5 数据的排序
3.5.1 按行索引对数据进行排序
3.5.2 按列索引对数据进行排序
3.5.3 按一列或多列对数据
进行排序
3.5.4 按一行或多行对数据
进行排序
3.6 数据的聚合
3.6.1 level参数：指定列聚合
数据
3.6.2 groupby()函数：分组聚合
3.6.3 agg()函数：自定义聚合
3.7 数据的透视
3.7.1 pivot_table()函数
数据透视
3.7.2 crosstab()函数：数据交叉
3.8 数据的合并
3.8.1 merge()函数：横向合并
3.8.2 concat()函数：纵向合并
3.9 工作表合并与拆分
3.9.1 单个工作簿多个
工作表合并
3.9.2 多个工作簿单个
工作表合并
3.9.3 工作表按某一列拆分数据
3.10 上机实践题
第2篇 Excel数据自动化处理篇
第4章 利用Python进行数据处理
4.1 重复值的处理
4.1.1 Excel重复值的处理
4.1.2 Python重复值的检测
4.1.3 Python重复值的处理
4.2 缺失值的处理
4.2.1 Excel缺失值的处理
4.2.2 Python缺失值的检测
4.2.3 Python缺失值的处理
4.3 异常值的处理
4.3.1 Excel异常值的处理
4.3.2 Python异常值的检测
4.3.3 使用replace()函数处理
异常值
4.4 Python处理金融数据案例实战
4.4.1 读取上证指数股票数据
4.4.2 提取2020年8月数据
4.4.3 填充非交易日缺失数据
4.4.4 使用diff()函数计算
数据偏移
4.5 上机实践题
第5章 利用Python进行数据分析
5.1 Python描述性分析
5.1.1 平均数及案例
5.1.2 中位数及案例
5.1.3 方差及案例
5.1.4 标准差及案例
5.1.5 百分位数及案例
5.1.6 变异系数及案例
5.1.7 偏度及案例
5.1.8 峰度及案例
5.2 Python相关分析
5.2.1 皮尔逊相关系数
5.2.2 斯皮尔曼相关系数
5.2.3 肯德尔相关系数
5.3 Python线性回归分析
5.3.1 线性回归模型简介
5.3.2 线性回归模型建模
5.3.3 线性回归模型案例
5.4 上机实践题
第6章 利用Python进行数据可视化
6.1 绘制对比型图表及案例
6.1.1 绘制条形图
6.1.2 绘制气泡图
6.2 绘制趋势型图表及案例
6.2.1 绘制折线图
6.2.2 绘制面积图
6.3 绘制比例型图表及案例
6.3.1 绘制饼图
6.3.2 绘制环形图
6.4 绘制分布型图表及案例
6.4.1 绘制散点图
6.4.2 绘制箱型图
6.5 绘制其他类型图表及案例
6.5.1 绘制树状图
6.5.2 绘制K线图
6.6 上机实践题
第3篇 Word文本自动化处理篇
第7章 文本自动化处理
7.1 应用场景及环境搭建
7.1.1 文本自动化应用场景
7.1.2 文本自动化环境搭建
7.2 Python-docx库案例演示
7.2.1 document()函数
打开文档
7.2.2 add_heading()函数
添加标题
7.2.3 add_paragraph()函数
添加段落
7.2.4 add_picture()函数
添加图片
7.2.5