智能分析：ChatGPT+Excel+Python超強組合玩轉(zhuǎn)數(shù)據(jù)分析

第1章 概述 1
1.1　Excel和Python數(shù)據(jù)處理簡介 1
1.1.1 Excel數(shù)據(jù)處理 1
1.1.2 使用Python處理數(shù)據(jù) 2
1.1.3 pandas、xlwings和OpenPyXL組合的優(yōu)勢 2
1.1.4 DataFrame和Series 3
1.1.5 Python及各種包的安裝 4
1.1.6 Python IDLE編程環(huán)境 5
1.2　ChatGPT及其操作基礎 7
1.2.1 ChatGPT簡介 7
1.2.2 得到想要的答案：提示詞簡介 7
1.2.3 使用ChatGPT生成代碼 9
1.2.4 面向問題重構與提示詞模板 11
1.2.5 使用ChatGPT進行數(shù)據(jù)分析的主要思想和步驟小結 11
1.3　提示詞的編寫技巧 12
1.3.1 基本技巧 12
1.3.2 數(shù)據(jù)相關 12
1.3.3 表達相關 13
1.3.4 輸出相關 14
1.3.5 效率相關 14
1.3.6 語言相關 15
1.4　怎樣使用本書 16
1.4.1 不同讀者怎樣使用本書 16
1.4.2 在使用提示詞時可能遇到的問題及解決辦法 16

第2章 使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)導入和導出 18
2.1　使用ChatGPT+pandas導入Excel文件中的數(shù)據(jù) 18
2.1.1 導入Excel文件中的全部數(shù)據(jù) 18
2.1.2 導入Excel文件中的部分數(shù)據(jù) 20
2.2　使用ChatGPT+pandas將數(shù)據(jù)寫入Excel文件中 21
2.3　使用ChatGPT+pandas實現(xiàn)CSV文件中數(shù)據(jù)的導入和導出 23
2.4　將數(shù)據(jù)保存到新工作簿的工作表中 25
2.5　將數(shù)據(jù)保存到同一工作簿的新工作表中 27
2.6　局部區(qū)域數(shù)據(jù)的導入和導出（與xlwings交互） 31
2.7　局部區(qū)域數(shù)據(jù)的導入和導出（與OpenPyXL交互） 33

第3章 使用ChatGPT+pandas實現(xiàn)單個文件數(shù)據(jù)的整理 36
3.1　使用ChatGPT+pandas實現(xiàn)列操作 36
3.1.1 直接添加一個新列 36
3.1.2 利用已有列數(shù)據(jù)通過簡單計算得到新列 38
3.1.3 利用已有列數(shù)據(jù)通過轉(zhuǎn)換得到新列 39
3.1.4 利用已有列數(shù)據(jù)通過統(tǒng)計得到新列 42
3.1.5 根據(jù)簡單條件得到新列 45
3.1.6 根據(jù)多級條件得到新列 46
3.1.7 根據(jù)多列數(shù)據(jù)組成的條件得到新列 48
3.1.8 根據(jù)條件得到新列（mask方法） 50
3.1.9 根據(jù)條件得到新列（where方法） 51
3.1.10 插入列 53
3.1.11 修改單個列的列名 54
3.1.12 修改多個列的列名 56
3.1.13 給所有列名添加前綴和后綴 57
3.1.14 修改列數(shù)據(jù)的數(shù)據(jù)類型 59
3.1.15 修改列數(shù)據(jù) 61
3.1.16 修改列數(shù)據(jù)的格式 63
3.1.17 將列中的字符串數(shù)據(jù)修改為數(shù)字 65
3.1.18 根據(jù)條件修改數(shù)據(jù) 67
3.1.19 刪除列 68
3.2　使用ChatGPT+pandas實現(xiàn)行操作 70
3.2.1 直接添加一個新行 70
3.2.2 利用已有行數(shù)據(jù)通過計算得到新行 72
3.2.3 插入行 74
3.2.4 修改行名 76
3.2.5 修改行數(shù)據(jù) 78
3.2.6 刪除行 79
3.3　使用ChatGPT+pandas實現(xiàn)值操作 81
3.3.1 修改單個值 81
3.3.2 修改局部區(qū)域中的值 82
3.3.3 修改所有值 84
3.4　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)查詢 86
3.4.1 單條件查詢 86
3.4.2 多條件查詢 88
3.5　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)排序 89
3.5.1 單條件排序 89
3.5.2 多條件排序 91
3.5.3 提取前3名數(shù)據(jù) 92
3.6　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)篩選 94
3.6.1 單條件篩選 94
3.6.2 多條件篩選 96
3.7　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)排名 97
3.7.1 中國式排名 97
3.7.2 美國式排名 99

第4章 使用ChatGPT+pandas實現(xiàn)多個文件數(shù)據(jù)的整理 102
4.1　使用ChatGPT+pandas拆分數(shù)據(jù) 102
4.1.1 簡單拆分——垂直 102
4.1.2 簡單拆分——水平 104
4.1.3 根據(jù)變量的值將數(shù)據(jù)拆分到不同工作簿中 105
4.2　使用ChatGPT+pandas合并數(shù)據(jù) 107
4.2.1 合并不同工作表中的數(shù)據(jù) 107
4.2.2 合并不同工作簿中的數(shù)據(jù) 112
4.3　使用ChatGPT+pandas拼接數(shù)據(jù) 114
4.4　使用ChatGPT+pandas連接數(shù)據(jù) 116
4.5　使用ChatGPT+pandas追加數(shù)據(jù) 118

第5章 使用ChatGPT+pandas實現(xiàn)文本數(shù)據(jù)的整理 120
5.1　使用ChatGPT+pandas提取子文本 120
5.2　使用ChatGPT+pandas改變文本大小寫 122
5.3　使用ChatGPT+pandas實現(xiàn)分列 124
5.3.1 使用單一分隔符進行分列 124
5.3.2 使用多種分隔符進行分列 126
5.3.3 按照固定寬度進行分列 128
5.4　使用ChatGPT+pandas合并文本 129
5.5　使用ChatGPT+pandas查找和替換子文本 132
5.6　使用ChatGPT+pandas輸出文本的格式 133

第6章 使用ChatGPT+pandas實現(xiàn)日期時間數(shù)據(jù)的整理 136
6.1　使用ChatGPT+pandas實現(xiàn)時間點數(shù)據(jù)的整理 136
6.1.1 從給定的日期時間中提取單位對應的數(shù)字 136
6.1.2 計算給定日期是星期幾 138
6.2　使用ChatGPT+pandas實現(xiàn)時間段數(shù)據(jù)的整理 140
6.2.1 計算兩個日期之間的間隔天數(shù) 140
6.2.2 已知起始日期和間隔天數(shù)計算終止日期 142

第7章 使用ChatGPT+pandas實現(xiàn)時間序列數(shù)據(jù)的整理 144
7.1　時間序列數(shù)據(jù) 144
7.1.1 創(chuàng)建時間序列數(shù)據(jù) 144
7.1.2 從文件中導入時間序列數(shù)據(jù) 146
7.2　使用ChatGPT+pandas實現(xiàn)時間序列數(shù)據(jù)的常見處理 148
7.2.1 數(shù)據(jù)查詢 148
7.2.2 數(shù)據(jù)篩選 149
7.2.3 數(shù)據(jù)轉(zhuǎn)換 150
7.2.4 數(shù)據(jù)匯總 152
7.3　使用ChatGPT+pandas實現(xiàn)時間序列數(shù)據(jù)偏移 153
7.3.1 日期時間偏移 153
7.3.2 工作日偏移 154
7.4　使用ChatGPT+pandas實現(xiàn)時間序列數(shù)據(jù)平滑 156
7.5　使用ChatGPT+pandas實現(xiàn)時間序列數(shù)據(jù)重采樣 158

第8章 使用ChatGPT+pandas實現(xiàn)分類數(shù)據(jù)的整理 160
8.1　分類數(shù)據(jù) 160
8.1.1 創(chuàng)建分類數(shù)據(jù) 160
8.1.2 設置分類值 162
8.1.3 對分類數(shù)據(jù)進行排序 163
8.2　使用ChatGPT+pandas處理分類數(shù)據(jù) 164
8.2.1 查詢分類 165
8.2.2 增加分類值 166
8.2.3 修改分類值 167
8.2.4 刪除分類值 168

第9章 使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)預處理 170
9.1　使用ChatGPT+pandas處理重復數(shù)據(jù) 170
9.1.1 整行數(shù)據(jù)重復的處理 170
9.1.2 指定數(shù)據(jù)重復的處理 172
9.2　使用ChatGPT+pandas處理缺失值 173
9.2.1 發(fā)現(xiàn)缺失值 174
9.2.2 刪除缺失值 176
9.2.3 填充缺失值 177
9.3　使用ChatGPT+pandas處理異常值 179
9.3.1 發(fā)現(xiàn)異常值 179
9.3.2 刪除異常值 182
9.3.3 替換異常值 184
9.4　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)轉(zhuǎn)換 185
9.4.1 數(shù)據(jù)標準化 186
9.4.2 數(shù)據(jù)歸一化 187
?
第10章 使用ChatGPT+pandas實現(xiàn)統(tǒng)計分析 190
10.1　使用ChatGPT+pandas實現(xiàn)描述性統(tǒng)計 190
10.1.1 描述數(shù)據(jù)集中趨勢 190
10.1.2 描述數(shù)據(jù)離中趨勢 192
10.1.3 描述數(shù)據(jù)分布形狀 194
10.2　使用ChatGPT+pandas實現(xiàn)分組統(tǒng)計 195
10.2.1 分組描述性統(tǒng)計 195
10.2.2 分組提取首次數(shù)據(jù)和末次數(shù)據(jù) 197
10.2.3 多條件匯總 199
10.2.4 分組按條件統(tǒng)計 201
10.3　使用ChatGPT+pandas實現(xiàn)頻數(shù)分析 202
10.4　使用ChatGPT+pandas實現(xiàn)數(shù)據(jù)透視表 204
10.4.1 創(chuàng)建數(shù)據(jù)透視表 204
10.4.2 設置數(shù)據(jù)透視表中值的輸出格式 206
10.4.3 處理數(shù)據(jù)透視表中的缺失值 208
10.4.4 設置數(shù)據(jù)透視表的聚合函數(shù) 210
10.4.5 為數(shù)據(jù)透視表添加行匯總和列匯總 213
10.4.6 設置數(shù)據(jù)透視表中數(shù)據(jù)的顯示方式 215
10.4.7 對數(shù)據(jù)透視表中的數(shù)據(jù)進行排序 217
10.4.8 聚合函數(shù)為連接字符串 219

第11章 使用ChatGPT實現(xiàn)與Excel工作表相關的設置 223
11.1　使用ChatGPT+xlwings設置Excel工作表 223
11.1.1 設置邊框 223
11.1.2 設置背景色 227
11.1.3 設置字體 229
11.1.4 設置對齊方式 231
11.1.5 單元格合并和取消合并 233
11.2　使用ChatGPT+OpenPyXL設置Excel工作表 235
11.2.1 設置邊框 235
11.2.2 設置背景色 238
11.2.3 設置字體 239
11.2.4 設置對齊方式 241
11.2.5 單元格合并和取消合并 242

第12章 使用ChatGPT實現(xiàn)數(shù)據(jù)可視化 244
12.1　使用ChatGPT+xlwings實現(xiàn)數(shù)據(jù)可視化 244
12.1.1 條形圖 244
12.1.2 餅圖 247
12.2　使用ChatGPT+OpenPyXL實現(xiàn)數(shù)據(jù)可 視化 249
12.2.1 條形圖 249
12.2.2 餅圖 251
12.3　使用ChatGPT+Matplotlib實現(xiàn)數(shù)據(jù)可視化 252
12.3.1 條形圖 253
12.3.2 餅圖 254

第13章 Python語法基礎 256
13.1　常量和變量 256
13.1.1 常量 256
13.1.2 變量及其聲明、賦值和刪除 256
13.1.3 變量的數(shù)據(jù)類型 257
13.2　數(shù)字 257
13.2.1 整型數(shù)字 257
13.2.2 浮點型數(shù)字 258
13.3　字符串 258
13.3.1 創(chuàng)建字符串 258
13.3.2 索引和切片 258
13.3.3 字符串的長度和大小寫 259
13.3.4 字符串的分割、連接和刪除 259
13.4　列表 260
13.4.1 創(chuàng)建列表 260
13.4.2 添加列表元素 261
13.4.3 索引和切片 261
13.4.4 刪除列表元素 262
13.5　元組 262
13.5.1 元組的創(chuàng)建和刪除 263
13.5.2 索引和切片 263
13.6　字典 263
13.6.1 字典的創(chuàng)建 263
13.6.2 字典元素的增、刪、改、查 264
13.7　表達式 265
13.7.1 算術運算符 265
13.7.2 關系運算符 265
13.7.3 邏輯運算符 266
13.8　流程控制 266
13.8.1 判斷結構 266
13.8.2 循環(huán)結構——for循環(huán) 268
13.8.3 循環(huán)結構——while循環(huán) 268
13.9　函數(shù) 269
13.9.1 內(nèi)部函數(shù) 269
13.9.2 標準模塊函數(shù)和第三方模塊 函數(shù) 269
13.9.3 自定義函數(shù) 269

第14章 pandas基礎 271
14.1　NumPy數(shù)組 271 <>