Python 自动化办公与数据分析入门指南

3. 字典 (Dict)

键值对映射结构，用花括号 {} 表示。通过键 (Key) 快速查找值 (Value)。

user_info = {"id": 1, "name": "Alice"}
print(user_info["name"]) # Alice

4. 集合 (Set)

无序不重复元素集合，用花括号 {} 或 set() 创建。支持交集、并集、差集运算。

a = {1, 2, 3}
b = {3, 4, 5}
print(a & b) # {3}

四、办公自动化实战

1. Excel 文件处理

使用 pandas 库可高效读取、清洗和写入 Excel 文件，替代手动复制粘贴。

import pandas as pd
# 读取 Excel
df = pd.read_excel('data.xlsx')
# 筛选数据
df_filtered = df[df['sales'] > 1000]
# 导出结果
df_filtered.to_excel('result.xlsx', index=False)

2. Word 文档自动化

使用 python-docx 库可批量生成报告、替换占位符或调整格式。

from docx import Document

doc = Document()
doc.add_paragraph('这是自动生成的报告内容')
doc.save('report.docx')

3. 文件批量管理

可编写脚本遍历文件夹，根据后缀名分类移动文件，或批量重命名图片。

import os
import shutil

folder = './images'
for filename in os.listdir(folder):
    if filename.endswith('.jpg'):
        new_name = f'img_{filename}'
        os.rename(os.path.join(folder, filename), os.path.join(folder, new_name))

五、SQL 数据库交互

SQL 是数据分析师必备技能，Python 可通过 sqlite3 或 sqlalchemy 连接数据库。

1. 基本操作

• 查询：SELECT * FROM table WHERE condition
• 插入：INSERT INTO table VALUES (...)
• 更新：UPDATE table SET col=val WHERE ...
• 删除：DELETE FROM table WHERE ...

2. Python 连接示例

import sqlite3
conn = sqlite3.connect('example.db')
cursor = conn.cursor()
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
conn.close()

六、数据可视化

使用 matplotlib 和 seaborn 库可将数据转化为直观的图表。

1. 折线图与柱状图

import matplotlib.pyplot as plt

data = [10, 20, 30, 40]
plt.plot(data)
plt.title('Growth Trend')
plt.xlabel('Time')
plt.ylabel('Value')
plt.show()

2. 散点图与分布图

适用于分析变量间的相关性或数据分布情况，辅助决策分析。

七、进阶学习建议

1. 数理统计基础：理解均值、方差、概率分布等概念，有助于深入数据分析。
2. 算法优化：掌握常用排序、搜索算法，提升代码运行效率。
3. 持续实践：理论需结合项目，尝试复现开源案例，解决实际业务问题。
4. 社区交流：关注官方文档和技术论坛，及时获取最新库版本信息。

结语

Python 的学习曲线平缓但上限极高。通过系统掌握上述知识点，并结合实际工作场景进行练习，能够显著提升数据处理效率和职业竞争力。建议制定明确的学习计划，分阶段完成基础语法、库函数应用及综合项目实战，逐步构建个人技术体系。