数据分析与应用

案例驱动

每个项目均配备大量来自实际工作场景的案例，让读者在解决实际问题的过程中学习和应用数据分析知识，增强学习的趣味性和实用性。

工具全面

涵盖 Excel、Power BI、Python、Matplotlib、SPSS 多种主流数据分析工具，满足不同读者的学习需求和职业发展需要。

循序渐进

从基本概念到复杂技术，从简单操作到综合案例，内容编排由浅入深，符合认知规律，便于读者系统学习和掌握。

实践导向

注重实践操作，每个项目均设有丰富的实践练习和项目实训，让读者在实践中巩固所学知识，提升实际操作能力。

前　　言

在数字化浪潮席卷全球的当下，数据已成为推动各行业发展的核心资源。无论是企业决策、科学研究还是社会管理，数据分析能力都发挥着关键作用。为满足广大读者对数据分析知识与技能的迫切需求，我们精心编写了这本教材。

编写思路

本书秉持“理论与实践相结合，从基础到前沿”的编写理念。我们深知，扎实的理论基础是理解和运用数据分析方法的前提，而丰富的实践操作是将理论转化为实际能力的关键。因此，在内容编排上，我们先深入浅出地介绍数据分析的基本概念、原理和流程，让读者对数据分析有全面的认识；随后，逐步引入Excel、Power BI、Python、Matplotlib、SPSS等主流数据分析工具与技术，通过大量实际案例和操作演练帮助读者熟练掌握这些工具的使用技巧，能够独立完成数据分析任务。

本书内容

项目1数据分析概述：为读者搭建起数据分析的整体框架，介绍数据分析的定义、重要性、基本流程和常见的数据分析方法，让读者对数据分析领域有初步且系统的认知。

项目2 Excel数据分析与应用：详细讲解Excel在数据处理、分析和可视化方面的强大功能，通过丰富的案例教会读者如何运用Excel 进行数据清洗、数据计算、数据透视表制作和图表创建等基础而实用的数据分析操作。

项目3 Power BI 数据处理与分析：聚焦于Power BI这一专业的数据可视化与分析工具，阐述如何使用 Power BI 连接数据源、进行数据建模、创建交互式报表和仪表板，帮助读者掌握利用 Power BI 进行深度数据分析和可视化展示的方法。

项目4 Python数据分析：引领读者踏入Python这一功能强大的编程语言在数据分析领域的应用世界，从Python基本语法入手，逐步深入到数据处理库（如Pandas）、数据分析库（如NumPy）和数据挖掘算法的运用，让读者能够运用Python完成复杂的数据处理和分析任务。

项目5 Matplotlib数据可视化：深入介绍Matplotlib库在数据可视化方面的应用，通过丰富的实例让读者学会如何使用Matplotlib创建各种类型的高质量数据可视化图表，如折线图、柱状图、散点图、饼图等，以直观展示数据特征和规律。

项目6 SPSS数据分析与应用：全面讲解SPSS这一专业统计分析软件在数据分析中的应用，涵盖数据录入、数据管理、统计分析方法（如描述性统计、相关性分析、回归分析等）的操作与结果解读，帮助读者掌握运用SPSS进行专业统计分析的技能。

本书特色

案例驱动：每个项目均配备大量来自实际工作场景的案例，让读者在解决实际问题的过程中学习和应用数据分析知识，增强学习的趣味性和实用性。

工具全面：涵盖Excel、Power BI、Python、Matplotlib、SPSS多种主流数据分析工具，满足不同读者的学习需求和职业发展需要。

循序渐进：从基本概念到复杂技术，从简单操作到综合案例，内容编排由浅入深，符合认知规律，便于读者系统学习和掌握。

实践导向：注重实践操作，每个项目均设有丰富的实践练习和项目实训，让读者在实践中巩固所学知识，提升实际操作能力。

编写分工

本书由孙伟、王兰芹任主编，罗洋、赵越、李礼任副主编，金忠伟任主审。其中，项目1

和习题部分由李礼编写（字数为39千字），项目2和项目4的任务4.1由赵越编写（字数为61千字），项目3的任务3.3和项目6由王兰芹编写（字数为105千字），项目3（除任务

3.3外）由罗洋编写（字数为84千字），项目4（除任务4.1外）和项目5由孙伟编写（字数为110千字）。

由于时间仓促及作者水平有限，书中难免有不足之处，恳请读者在使用本书过程中提出宝贵的意见和建议。在此希望本书能够成为你学习数据分析的得力助手，引领你在数据分析的广阔天地中探索前行，为你的职业发展和个人成长奠定坚实的基础。

编 者

2025年7月

项目1　数据分析概述
任务1.1　Excel数据分析 002
1.1.1　Excel的诞生及发展历史 002
1.1.2　Excel的特点 003
任务1.2　Power BI数据分析 004
1.2.1　Power BI的诞生及发展历史 004
1.2.2　Power BI的特点 005
任务1.3　Python数据分析 006
1.3.1　Python语言的诞生及发展历史 006
1.3.2　Python语言的特点 007
任务1.4　SPSS数据分析 007
1.4.1　SPSS的诞生及发展历史 007
1.4.2　SPSS的特点 008
项目小结 009
课后习题 009
项目2　Excel数据分析与应用
任务2.1　认识Excel 012
2.1.1　安装Excel 012
2.1.2　认识用户界面 014
任务2.2　数据预处理 018
2.2.1　数据筛选 018
2.2.2　数据分类汇总 021
2.2.3　数据透视表 023
任务2.3　使用函数处理数据 027
2.3.1　使用数值函数处理数据 027
2.3.2　使用统计函数处理数据 032
任务2.4　Excel数据可视化 037
2.4.1　绘制折线图 037
2.4.2　绘制柱形图 039
2.4.3　绘制饼图 041
任务2.5　分析商品销售额情况 043
2.5.1　商品销售数据统计分析 043
2.5.2　业绩达成销售同比分析 045
项目小结 051
课后习题 051
项目3　Power BI数据处理与分析
任务3.1　招生计划数据获取 054
3.1.1　招生计划Excel文件数据获取 054
3.1.2　招生计划文本文件数据获取 055
任务3.2　学生课程成绩数据预处理 058
3.2.1　学生课程成绩数据合并 058
3.2.2　学生课程成绩数据清洗 066
3.2.3　学生课程成绩数据转换 073
3.2.4　学生课程成绩数据归约 081
任务3.3　学生综合信息数据建模 083
3.3.1　Power Pivot组件和DAX语言 083
3.3.2　学生综合信息数据创建表元素 084
任务3.4　学生综合信息数据可视化 091
3.4.1　学生综合信息数据对比分析 091
3.4.2　学生综合信息数据结构分析 095
3.4.3　学生综合信息数据相关分析 099
3.4.4　学生综合信息数据描述性分析 102
任务3.5　毕业生就业信息数据部署 104
3.5.1　毕业生就业信息数据分析报表制作 104
3.5.2　毕业生就业信息数据分析报表发布 110
项目小结 119
课后习题 119
项目4　Python数据分析
任务4.1　创建Python环境
—Anaconda 122
4.1.1　了解Python的Anaconda发行
版本 122
4.1.2　在Windows系统中安装
Anaconda 123
4.1.3　通过Anaconda管理Python包 126
任务4.2　掌握Jupyter Notebook的常用
功能 128
4.2.1　启动Anaconda的Jupyter
Notebook 128
4.2.2　了解Jupyter Notebook的基本
功能 129
4.2.3　掌握Jupyter Notebook的基本
使用 130
4.2.4　了解数据分析常见的库 132
任务4.3　NumPy数值计算 133
4.3.1　掌握NumPy数组对象 133
4.3.2　掌握NumPy矩阵与通用函数 138
4.3.3　利用NumPy进行数据处理 144
4.3.4　实训案例 147
任务4.4　Pandas数据分析 147
4.4.1　读写数据 147
4.4.2　索引和选择数据 149
4.4.3　实训案例 152
任务4.5　实训案例 153
4.5.1　空气质量检测数据 153
4.5.2　决定收入的因素 155
项目小结 157
课后习题 158
项目5　Matplotlib数据可视化
任务5.1　数据可视化基础 161
5.1.1　数据可视化概述 161
5.1.2　Python语言和数据可视化 163
5.1.3　Matplotlib模块介绍 164
任务5.2　Matplotlib图表绘制 165
5.2.1　绘制条形图 165
5.2.2　绘制折线图 171
5.2.3　绘制堆积面积图 173
5.2.4　绘制饼状图和圆环图 176
5.2.5　图表的绘制和美化技巧 180
任务5.3　图表样式与美化 185
5.3.1　使用颜色、线型和数据标记 185
5.3.2　设置字体和填充区域 188
5.3.3　子图的绘制及坐标轴共享 193
任务5.4　Matplotlib实战案例 196
5.4.1　数据可视化实战：电子邮件分类 196
5.4.2　数据可视化实战：学生的态度和行为 199
5.4.3　数据可视化实战：社交媒体数据分析 202
项目小结 205
课后习题 205
项目6　SPSS数据分析与应用
任务6.1　认识SPSS统计分析软件 210
6.1.1　SPSS的产生和发展 211
6.1.2　SPSS统计分析软件的特点 212
6.1.3　SPSS统计分析软件主要模块和功能简介 213
6.1.4　SPSS统计分析软件的安装 213
6.1.5　SPSS统计分析软件基本界面简介 214
任务6.2　SPSS数据建立与管理 216
6.2.1　变量、常量、操作符和表达式 217
6.2.2　数据录入与保存 221
6.2.3　数据重构 224
6.2.4　数据合并 230
6.2.5　数据去重 235
6.2.6　缺失数据处理 237
6.2.7　数据排序 239
任务6.3　基本统计分析报表的制作 241
6.3.1　制作交叉表 242
6.3.2　制作定制表 244
任务6.4　数据的统计图表示 247
6.4.1　图形构建器介绍 247
6.4.2　绘制折线图 248
6.4.3　绘制散点图 251
6.4.4　绘制直方图 253
6.4.5　绘制饼状图 255
任务6.5　数据描述与探索性统计分析 257
6.5.1　描述统计与变量分布形态 257
6.5.2　集中趋势指标分析 259
6.5.3　离散趋势指标分析 264
6.5.4　图表分析 265
6.5.5　探索性统计分析 268
任务6.6　SPSS数据相关性探索与回归预测 269
6.6.1　数据的相关性探索 269
6.6.2　回归分析 272
6.6.3　从数据推断到决策支持 273
项目小结 274
课后习题 274
参考文献

1. Linux操作系统配置与管理项目化教程（第二版） [主编 白玉羚 刘金明 闫 淼]
2. Ansys SpaceClaim直接建模与仿真指南 [蔡宜时 编著]
3. 基于大数据的智慧农业管理平台关键技术研究与实践 [周永福 著]
4. 健美运动 [戴显岩]
5. Python程序开发基础（AI+微课版） [赵艳莉　曾鑫]
6. 大学生心理困境突围之路 [张珏 著]
7. 机器学习基础与实践 [主编　李晓峰　胥文婷　李云波]
8. 大模型应用实战 DeepSeek＋即梦AI＋剪映重塑创作 [丁红　杨彦彦　丁丁　编著]
9. HarmonyOS从入门到精通 [陈赵云　周永福　杨　浪]
10. 用英语发现世界：欧美文化篇 [李小丽　张薇　编著]
11. 大学体育教程 [戴显岩]
12. 新一代信息技术 [李佼辉 任雪冬]
13. 轨道交通类专门用途英语教程 [李德华主编 商晔副主编]
14. 建设工程项目团队知识异质性对团队绩效的影响研究 [胡可]
15. 新时代元阳梯田 云南现代化高原立体灌区 前世 今生 未来 [云南省水利水电勘测设计研究院 ]
16. 网络工程师章节习题与考点特训（适配第6版考纲） [夏杰 编著]
17. 零基础商业插画设计与AI表现 [主编　汤彦萱]
18. 电工与电子技术（第三版） [主编 王梅 唐翠微 杨晓珍]
19. 虚拟现实（VR）模型制作技术及应用 [主编　高文铭　祝海英]
20. 大学生就业指导与创新教育 [主编 田克明 杨超 郭明钢]
21. 新时代人工智能素养 [主编　徐永冰　张帅]
22. 电子商务文案策划与写作 [主编 卢海涛 夏颖 黄璐云]
23. 信息技术与人工智能 [主编 王锦]
24. 信息技术基础（活页式） [主编 赵金考 禹晨 张尼奇 王宏斌]
25. 计算机程序员教程 [主编 李学国 任小平]
26. 水利水电工程施工组织设计 [主编 胡建春 钱波 何茜]
27. 信息技术 [主编 任洪亮 邢海燕]
28. 高职美育 [王敦]
29. 系统分析师考前冲刺100题（适配第2版考纲） [施游 邹月平 朱小平 编著]
30. 用英语介绍中国名城古镇 [王宝川　张元婧　编著]