本書共6章,採用由淺入深、理論與實戰相結合的方式,從操作和代碼兩個層面講述Excel最新數據分析利器—Power Query的使用。第1章~第4章講解Power Query在Excel中的可視化界面的操作,讓用戶可以輕鬆入門;第5章~第6章,從Power Query的本質—M語言函數式編程角度,講解M代碼的編寫規則,通過編程來完成更高級的數據處理任務。
本書適合有一定Excel基礎的讀者,或者需要實現數據處理自動化的讀者。同時,本書也適合從事財務、統計、倉管、數據分析、電商等工作的讀者學習使用。
目錄
第1章Power Query介紹 1
1.1 Power Query的作用 1
1.2 Power Query資料流程向 1
1.3 Power Query的優勢 2
1.4 Power Query安裝 2
1.4.1 Power Query安裝環境需求 2
1.4.2 Power Query各版本顯示方式 3
1.5 Power Query的版本選擇 3
1.6 Power Query的版本更新 4
第2章 Power Query基礎 5
2.1 Power Query查詢編輯器的啟動及查詢表資料的上載 5
2.1.1 查詢編輯器的啟動 5
2.1.2 查詢表資料的上載 6
2.2 Power Query查詢編輯器介面介紹 8
2.2.1 功能區簡介 8
2.2.2 Power Query查詢編輯器中表的設置 10
第3章 Power Query操作 14
3.1 常見獲取資料的方式 14
3.1.1 從Excel檔導入資料 15
3.1.2 從CSV檔導入資料 16
3.1.3 從文字檔導入數據 18
3.1.4 從資料夾導入數據 19
3.1.5 從資料庫(SQL Server)導入資料 21
3.1.6 從Web(網頁)導入數據 23
3.2 列相關操作 25
3.2.1 選擇列 25
3.2.2 移動列 26
3.2.3 複製列 27
3.2.4 添加列 28
3.2.5 刪除列 34
3.3 行相關操作 35
3.3.1 選擇行 35
3.3.2 移動行 35
3.3.3 複製行 37
3.3.4 添加行 37
3.3.5 刪除行 37
3.3.6 標題與第 一行的轉換 46
3.4 任意列資料處理 48
3.4.1 列重命名 48
3.4.2 資料類型 48
3.4.3 資料替換 51
3.4.4 數據填充 54
3.4.5 透視列 55
3.4.6 逆透視列 57
3.4.7 轉換為列表(深化) 59
3.5 文本列資料處理 60
3.5.1 格式整理 60
3.5.2 資料提取 63
3.5.3 合併列 73
3.5.4 分析 74
3.5.5 拆分列 76
3.6 數位列資料處理 80
3.6.1 統計資訊(匯總方式) 80
3.6.2 標準型(算數運算) 82
3.6.3 科學型 84
3.6.4 三角函數 85
3.6.5 舍入 85
3.6.6 信息 86
3.7 日期時間列處理 87
3.7.1 日期 88
3.7.2 時間 97
3.7.3 持續時間 103
3.8 結構化列 109
3.8.1 Power Query查詢表結構 109
3.8.2 展開 113
3.8.3 聚合 116
3.8.4 提取值 117
3.9 查詢表處理 119
3.9.1 轉置 119
3.9.2 分組依據 119
3.9.3 表的合併 122
第4章 Power Query示例應用 130
4.1查詢應用 130
4.1.1多條件查詢 130
4.1.2多列查詢 132
4.1.3指定資料範圍查詢(合併查詢法) 135
4.1.4指定資料範圍查詢(篩選法) 139
4.1.5文本字元模糊查詢 142
4.2統計應用 145
4.2.1二維表的條件匯總 145
4.2.2分類統計最大值 147
4.2.3統計應用1(按戶主統計各家庭男女人數) 150
4.2.4統計應用2(提取最後付款月份) 153
4.2.5統計應用3(提取每個人的最高分及對應科目) 155
4.2.6經典中式排名 158
4.3合併拆分應用 162
4.3.1拆分文本應用 162
4.3.2合併文本應用 164
4.3.3拆分重複單號記錄 165
4.3.4工資條製作 167
4.4提取應用 171
4.4.1提取應用1(根據身份證號查詢籍貫) 171
4.4.2提取應用2(根據身份證號計算年齡) 173
4.4.3提取應用3(根據身份證號判斷性別) 176
4.4.4提取應用4(地址提取) 178
4.4.5提取應用5(編號與供應商) 181
4.4.6識別路徑(Power Query法) 183
4.4.7識別路徑(函數法) 186
4.5時間、日期應用 188
4.5.1時間應用(通話時間統計) 188
4.5.2時間應用(根據時長計算課酬金額) 191
4.5.3日期應用(統計當月每週的最低搜索人氣記錄) 193
4.5.4日期應用(未來7天即將過生日提醒) 197
4.6資料獲取應用 199
4.6.1多工作表資料合併 199
4.6.2多工作簿資料合併 204
4.6.3多CSV檔合併 209
4.6.4Web資料處理(網頁數據獲取查詢) 214
第5章 M語言基礎 219
5.1M語言簡介 219
5.1.1let…in…語句 219
5.1.2注釋 221
5.1.3M代碼錯誤識別 222
5.1.4常見運算子 223
5.1.5分支語句(if…then…else…) 224
5.1.6資料類型詳解 226
5.1.7錯誤處理 231
5.2M函數 232
5.2.1內置函數 233
5.2.2自訂函數 234
5.3Table、Record和List三大容器詳解 238
5.3.1Table(查詢表) 238
5.3.2Record(記錄) 247
5.3.3List(列表) 250
5.4常用M函數 258
5.4.1常用Table表函數 259
5.4.2常用Record記錄函數 275
5.4.3常用List清單函數 283
5.4.4常用Text文本函數 297
5.4.5合併器與拆分器 317
第6章 M語言實戰應用 321
6.1基礎應用 321
6.1.1拆分、匯總文本列資料 321
6.1.2根據成績進行等級判斷 322
6.1.3多分隔符號拆分數據到行 322
6.1.4合併列資料 323
6.1.5匯總多列資料 324
6.1.6計算文本字串中的人數 325
6.1.7多列篩選應用 325
6.1.8行方向去重處理 326
6.1.9匯總業績並製作橫條圖 326
6.1.10統計各季度均為優秀員工的人員 327
6.1.11合併提取各列不重複值 328
6.1.12“九九乘法表”製作 329
6.1.13合併編號範圍 329
6.1.14擴展編號範圍 330
6.1.15單列轉多行多列 331
6.1.16提取中文名、英文名 332
6.1.17投票統計匯總 332
6.1.18各行資料各自排序 333
6.1.19工資條製作 333
6.1.20分組篩選統計高於平均分的記錄 335
6.1.21美式分組排名 335
6.1.22中式分組排名 336
6.1.23統計每個人第 一名的次數 337
6.2進階應用 338
6.2.1行方向的資料匯總 338
6.2.2整理單列中的姓名、分數為兩列 339
6.2.3整理單列資料為規範表格 339
6.2.4統計篩選各年總分最高記錄 340
6.2.5分析統計與指定人員同時值班的人員值班次數 341
6.2.6拆分整理單列資料 342
6.2.7整理快遞資訊資料 343
1.1 Power Query的作用 1
1.2 Power Query資料流程向 1
1.3 Power Query的優勢 2
1.4 Power Query安裝 2
1.4.1 Power Query安裝環境需求 2
1.4.2 Power Query各版本顯示方式 3
1.5 Power Query的版本選擇 3
1.6 Power Query的版本更新 4
第2章 Power Query基礎 5
2.1 Power Query查詢編輯器的啟動及查詢表資料的上載 5
2.1.1 查詢編輯器的啟動 5
2.1.2 查詢表資料的上載 6
2.2 Power Query查詢編輯器介面介紹 8
2.2.1 功能區簡介 8
2.2.2 Power Query查詢編輯器中表的設置 10
第3章 Power Query操作 14
3.1 常見獲取資料的方式 14
3.1.1 從Excel檔導入資料 15
3.1.2 從CSV檔導入資料 16
3.1.3 從文字檔導入數據 18
3.1.4 從資料夾導入數據 19
3.1.5 從資料庫(SQL Server)導入資料 21
3.1.6 從Web(網頁)導入數據 23
3.2 列相關操作 25
3.2.1 選擇列 25
3.2.2 移動列 26
3.2.3 複製列 27
3.2.4 添加列 28
3.2.5 刪除列 34
3.3 行相關操作 35
3.3.1 選擇行 35
3.3.2 移動行 35
3.3.3 複製行 37
3.3.4 添加行 37
3.3.5 刪除行 37
3.3.6 標題與第 一行的轉換 46
3.4 任意列資料處理 48
3.4.1 列重命名 48
3.4.2 資料類型 48
3.4.3 資料替換 51
3.4.4 數據填充 54
3.4.5 透視列 55
3.4.6 逆透視列 57
3.4.7 轉換為列表(深化) 59
3.5 文本列資料處理 60
3.5.1 格式整理 60
3.5.2 資料提取 63
3.5.3 合併列 73
3.5.4 分析 74
3.5.5 拆分列 76
3.6 數位列資料處理 80
3.6.1 統計資訊(匯總方式) 80
3.6.2 標準型(算數運算) 82
3.6.3 科學型 84
3.6.4 三角函數 85
3.6.5 舍入 85
3.6.6 信息 86
3.7 日期時間列處理 87
3.7.1 日期 88
3.7.2 時間 97
3.7.3 持續時間 103
3.8 結構化列 109
3.8.1 Power Query查詢表結構 109
3.8.2 展開 113
3.8.3 聚合 116
3.8.4 提取值 117
3.9 查詢表處理 119
3.9.1 轉置 119
3.9.2 分組依據 119
3.9.3 表的合併 122
第4章 Power Query示例應用 130
4.1查詢應用 130
4.1.1多條件查詢 130
4.1.2多列查詢 132
4.1.3指定資料範圍查詢(合併查詢法) 135
4.1.4指定資料範圍查詢(篩選法) 139
4.1.5文本字元模糊查詢 142
4.2統計應用 145
4.2.1二維表的條件匯總 145
4.2.2分類統計最大值 147
4.2.3統計應用1(按戶主統計各家庭男女人數) 150
4.2.4統計應用2(提取最後付款月份) 153
4.2.5統計應用3(提取每個人的最高分及對應科目) 155
4.2.6經典中式排名 158
4.3合併拆分應用 162
4.3.1拆分文本應用 162
4.3.2合併文本應用 164
4.3.3拆分重複單號記錄 165
4.3.4工資條製作 167
4.4提取應用 171
4.4.1提取應用1(根據身份證號查詢籍貫) 171
4.4.2提取應用2(根據身份證號計算年齡) 173
4.4.3提取應用3(根據身份證號判斷性別) 176
4.4.4提取應用4(地址提取) 178
4.4.5提取應用5(編號與供應商) 181
4.4.6識別路徑(Power Query法) 183
4.4.7識別路徑(函數法) 186
4.5時間、日期應用 188
4.5.1時間應用(通話時間統計) 188
4.5.2時間應用(根據時長計算課酬金額) 191
4.5.3日期應用(統計當月每週的最低搜索人氣記錄) 193
4.5.4日期應用(未來7天即將過生日提醒) 197
4.6資料獲取應用 199
4.6.1多工作表資料合併 199
4.6.2多工作簿資料合併 204
4.6.3多CSV檔合併 209
4.6.4Web資料處理(網頁數據獲取查詢) 214
第5章 M語言基礎 219
5.1M語言簡介 219
5.1.1let…in…語句 219
5.1.2注釋 221
5.1.3M代碼錯誤識別 222
5.1.4常見運算子 223
5.1.5分支語句(if…then…else…) 224
5.1.6資料類型詳解 226
5.1.7錯誤處理 231
5.2M函數 232
5.2.1內置函數 233
5.2.2自訂函數 234
5.3Table、Record和List三大容器詳解 238
5.3.1Table(查詢表) 238
5.3.2Record(記錄) 247
5.3.3List(列表) 250
5.4常用M函數 258
5.4.1常用Table表函數 259
5.4.2常用Record記錄函數 275
5.4.3常用List清單函數 283
5.4.4常用Text文本函數 297
5.4.5合併器與拆分器 317
第6章 M語言實戰應用 321
6.1基礎應用 321
6.1.1拆分、匯總文本列資料 321
6.1.2根據成績進行等級判斷 322
6.1.3多分隔符號拆分數據到行 322
6.1.4合併列資料 323
6.1.5匯總多列資料 324
6.1.6計算文本字串中的人數 325
6.1.7多列篩選應用 325
6.1.8行方向去重處理 326
6.1.9匯總業績並製作橫條圖 326
6.1.10統計各季度均為優秀員工的人員 327
6.1.11合併提取各列不重複值 328
6.1.12“九九乘法表”製作 329
6.1.13合併編號範圍 329
6.1.14擴展編號範圍 330
6.1.15單列轉多行多列 331
6.1.16提取中文名、英文名 332
6.1.17投票統計匯總 332
6.1.18各行資料各自排序 333
6.1.19工資條製作 333
6.1.20分組篩選統計高於平均分的記錄 335
6.1.21美式分組排名 335
6.1.22中式分組排名 336
6.1.23統計每個人第 一名的次數 337
6.2進階應用 338
6.2.1行方向的資料匯總 338
6.2.2整理單列中的姓名、分數為兩列 339
6.2.3整理單列資料為規範表格 339
6.2.4統計篩選各年總分最高記錄 340
6.2.5分析統計與指定人員同時值班的人員值班次數 341
6.2.6拆分整理單列資料 342
6.2.7整理快遞資訊資料 343
網路書店
類別
折扣
價格
-
新書87折$360