matplotlib 是一个用于数据绘图的第三方 Python 库，它能够创建各种可视化图表。只需几行代码，就可以利用 matplotlib 生成图表。matplotlib 的子库 matplotlib.pyplot 提供了一系列绘图函数，每个函数都对应着一个特定操作。在绘图过程中，figure() 函数用于创建一个新的图形窗口，而 subplot() 函数用于在该窗口中创建子图。所有的绘图操作都在这些子图上进行。plt() 函数用于表示当前活跃的子图。
第6章 界面设计 tkinter 库
tkinter 是 Python 的标准 GUI（Graphical User Interface，图形用户界面）库，它提供了一套丰富的组件和控件，用于创建图形用户界面。作为 Python 的内置模块，tkinter（通过 Tk 接口）允许开发者构建窗口化的应用程序，无须额外安装或下载。
tkinter 的核心优势在于其简单性和易用性，特别适合初学者和快速原型开发。它提供了一系列的 GUI 组件，如按钮、文本框、标签、列表框、画布等，以及事件处理机制，使得开发者能够实现直观的用户交互功能。此外，tkinter 的跨平台特性意味着使用 tkinter 开发的应用程序可以在不同操作系统上运行，无须修改代码。
本章详细讲解了窗体、标签、文本框、命令按钮、单选按钮、复选框、列表框、滚动条、进度条、框架、消息框、菜单条的创建，以及形状控制、顶层设计和窗口布局等内容。
尽管 Python 生态系统中存在其他更高级的 GUI 库，如 PyQt、wxPython 和 Kivy 等，tkinter 仍然是一个灵活且功能完备的工具，尤其适用于需要快速开发具有基本 GUI 需求的应用程序。对于复杂的桌面应用程序，虽然 tkinter 可能不是最强大的选择，但它的易用性和 Python 的广泛社区支持使得它成为许多开发者的首选。
第7章 openpyxl库
openpyxl 是 Python 第三方库，可以读取和编写 .xlsx、.xlsm、.xltx 和 .xltm 文件。对于早期的 Excel 文档格式（.xls），需要用到其他第三方库（如 xlrd、xlwt 等）。openpyxl 不仅能够读取和修改 Excel 文档，还支持单元格格式设置、图片插入、表格编辑、公式输入、筛选、批注、文件保护和打印设置等多种功能。
openpyxl 可以处理数据量较大的 Excel 文件，其跨平台处理大量数据的能力是其他模块难以比拟的。因此，openpyxl 成为处理 Excel 复杂问题的首选第三方库。
openpyxl 中包含3个核心对象：Workbook（工作簿）、Worksheet（工作表）和 Cell（单元格）。它们之间的关系如下：一个工作簿由多个工作表组成；每个工作表又包含多个单元格；单元格可以通过行（row）和列（column）的坐标定位。
本章以工作簿对象、工作表对象、单元格对象及其样式为脉络，阐述相关概念及操作，并从整体上介绍使用 openpyxl 库操作 Excel 的各种方法与步骤，从而帮助读者建立起对 openpyxl 库的整体框架的理解。
本章所涉及的第三方库调用包括：
from openpyxl import Workbook # 用于创建工作簿
from openpyxl import load_workbook # 用于调用工作簿
from openpyxl.styles import Font # 用于设置字体格式
from openpyxl.styles import Border, Side # 用于设置边框样式
from openpyxl.styles import Alignment # 用于设置对齐方式
from openpyxl.styles import PatternFill # 用于设置背景颜色
openpyxl 是一个用于读写 Excel 2010 及更新版本文档的 Python 库，如果要处理更早期版本的 Excel 文档（如 Excel 2003），需要用到额外的库（如 xlrd 库和 xlwt 库）。尽管 openpyxl 对 Excel 2003 及更早版本文件的兼容性不好，但其提供了更强大的功能，可以轻松进行 Excel 数据的读取、写入和样式设置。它能够实现大量重复的 Excel 操作，提高办公效率，并实现 Excel 办公自动化。
第8章 Python数据预处理
在使用 Excel 工作表前，通常要求数据是完整的，即整行整列无空值、无多余空格且数据准确无误。然而，在实际工作中，由于各种各样的原因，源数据表绝大部分数据都达不到这个要求，因此需要对数据表进行预处理，以满足后续工作的基础要求。预处理本质上是对数据进行初加工，确保数据的质量和准确性，为进一步分析和处理打下坚实基础。
pandas 是一个开源的 Python 数据处理库，它提供了高效的数据结构和数据分析工具。在 pandas 中，可以使用 DataFrame 对象来操作表格类型的数据。DataFrame 对象是一个二维表格数据结构，允许每列保存不同类型的数据。
Python 辅以 pandas 库和 NumPy 库的支持，成为数据处理与分析的强大工具，尤其在数据预处理方面表现出色。
本章通过介绍 Series 对象和 DataFrame 对象的创建、DataFrame 对象数据的基本操作、数据增改、数据清洗、数据格式化、数据类型转换、数据排序、数据计算与统计、数据分组、日期时间序列的操作以及常用函数，讲解了如何利用 pandas 第三方库对数据进行预处理的各方面内容。
本章脱离了 Excel 数据表本身，以 DataFrame 对象为基础进行了讲解。Excel 数据是可以转化为 DataFrame 对象的，同样 DataFrame 对象也可以重新写入 Excel 文件中。
阅读感悟：
本书于 2025 年 5 月首次出版，介绍了基于 Python 的 Excel 文件处理技术栈，包括xlrd库和xlwt库（用于处理.xls文件）、xlwings库（用于处理.xlsx文件）、pandas库（数据处理）、matplotlib库（数据可视化）、tkinter库（视窗设计）和openpyxl库（excel文件读写操作）等。
在我的日常办公场景中，大多数常规数据处理任务可直接通过 Excel 功能完成；部分任务也可借助 AI 工具直接生成结果，无需手动编写 Python 代码。然而，在面对大规模数据处理、复杂业务逻辑时，如果Excel 操作效率受限，后续可考虑通过 AI 辅助生成 Python 脚本（如基于 pandas 或 openpyxl 的自动化程序），提升数据处理效率与可复用性。遗憾的是，本书未涉及 AI 辅助生成 Python 代码处理 Excel 数据的相关实践案例。
10个月宝宝每天需要喝多少奶粉？
