• Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych

Bez Excela trudno sobie wyobrazić wykonywanie różnych złożonych zadań - to ulubione narzędzie naukowców, finansistów, analityków danych, a także profesjonalistów z innych branż. Każda z tych dziedzin ma swoje stale rosnące wymagania wobec Excela. Firma Microsoft wciąż rozwija ten kultowy arkusz kalkulacyjny, jednak język VBA nie nadąża za potrzebami wielu użytkowników. Osoby te często w codziennej pracy korzystają z Pythona do automatyzacji zadań, stąd integracja Excela i Pythona wydaje się naturalnym i wyjątkowo obiecującym rozwiązaniem. Nie musisz dłużej czekać na włączenie Pythona jako języka skryptowego Excela - ta książka wyjaśnia, jak je połączyć i wyciągnąć z tej integracji maksimum korzyści. To wydanie przeznaczone dla zaawansowanych użytkowników Excela, którzy nie posiadają głębokiej wiedzy o Pythonie. Pokazuje, w jaki sposób manipulować danymi zawartymi w plikach Excela bez Excela, a także jak znakomicie zwiększać możliwości tego programu poprzez budowę interaktywnych narzędzi do analizy danych. Niezależnie od tego, czy interesuje Cię praca z samymi arkuszami Excela, czy też chcesz tworzyć aplikacje Excela, znajdziesz tu mnóstwo wyczerpujących, jasnych i praktycznych wskazówek, popartych zrozumiałymi przykładami przydatnego kodu. W książce między innymi: gruntowne podstawy Pythona i korzystania z notatników Jupyter i Visual Studio Code stosowanie biblioteki pandas do zastępowania typowych obliczeń w Excelu automatyzacja konsolidacji skoroszytów Excela i tworzenia raportów w Excelu tworzenie interaktywnych narzędzi Excela za pomocą xlwings współpraca Excela z bazą danych i plikami CSV stosowanie Pythona do zastąpienia VBA, Power Query i Power Pivot

Podtytuł Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych
Autor Felix Zumstein
Rok wydania 2021
Oprawa Miękka
Format 168x237
Stron 280
69.00
szt. Do przechowalni
Wysyłka w ciągu 24 godziny
ISBN 978-83-283-8287-9
Bez Excela trudno sobie wyobrazić wykonywanie różnych złożonych zadań - to ulubione narzędzie naukowców, finansistów, analityków danych, a także profesjonalistów z innych branż. Każda z tych dziedzin ma swoje stale rosnące wymagania wobec Excela. Firma Microsoft wciąż rozwija ten kultowy arkusz kalkulacyjny, jednak język VBA nie nadąża za potrzebami wielu użytkowników. Osoby te często w codziennej pracy korzystają z Pythona do automatyzacji zadań, stąd integracja Excela i Pythona wydaje się naturalnym i wyjątkowo obiecującym rozwiązaniem.

Nie musisz dłużej czekać na włączenie Pythona jako języka skryptowego Excela - ta książka wyjaśnia, jak je połączyć i wyciągnąć z tej integracji maksimum korzyści. To wydanie przeznaczone dla zaawansowanych użytkowników Excela, którzy nie posiadają głębokiej wiedzy o Pythonie. Pokazuje, w jaki sposób manipulować danymi zawartymi w plikach Excela bez Excela, a także jak znakomicie zwiększać możliwości tego programu poprzez budowę interaktywnych narzędzi do analizy danych. Niezależnie od tego, czy interesuje Cię praca z samymi arkuszami Excela, czy też chcesz tworzyć aplikacje Excela, znajdziesz tu mnóstwo wyczerpujących, jasnych i praktycznych wskazówek, popartych zrozumiałymi przykładami przydatnego kodu.

W książce między innymi:

gruntowne podstawy Pythona i korzystania z notatników Jupyter i Visual Studio Code
stosowanie biblioteki pandas do zastępowania typowych obliczeń w Excelu
automatyzacja konsolidacji skoroszytów Excela i tworzenia raportów w Excelu
tworzenie interaktywnych narzędzi Excela za pomocą xlwings
współpraca Excela z bazą danych i plikami CSV
stosowanie Pythona do zastąpienia VBA, Power Query i Power Pivot

Spis treści książki
Opinie o książce
Wprowadzenie
Dlaczego napisałem tę książkę?
Dla kogo jest ta książka?
Jak podzielona jest ta książka?
Wersje Pythona i Excela
Konwencje stosowane w książce
Korzystanie z kodu źródłowego
Podziękowania
CZĘŚĆ I. Wprowadzenie do Pythona
Rozdział 1. Dlaczego Python w Excelu?
Excel jest językiem programowania
Excel w wiadomościach
Najlepsze praktyki programistyczne
Rozdzielenie zagadnień
Zasada DRY
Testowanie
Kontrola wersji
Nowoczesny Excel
Power Query i Power Pivot
Power BI
Python dla Excela
Czytelność i łatwość utrzymania
Biblioteka standardowa i menedżer pakietów
Obliczenia naukowe
Nowoczesne cechy języka
Kompatybilność międzyplatformowa
Podsumowanie
Rozdział 2. Środowisko programistyczne
Dystrybucja Anaconda Python
Instalacja
Anaconda Prompt
REPL: interaktywna sesja Pythona
Menedżery pakietów: Conda i pip
Środowiska Condy
Notatniki Jupyter
Uruchamianie notatników Jupyter
Komórki notatnika
Tryb edycji a tryb poleceń
Kolejność uruchamiania ma znaczenie
Zamykanie notatników Jupyter
Visual Studio Code
Instalacja i konfiguracja
Uruchamianie skryptu Pythona
Podsumowanie
Rozdział 3. Wprowadzenie do Pythona
Typy danych
Obiekty
Zmienne
Funkcje
Atrybuty i metody
Typy liczbowe
Operatory matematyczne
Logiczny typ danych
Łańcuchy znaków
Indeksowanie i wycinanie
Indeksowanie
Wycinanie
Struktury danych
Listy
Słowniki
Krotki
Zbiory
Przepływ sterowania
Bloki kodu i instrukcja pass
Instrukcja if i wyrażenia warunkowe
Pętle for i while
Lista, słownik i zbiory składane
Organizacja kodu
Funkcje
Definiowanie funkcji
Wywoływanie funkcji
Moduły i instrukcja import
Klasa datetime
PEP 8 przewodnik stylu kodowania w Pythonie
PEP 8 i VS Code
Informacje o typie
Podsumowanie
CZĘŚĆ II. Wprowadzenie do biblioteki pandas
Rozdział 4. Podstawy NumPy
Pierwsze kroki z NumPy
Tablica NumPy
Wektoryzacja i rozgłaszanie
Funkcje uniwersalne
Tworzenie tablic i operowanie nimi
Pobieranie i wybieranie elementów tablicy
Przydatne konstruktory tablicowe
Widok a kopia
Podsumowanie
Rozdział 5. Analiza danych z biblioteką pandas
DataFrame i Series
Indeks
Kolumny
Operowanie danymi
Wybieranie danych
Wybór na podstawie etykiety
Wybór na podstawie pozycji
Wybieranie przy użyciu indeksowania logicznego
Wybieranie poprzez MultiIndex
Ustawianie danych
Ustawianie danych na podstawie etykiety lub pozycji
Ustawianie danych przy użyciu indeksowania logicznego
Ustawianie danych poprzez zamianę wartości
Ustawianie danych poprzez dodanie nowej kolumny
Brakujące dane
Zduplikowane dane
Operacje arytmetyczne
Praca z kolumnami tekstowymi
Stosowanie funkcji
Widok a kopia
Łączenie obiektów DataFrame
Konkatenacja
Operacje join i merge
Statystyka opisowa i agregacja danych
Statystyka opisowa
Grupowanie
Funkcje pivot_table i melt
Tworzenie wykresów
Matplotlib
Plotly
Importowanie i eksportowanie obiektów DataFrame
Eksportowanie plików CSV
Importowanie plików CSV
Podsumowanie
Rozdział 6. Analiza szeregów czasowych za pomocą pandas
DatetimeIndex
Tworzenie DatetimeIndex
Filtrowanie DatetimeIndex
Praca ze strefami czasowymi
Typowe operacje na szeregach czasowych
Przesunięcia i zmiany procentowe
Zmiana podstawy i korelacja
Resampling
Okna kroczące
Ograniczenia związane z pandas
Podsumowanie
CZĘŚĆ III. Odczytywanie i zapisywanie plików Excela bez Excela
Rozdział 7. Operowanie plikami Excela za pomocą pandas
Studium przypadku: raportowanie w Excelu
Odczytywanie i zapisywanie plików Excela za pomocą pandas
Funkcja read_excel i klasa ExcelFile
Metoda to_excel i klasa ExcelWriter
Ograniczenia związane z używaniem pandas z plikami Excela
Podsumowanie
Rozdział 8. Manipulowanie plikami Excela za pomocą pakietów do odczytu i zapisu
Pakiety do odczytu i zapisu
Kiedy używać którego pakietu?
Moduł excel.py
openpyxl
Odczyt za pomocą openpyxl
Zapis za pomocą openpyxl
Edycja za pomocą openpyxl
XlsxWriter
pyxlsb
xlrd, xlwt i xlutils
Odczyt za pomocą xlrd
Zapis za pomocą xlwt
Edycja za pomocą xlutils
Zaawansowane zagadnienia związane z odczytem i zapisem
Praca z dużymi plikami Excela
Zapis za pomocą openpyxl
Zapis za pomocą XlsxWriter
Odczyt za pomocą xlrd
Odczyt za pomocą openpyxl
Równoległy odczyt arkuszy
Formatowanie obiektów DataFrame w Excelu
Formatowanie indeksu i nagłówków DataFrame
Formatowanie części DataFrame zawierającej dane
Studium przypadku (nowe podejście): raportowanie w Excelu
Podsumowanie
CZĘŚĆ IV. Programowanie aplikacji Excel za pomocą xlwings
Rozdział 9. Automatyzacja Excela
Pierwsze kroki z xlwings
Excel jako przeglądarka danych
Model obiektowy Excela
Uruchamianie kodu VBA
Konwertery, opcje i kolekcje
Praca z obiektami DataFrame
Konwertery i opcje
Wykresy, obrazy i zdefiniowane nazwy
Wykresy Excela
Obrazy wykresy Matplotlib
Zdefiniowane nazwy
Studium przypadku (nowe podejście): raportowanie w Excelu
Zaawansowane zagadnienia związane z xlwings
Podstawy xlwings
Poprawa wydajności
Minimalizacja wywołań między aplikacjami
Surowe wartości
Właściwości obiektu app
Jak obejść brakującą funkcjonalność?
Podsumowanie
Rozdział 10. Narzędzia Excela działające w oparciu o język Python
Wykorzystanie Excela jako frontendu za pomocą xlwings
Dodatek do Excela
Polecenie quickstart
Przycisk Run main
Funkcja RunPython
Funkcja RunPython bez polecenia quickstart
Wdrażanie
Zależność od Pythona
Autonomiczne skoroszyty: sposób na pozbycie się dodatku xlwings
Hierarchia konfiguracji
Ustawienia
Podsumowanie
Rozdział 11. Tropiciel pakietów Pythona
Co będziemy budować?
Podstawowa funkcjonalność
Web API
Bazy danych
Baza danych Tropiciela pakietów
Połączenia z bazą danych
Zapytania SQL
Ataki SQL injection
Wyjątki
Struktura aplikacji
Interfejs
Zaplecze
Debugowanie
Podsumowanie
Rozdział 12. Funkcje definiowane przez użytkownika (UDF)
Pierwsze kroki z funkcjami UDF
UDF z poleceniem quickstart
Studium przypadku: Google Trends
Wprowadzenie do Google Trends
Praca z obiektami DataFrames i dynamicznymi tablicami
Pobieranie danych z Google Trends
Tworzenie wykresów za pomocą funkcji UDF
Debugowanie funkcji UDF
Zaawansowane tematy dotyczące funkcji UDF
Podstawowa optymalizacja wydajności
Minimalizacja wywołań między aplikacjami
Stosowanie surowych wartości
Buforowanie
Dekorator sub
Podsumowanie
Dodatek A. Środowiska Condy
Tworzenie nowego środowiska Condy
Wyłączanie automatycznej aktywacji
Dodatek B. Zaawansowane funkcjonalności VS Code
Debugger
Notatniki Jupyter w VS Code
Uruchamianie notatników Jupyter
Skrypty Pythona z komórkami kodu
Dodatek C. Zaawansowane pojęcia związane z Pythonem
Klasy i obiekty
Praca z obiektami datetime uwzględniającymi strefę czasową
Mutowalne i niemutowalne obiekty Pythona
Wywoływanie funkcji z obiektami mutowalnymi jako argumentami
Funkcje z obiektami mutowalnymi jako domyślnymi argumentami
O autorze
Kolofon

Felix Zumstein jest ekspertem w dziedzinie zastosowania Excela w biznesie i w rozwiązywaniu problemów z tym programem w różnych branżach. Napisał i rozwija xlwings, popularny pakiet open source służący do automatyzacji pracy w Excelu za pomocą kodu Pythona.

Nie ma jeszcze komentarzy ani ocen dla tego produktu.

Polub nas na Facebooku