Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych - ebook
Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych - ebook
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
Użyj Pythona, a pokochasz Excela!
Spis treści
- 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
- Excel jest językiem programowania
- 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
- Dystrybucja Anaconda Python
- Rozdział 3. Wprowadzenie do Pythona
- Typy danych
- Obiekty
- Zmienne
- Funkcje
- Atrybuty i metody
- Typy liczbowe
- Operatory matematyczne
- Logiczny typ danych
- Łańcuchy znaków
- Obiekty
- 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
- Funkcje
- PEP 8 przewodnik stylu kodowania w Pythonie
- PEP 8 i VS Code
- Informacje o typie
- Podsumowanie
- Typy danych
- 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
- Pierwsze kroki z NumPy
- 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
- Wybieranie danych
- 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
- DataFrame i Series
- 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
- DatetimeIndex
- 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
- Praca z dużymi plikami Excela
- Podsumowanie
- Pakiety do odczytu i zapisu
- 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
- Pierwsze kroki z xlwings
- 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
- Wykorzystanie Excela jako frontendu za pomocą xlwings
- 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
- Podstawowa optymalizacja wydajności
- Podsumowanie
- Pierwsze kroki z funkcjami UDF
- 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
Kategoria: | Programowanie |
Zabezpieczenie: |
Watermark
|
ISBN: | 978-83-283-8288-6 |
Rozmiar pliku: | 10 MB |