Szczegóły ebooka

Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych

Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych

Felix Zumstein

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!

  • 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
  • Tytuł: Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych
  • Autor: Felix Zumstein
  • Tytuł oryginału: Python for Excel: A Modern Environment for Automation and Data Analysis
  • Tłumaczenie: Leszek Sagalara
  • ISBN: 978-83-283-8288-6, 9788328382886
  • Data wydania: 2021-12-21
  • Format: Ebook
  • Identyfikator pozycji: pytexc
  • Wydawca: Helion