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!

Osoby które kupowały "Python i Excel. Nowoczesne środowisko do automatyzacji i analizy danych", wybierały także:

• Excel 2019 VBA. Kurs video. Opanuj zdarzenia oraz formularze i prze 179,00 zł, (53,70 zł -70%)
• Excel 2019 VBA. Kurs video. Opanuj podstawy i przećwicz je na 50 praktycznych przykładach 199,00 zł, (59,70 zł -70%)
• Przetwarzanie danych w Excelu. Kurs video. Laboratorium Power Query 129,00 zł, (38,70 zł -70%)
• Excel VBA. Kurs video. Budowanie procesu automatycznego raportowania 179,00 zł, (53,70 zł -70%)
• Excel - szybkie przetwarzanie danych. Sztuczki i gotowe rozwiązania. Kurs video 59,00 zł, (17,70 zł -70%)

Spis treści

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