Python für Excel by Zumstein, Felix -- Read -- Imperial Library of Trantor

Index

Cover Titel Impressum Inhalt Vorwort Teil I Einführung in Python

1 Warum Python für Excel? Excel ist eine Programmiersprache Excel in den Nachrichten Best Practices der Programmierung Modernes Excel Python für Excel Lesbarkeit und Wartbarkeit Standardbibliothek und Paketmanager Wissenschaftliches Rechnen Moderne Sprachfeatures Plattformübergreifende Kompatibilität Zum Schluss 2 Entwicklungsumgebung Die Python-Distribution Anaconda Installation Anaconda Prompt Python REPL: eine interaktive Python-Sitzung Paketmanager: Conda und pip Conda-Umgebungen Jupyter Notebooks Jupyter Notebooks ausführen Notebook-Zellen Bearbeitungs- vs. Befehlsmodus Ausführungsreihenfolge Jupyter Notebooks herunterfahren Visual Studio Code Installation und Konfiguration Ein Python-Skript ausführen Zum Schluss 3 Erste Schritte mit Python Datentypen Objekte Numerische Typen Boolesche Werte Strings Indizieren und Slicing Indizieren Slicing Datenstrukturen Listen Wörterbücher Tupel Mengen Steuerungsfluss Codeblöcke und die pass-Anweisung Die if-Anweisung und bedingte Ausdrücke Die for- und while-Schleifen Listen-, Wörterbuch- und Mengenabstraktionen Codeorganisation Funktionen Module und die import-Anweisung Die Klasse datetime PEP 8: Style Guide für Python-Code PEP 8 und VS Code Type Hints Zum Schluss

Teil II Einführung in pandas

4 NumPy-Grundlagen Erste Schritte mit NumPy NumPy-Array Vektorisierung und Broadcasting Universelle Funktionen (ufunc) Arrays erstellen und manipulieren Array-Elemente abrufen und festlegen Nützliche Array-Konstruktoren Ansicht vs. Kopie Zum Schluss 5 Datenanalyse mit pandas DataFrame und Serie Index Spalten Datenmanipulation Daten auswählen Daten festlegen Fehlende Daten Doppelte Daten Arithmetische Operationen Mit Textspalten arbeiten Eine Funktion anwenden Ansicht vs. Kopie DataFrames kombinieren Verketten Verknüpfen und zusammenführen Beschreibende Statistik und Datenaggregation Beschreibende Statistik Gruppieren Pivotieren und verschmelzen Plotten Matplotlib Plotly DataFrames importieren und exportieren CSV-Dateien exportieren CSV-Dateien importieren Zum Schluss 6 Zeitreihenanalyse mit pandas DatetimeIndex Einen DatetimeIndex erstellen Einen DatetimeIndex filtern Mit Zeitzonen arbeiten Allgemeine Zeitreihenmanipulationen Verschiebungen und prozentuale Änderungen Umbasierung und Korrelation Resampling Rollierende Fenster Grenzen bei pandas Zum Schluss

Teil III Excel-Dateien ohne Excel lesen und schreiben

7 Excel-Dateien mit pandas manipulieren Fallstudie: Excel-Berichte Excel-Dateien mit pandas lesen und schreiben Die Funktion read_excel und die Klasse ExcelFile Die Methode to_excel und die Klasse ExcelWriter Beschränkungen beim Einsatz von pandas mit Excel-Dateien Zum Schluss 8 Excel-Dateien mit Reader- und Writer-Paketen manipulieren Die Reader- und Writer-Pakete Wann man welches Paket verwendet Das Modul excel.py OpenPyXL XlsxWriter pyxlsb xlrd, xlwt und xlutils Komplexere Reader- und Writer-Themen Mit großen Excel-Dateien arbeiten DataFrames in Excel formatieren Noch einmal: Fallstudie – Excel-Berichte Zum Schluss

Teil IV Die Excel-Anwendung mit xlwings programmieren

9 Excel-Automatisierung Erste Schritte mit xlwings Excel als Daten-Viewer verwenden Das Excel-Objektmodell VBA-Code ausführen Konverter, Optionen und Auflistungen Mit DataFrames arbeiten Konverter und Optionen Diagramme, Bilder und definierte Namen Fallstudie: Excel-Berichte (zum Dritten) Fortgeschrittenere xlwings-Themen xlwings-Grundlagen Die Performance verbessern Fehlende Funktionalität umgehen Zum Schluss 10 Python-basierte Excel-Tools Excel als Frontend mit xlwings verwenden Excel-Add-in Der quickstart-Befehl Run main Die Funktion RunPython Bereitstellung Python-Abhängigkeit Eigenständige Arbeitsmappen: das xlwings-Add-in loswerden Konfigurationshierarchie Einstellungen Zum Schluss 11 Der Python-Package-Tracker Was wir bauen Kernfunktionalität Web-APIs Datenbanken Ausnahmen Anwendungsstruktur Frontend Backend Debugging Zum Schluss 12 Benutzerdefinierte Funktionen (UDFs) Erste Schritte mit UDFs Eine UDF per quickstart ausführen Fallstudie: Google Trends Einführung in Google Trends Mit DataFrames und dynamischen Arrays arbeiten Daten von Google Trends abrufen Mit UDFs plotten UDFs debuggen Fortgeschrittene UDF-Themen Grundlegende Performanceoptimierung Zwischenspeichern Der Dekorator xw.sub Zum Schluss

Anhang A Conda-Umgebungen Anhang B Erweiterte Funktionalität von VS Code Anhang C Erweiterte Python-Konzepte Fußnoten Index Über den Autor Kolophon

Chief Librarian: Las Zenow <zenow@riseup.net>
Fork the source code from gitlab.