Python in Excel Step-by-Step / Пошаговое использование Python в Excel
Год издания: 2026
Автор: Langer David / Лэнджер Дэвид
Издательство: John Wiley & Sons, Inc.
ISBN: 978-1-3943-4078-1
Серия: Tech today
Язык: Английский
Формат: PDF
Качество: Издательский макет или текст (eBook)
Интерактивное оглавление: Да
Количество страниц: 275
Описание: An intuitive guide for professionals wanting to prepare for the future of Microsoft Excel by building Python in Excel skills and unleashing the power of their data.
A hands-on guide to the foundational Python in Excel skills you'll need to understand and use this powerful analytics tool, Python in Excel Step-by-Step is for current Excel users interested in expanding their data analysis skillset with Python. Analytics educator and Microsoft Excel MVP David Langer demonstrates how to use Python in Excel, tounlock new analytics capabilities in Excel, and build your foundation for the future of Excel: do-it-yourself (DIY) data science.
The book leverages your existing Excel knowledge to learn the Python foundation you can apply right away. This is the same approach David has used to successfully teach more than 1,000 professionals Python – even if you've never written code before.
David also includes:
• Targeted coverage of the Python fundamentals required for analytics – learn just what you need fast
• How to use the powerful pandas and plotnine libraries to facilitate data manipulation and visualization using Python in Excel
• A DIY data science roadmap for you to build the skills you need to unleash the power of your data to have more impact at work
Perfect for professionals use Microsoft Excel for data analysis, like marketing managers, financial analysts, and supply chain manager, Python in Excel Step-by-Step is an invaluable new resource for all business professionals who use Excel and want to build skills for Excel's AI-powered future.
Интуитивно понятное руководство для профессионалов, желающих подготовиться к будущему Microsoft Excel, используя навыки работы с Python в Excel и раскрывая возможности своих данных.
Пошаговое руководство по основным навыкам работы с Python в Excel, которое вам понадобится для понимания и использования этого мощного аналитического инструмента, предназначено для нынешних пользователей Excel, заинтересованных в расширении своих навыков анализа данных с помощью Python. Специалист по аналитике и MVP Microsoft Excel Дэвид Лангер демонстрирует, как использовать Python в Excel, использовать новые аналитические возможности Excel и заложить фундамент для будущего Excel: do-it-yourself data science ("сделай сам").
В книге использованы имеющиеся у вас знания Excel для изучения основ Python, которые вы можете сразу же применить. Это тот же подход, который Дэвид использовал для успешного обучения более 1000 профессионалов Python, даже если вы никогда раньше не писали код.
Дэвид также включает:
• Целенаправленное изучение основ Python, необходимых для аналитики, – вы быстро узнаете только то, что вам нужно
• Как использовать мощные библиотеки pandas и plotnine для облегчения манипулирования данными и их визуализации с помощью Python в Excel
• Дорожная карта самостоятельной работы с данными, которая поможет вам развить навыки, необходимые для использования возможностей ваших данных и повышения их эффективности на работе.
Приложение Python in Excel Step-by-Step идеально подходит для профессионалов, использующих Microsoft Excel для анализа данных, таких как менеджеры по маркетингу, финансовые аналитики и менеджеры по цепочкам поставок. Это бесценный новый ресурс для всех бизнес-профессионалов, которые используют Excel и хотят приобрести навыки для будущего Excel, основанного на искусственном интеллекте.
Примеры страниц (скриншоты)
Оглавление
ACKNOWLEDGMENTS XI
ABOUT THE AUTHOR XI
ABOUT THE TECHNICAL EDITORS XII
INTRODUCTION XIII
CHAPTER 1: INTRODUCING PYTHON IN EXCEL 1
1.1 Introducing Python in Excel 1
1.2 How Python in Excel Works 2
1.2.1 The Azure Cloud 2
1.2.2 Security 3
1.2.3 Scalability 4
1.3 Why Python in Excel? 5
1.3.1 Reproducible Analytics 5
1.3.2 Advanced Data Visualization 6
1.3.3 Do-it-Yourself (DIY) Data Science 7
1.3.4 Copilot in Excel 10
1.4 Continue Your Learning 11
CHAPTER 2: DATA TYPES 13
2.1 Integers 15
2.1.1 What Are Integers? 15
2.1.2 Working with Integers 15
2.2 Floats 17
2.2.1 What Are Floats? 17
2.2.2 Working with Floats 17
2.2.3 Casting 19
2.3 Strings 19
2.3.1 What Are Strings? 19
2.3.2 Working with Strings 20
2.3.3 Formatting Strings 25
2.4 Booleans 26
2.4.1 What Are Booleans? 26
2.4.2 Checking Equivalence 27
2.4.3 Logical Comparisons 29
2.4.4 Zeros and Ones 29
2.4.5 Logical Operators 30
2.5 Continue Your Learning 31
CHAPTER 3: DATA STRUCTURES 33
3.1 Lists 33
3.1.1 What Are Lists? 35
3.1.2 Writing Lists 35
3.1.3 Nesting Lists 36
3.1.4 Empty Lists 38
3.1.5 Changing Lists 38
3.1.6 Accessing Lists 41
3.2 Dictionaries 41
3.2.1 What Are Dictionaries? 42
3.2.2 Writing Dictionaries 42
3.2.3 Accessing Dictionaries 44
3.2.4 Working with Keys 45
3.2.5 Missing Keys 46
3.2.6 Working with Values 47
3.2.7 Changing Dictionaries 47
3.3 Tuples 49
3.3.1 Writing Tuples 49
3.3.2 Accessing Tuples 50
3.3.3 Tuples Are Immutable 50
3.4 Sets 51
3.4.1 Writing Sets 52
3.4.2 Comparing Sets 52
3.4.3 Changing Sets 54
3.5 Slicing Data 55
3.5.1 Indexing 55
3.5.2 Slicing 56
3.5.3 Striding 59
3.6 Continue Your Learning 59
CHAPTER 4: CONTROL FLOW AND LOOPS 61
4.1 if/else Statements 61
4.1.1 Basic if 62
4.1.2 Adding else 63
4.1.3 Nesting if/else 63
4.1.4 elif 64
4.1.5 Logical Operators 65
4.1.6 Comparison Operators 68
4.2 for Loops 69
4.2.1 What Are for Loops? 70
4.2.2 Writing for Loops 70
4.2.3 Short-circuiting for Loops 72
4.2.4 Exiting for Loops 73
4.3 while Loops 73
4.3.1 Writing while Loops 74
4.3.2 while Loop Gotchas 74
4.3.3 Exiting while Loops 76
4.4 Comprehensions 76
4.4.1 List Comprehensions 77
4.4.2 Dictionary Comprehensions 80
4.5 Continue Your Learning 83
CHAPTER 5: FUNCTIONS 85
5.1 Introducing Functions 85
5.1.1 Defining Functions 86
5.1.2 Keyword Arguments 89
5.1.3 Returning Objects 90
5.1.4 Variable Scope 92
5.1.5 Why Write Your Own Functions? 96
5.2 Lambdas 96
5.2.1 Writing Lambdas 96
5.2.2 Using Lambdas 98
5.3 Continue Your Learning 99
CHAPTER 6: DATA TABLE FUNDAMENTALS 101
6.1 Introducing Pandas 101
6.1.1 AdventureWorks Data Analysis 102
6.1.2 Tables in Microsoft Excel 102
6.1.3 Tables Are Dataframe Objects 103
6.1.4 Columns Are Series Objects 103
6.1.5 Rows Are Series Objects 104
6.2 Loading Data 104
6.2.1 Loading Excel Cell Ranges 105
6.2.2 Loading Excel Tables 107
6.2.3 Loading from Power Query 108
6.3 Exploring Dataframes 109
6.3.1 The info() Method 109
6.3.2 The head() Method 111
6.3.3 The tail() Method 113
6.3.4 The describe() Method 114
6.3.5 Dataframe Indexes 116
6.4 The Workbook So Far 118
6.5 Continue Your Learning 119
CHAPTER 7: WORKING WITH COLUMNS 121
7.1 Exploring Columns 121
7.1.1 Accessing Columns 123
7.1.2 The info() Method 126
7.1.3 The head() and tail() Methods 127
7.1.4 Indexes 127
7.2 Numeric Columns 127
7.2.1 The count() Method 128
7.2.2 The size Attribute 129
7.2.3 The min() and max() Methods 129
7.2.4 The sum() Method 130
7.2.5 The gt() and lt() Methods 130
7.2.6 The mean() and median() Methods 132
7.2.7 The std() Method 132
7.2.8 The describe() Method 133
7.2.9 The value_counts() Method 134
7.2.10 The isna() and fillna() Methods 135
7.3 String Columns 137
7.3.1 The lower() and upper() Methods 137
7.3.2 The cat() Method 139
7.3.3 The isalpha() Method 140
7.3.4 The startswith() and endswith() Methods 141
7.3.5 The contains() Method 141
7.3.6 The replace() Method 143
7.3.7 The slice() Method 144
7.3.8 The split() Method 145
7.3.9 The len() Method 146
7.3.10 The value_counts() Method 147
7.3.11 The isna() and fillna() Methods 148
7.4 Datetime Columns 149
7.4.1 Datetime Attributes 149
7.4.2 The month_name() and day_name() Methods 150
7.4.3 The is* Attributes 152
7.4.4 Calculating Elapsed Time 153
7.5 The Workbook So Far 155
7.6 Continue Your Learning 156
CHAPTER 8: WORKING WITH DATA TABLES 159
8.1 AdventureWorks Data Analysis 159
8.2 Changing Dataframes 159
8.2.1 Method Chaining 160
8.2.2 The assign() Method 161
8.2.3 Changing Columns with assign() 162
8.2.4 Adding Columns with assign() 164
8.2.5 Data Wrangling with assign() 167
8.2.6 Column Names with Spaces 170
8.3 Filtering Dataframes 171
8.3.1 Python Masks 172
8.3.2 Combining Masks 174
8.3.3 The isin() Method 178
8.3.4 The query() Method 179
8.4 Combining Dataframes 180
8.4.1 The merge() Method 181
8.4.2 Left Joins 182
8.4.3 Inner Joins 184
8.4.4 Additional Column Handling 186
8.5 Pivoting Dataframes 188
8.5.1 Aggregating by One Column 189
8.5.2 Aggregating by Multiple Columns 192
8.5.3 The pivot_table() Method 194
8.6 The Workbook So Far 199
8.7 Continue Your Learning 200
CHAPTER 9: DATA VISUALIZATION 201
9.1 Introducing Plotnine 201
9.1.1 The Grammar of Graphics 202
9.1.2 Coding Patterns 202
9.2 Categorical Visualizations 203
9.2.1 Initial Data Wrangling 204
9.2.2 Bar Charts 206
9.2.3 Proportional Bar Charts 209
9.2.4 Faceted Bar Charts 211
9.2.5 Column Charts 221
9.3 Time Series Visualizations 225
9.3.1 Time Series Data Wrangling 225
9.3.2 Line Charts 228
9.4 The Workbook 232
9.5 Continue Your Learning 232
CHAPTER 10: YOUR DIY DATA SCIENCE ROADMAP 235
10.1 You’ve Got This 235
10.2 The Roadmap 236
10.2.1 Stop #1: Decision Trees 236
10.2.2 Stop #2: Random Forests 237
10.2.3 Stop #3: K-means Clustering 239
10.2.4 Stop #4: DBSCAN Clustering 240
10.2.5 Stop #5: Logistic Regression 242
10.2.6 Stop #6: Linear Regression 243
10.3 AI with Copilot in Excel 244
10.4 Continue Your Learning 249
INDEX 251
