OK, Python (PDF)
78 stran · PDF + Python · Mírně pokročilí
78 stran · PDF + Python · Mírně pokročilí
499 Kč
Python Pandas NumPy Excel
Autor knihy: Lubomír Husar
V hlavních rolích: Python, Pandas a NumPy. Příklady, které stačí jen zkopírovat a použít.
Kniha je aktuálně nabízena v programu Early Access za zvýhodněnou cenu. Jejím zakoupením získáte doživotní licenci a přístup k budoucím aktualizacím a rozšířením.
Novinka: 4xPDF poznámkové listy - linkovaný, nelinkovaný, čtverečkovaný, tečkovaný.
Tato kniha je manuálem pro všechny, kteří pracují s Excelem a chtějí se naučit používat Python.
Tedy pro všechny, které už nebaví spousta klikání myší, operací zkopíruj a vlož a všechna ta manuální práce, kterou musí provádět každý den.
Návodů na Python, Pandas a NumPy najdete na internetu spoustu. Co mě osobně ale chybí, je ucelená sbírka příkladů, které můžete použít v praxi. Příklady, které si můžete snadno upravit a přizpůsobit. Příklady, které snadno pochopíte, i když nejste programátor.
Proto návody v knížce ukazují, jak řešit každodenní úkoly rychle a elegantně. Pomocí pár řádků kódu. A to všechno díky programovacímu jazyku Python a knihovnám Pandas a NumPy.
Internet je plný kódu, který je dlouhý, nepřehledný a neefektivní. Pokud chcete takové příklady přečíst a pochopit, udělejte si kafe a připravte se na to, že budete potřebovat hodně času.
Já osobně si myslím, že je to špatně. Myslím, že lepší a chytřejší je, když něco umíte udělat snadno a rychle. Myslím, že produktivita není soutěží o to, kdo napíše komplikovanější program.
Podívejte se na následující příklady. Oba dělají totéž, ale jeden je kratší, přehlednější a rychlejší. Který způsob si vyberete?
import openpyxl
import re
workbook = openpyxl.load_workbook('data/test.xlsx')
worksheet = workbook['Sheet1']
for row in range(1, worksheet.max_row+1):
for cell in range(1, worksheet.max_column+1):
value = worksheet.cell(row, cell).value
if isinstance(value, str):
worksheet.cell(row, cell).value = re.sub(r'A|B|C', '*', value)
workbook.save('data/zmena-vse.xlsx')
import pandas as pd
df = pd.read_excel('data/test.xlsx')
df.replace('A|B|C', '*', regex=True, inplace=True)
df.to_excel('data/zmena-vse.xlsx', index=False)
Teorie má určitě ve vzdělávání svoje místo. Zvlášť, když chcete být špičkový programátor. Ale pokud se chcete naučit chytré způsoby, jak si usnadnit práci, tak je biflování nezáživné teorie zbytečné. Mnohem užitečnější je praxe.
Přesně to byl jeden z důvodů, proč jsme rozjížděli LovelyData. Věděli jsme totiž, že můžeme vytvořit něco lepšího. Lepší vzdělávání pro dospělé, kteří si cení svého času. Lepší vzdělávání pro všechny, kteří chtějí nové dovednosti využívat v praxi.
Za posledních několik let jsme pomohli mnoha firmám a jejich zaměstnancům změnit způsob, jakým pracují s daty. Většina z nich byla překvapená (příjemně), kolik práce a času jim Python ušetří. A že jim k tomu stačí doslova jen pár řádků kódu.
Nejvíce budou mít z knihy všichni, kteří mají alespoň základní znalosti Pythonu. Výhodou je, pokud se už setkali s knihovnou Pandas. Pokud ne, nevadí. Příklady je navedou správným směrem.
Praktické návody v knížce ale využijí i ti, kteří s Pythonem a Pandas už pracují. Jen možná ne tak efektivně, jak by mohli.
Jako vstupní a výstupní formát budeme používat Excel (formát XLSX). Je to proto, že data v Excelu najdete v každé firmě. Tento formát je flexibilní a umožňuje svým uživatelům obrovskou kreativitu. Někdy je ale potřeba jí trochu zkrotit a právě s tím nám Python pomůže.
Tato kniha není vhodná pro úplné začátečníky, kteří nemají s Pythonem žádné předchozí zkušenosti. Těm mohu doporučit on-line kurzy Python - základy a Pandas - analýza a zpracování dat, které jim poskytnou potřebné základy.
Každý příklad vychází z úkolů, které se dají řešit pomocí Excelu. Cílem je ukázat, jak pro tyto úkoly použít Python a Pandas. Výsledkem je snadno pochopitelný kód, který má většinou jen pár řádků a který si můžete snadno přizpůsobit pro svoje konkrétní potřeby.
Součástí knihy záměrně nejsou soubory s testovacími daty. Data si totiž sami vygenerujete ve formátu XLSX pomocí knihoven NumPy a Pandas. Vytvořený excelovský soubor je následně použit jako vstupní soubor v sekci Řešení.
Vytvoření testovacích dat často zahrnuje použití knihovny NumPy. Tato knihovna pracuje s pamětí efektivně a je rychlá i při velkém množství řádků.
Začátečníci mohou kód v této části s klidným svědomím zkopírovat a spustit. Ti pokročilejší v něm najdou alternativní řešení pro úkoly, na které možná v Pythonu používají for smyčky.
Zadaný úkol je vyřešen na pár řádcích, které jsou snadno pochopitelné i pro začínající uživatele. Každá část je okomentována pro lepší porozumění toho, co se právě děje. Díky knihovně Pandas je zpracování dat rychlé i při velkém objemu dat.
Stáhněte si ukázku knihy (PDF)
B
Barbora
S kurzem jsem byla moc spokojená. Líbila se mi posloupnost výkladu.
P
Pavel
S kurzy jsem byl velmi spokojen. Velké množství strukturovaně podaných informací, určitě bylo dobré, že jsme si "programy" hned psali a vyzkoušeli.
J
Jakub
Svižné tempo, srozumitelný výklad, excercise - based přístup, charismatický a zkušený lektor.
Staňte se datovým analytikem. Výhodný balík 7 kurzů od profíků z oboru. SQL, Python, Pandas, R, Tableau, Power BI a Strojové učení.
Pandas - analýza a zpracování dat
Naučte se základy Pandas - pythonovské knihovny, která je standardem pro analýzu a zpracování dat.
Získejte přístup ke knize
Získejte přístup k celé knize .
Copyright © 2018-2024, Colorbee, s.r.o.
Designed by grafikli.cz in Prague.