کتاب Python in Excel Step-by-Step

کتاب Python in Excel Step-by-Step (پایتون در اکسل، گام‌به‌گام) به‌صورت عملی و مرحله‌به‌مرحله نشان می‌دهد چطور می‌توان از قدرت زبان برنامه‌نویسی پایتون مستقیماً در محیط اکسل استفاده کرد. کتاب Python in Excel Step-by-Step به کاربران اکسل کمک می‌کند تا بدون ترک این نرم‌افزار، تحلیل داده‌های پیشرفته‌تر، خودکارسازی محاسبات، پاک‌سازی داده‌ها و مصورسازی نتایج را با استفاده از پایتون انجام دهند.

در ادامه مقدمه‌ای از کتاب Python in Excel Step-by-Step را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Python in Excel Step-by-Step:

در زمان نگارش کتاب Python in Excel Step-by-Step،بیست و هشت سال است که در حوزه فناوری فعالیت می‌کنم و در ۱۴ سال اخیر به‌طور تخصصی در زمینه تحلیل داده کار کرده‌ام. در طول دوران حرفه‌ای‌ام، موج‌های تبلیغاتی (Hype Cycle) زیادی را دیده‌ام که آمده و رفته‌اند (مثل «بیگ دیتا»). این موضوع را فقط برای این می‌گویم که تأکید کنم آنچه در ماه مه ۲۰۲۳ دیدم—نسخه‌ای اولیه از «پایتون در اکسل»—تا چه اندازه تأثیر عمیقی بر من گذاشت.

به‌عنوان یک مشاور و مدرس تحلیل داده، چشم‌انداز مایکروسافت برای اکسل واقعاً من را شگفت‌زده کرد. تنها یک دلیل وجود دارد که چرا مایکروسافت این‌همه زمان و انرژی صرف ساخت پایتون در اکسل کرده است: مایکروسافت اکسل را به‌عنوان پرکاربردترین پلتفرم «علم داده به‌صورت خودت انجام بده» (DIY) در جهان می‌بیند.

انجام علم داده با اکسل چیز جدیدی نیست. با استفاده از Solver می‌توان تحلیل‌های پیشرفته‌ای مانند تحلیل سبد خرید، رگرسیون لجستیک، شبیه‌سازی و موارد دیگر را پیاده‌سازی کرد.
اما استفاده از اکسل به این شکل معمولاً نیازمند ساخت قالب‌های پیچیده‌ی شیت است که مستعد خطا هستند. اگر این به‌تنهایی مانع بزرگی نباشد، بسیاری از قدرتمندترین تکنیک‌های تحلیلی (مانند خوشه‌بندی) اصلاً با Solver قابل پیاده‌سازی نیستند.

اینجاست که «پایتون در اکسل» وارد می‌شود.

همان‌طور که در کتاب Python in Excel Step-by-Step خواهید آموخت، پایتون نه‌تنها ستون اصلی چشم‌انداز مایکروسافت برای تبدیل اکسل به یک پلتفرم علم داده است، بلکه دانستن پایتون برای استفاده حداکثری از فناوری هوش مصنوعی Copilot مایکروسافت نیز ضروری است.

مایکروسافت اکسل همیشه، قبل از هر چیز، ابزاری برای تحلیل داده بوده است. برای حرفه‌ای‌هایی که می‌خواهند با استفاده از داده تأثیر بیشتری در کار خود بگذارند، پایتون گوهر تاج قابلیت‌های تحلیلی اکسل محسوب می‌شود.

کتاب Python in Excel Step-by-Step برای چه کسانی است؟

اگرچه در عنوان کتاب Python in Excel Step-by-Step کلمه «پایتون» آمده است، اما مخاطب آن برنامه‌نویسان نرم‌افزار یا دانشمندان داده نیستند. چشم‌انداز مایکروسافت برای اکسل روشن است: توانمندسازی هر فرد حرفه‌ای برای انجام تحلیل‌های پیشرفته به‌صورت سلف‌سرویس—یا همان چیزی که من آن را «علم داده DIY» می‌نامم.

کتاب Python in Excel Step-by-Step برای هر فرد حرفه‌ای طراحی شده که می‌خواهد مهارت‌های لازم برای موفقیت با اکسل در عصر هوش مصنوعی را به دست آورد. برای مثال (و نه محدود به این‌ها):

• یک مدیر بازاریابی که می‌خواهد مدل امتیازدهی سرنخ‌ها (Lead Scoring) بسازد.

• یک مدیر محصول که می‌خواهد تحلیل بخش‌بندی کاربران انجام دهد تا پرسوناهای داده‌محور ایجاد کند.

• یک تحلیل‌گر مالی که می‌خواهد با استفاده از یادگیری ماشین پیش‌بینی‌های دقیق‌تری بسازد.

و این فهرست همچنان ادامه دارد.

اولین قدم برای ممکن شدن همه این‌ها، یادگیری پایتون است. در طول سال‌ها، پایتون به زبان مشترک تحلیل داده تبدیل شده و «پایتون در اکسل» این قابلیت را در اختیار میلیون‌ها متخصص در سراسر جهان قرار می‌دهد.

من تاکنون بیش از ۱۰۰۰ نفر از متخصصان با نقش‌ها و پیش‌زمینه‌های مختلف را پایتون آموزش داده‌ام. کتاب Python in Excel Step-by-Step عصاره تمام درس‌هایی است که در این سال‌ها آموخته‌ام.

ساختار کتاب Python in Excel Step-by-Step به‌گونه‌ای است که هر فصل بر پایه مطالب فصل‌های قبل بنا می‌شود. تا حد امکان، ابتدا یک مفهوم را در اکسل توضیح می‌دهم و سپس آن را به پایتون نگاشت می‌کنم. تجربه نشان داده که این روش، یادگیری پایتون را بسیار ساده‌تر از آنچه تصور می‌کنید می‌کند.

کتاب Python in Excel Step-by-Step چه مباحثی را پوشش می‌دهد؟

فصل ۱: معرفی پایتون در اکسل
بررسی چیستی و چرایی پایتون در اکسل، اهداف مایکروسافت از این یکپارچه‌سازی، نقش پایتون در آینده هوشمند اکسل و نحوه کار پایتون در اکسل به‌عنوان یک قابلیت مبتنی بر ابر، همراه با ملاحظات امنیت و مقیاس‌پذیری.

فصل ۲: انواع داده
معادل نوع داده‌های اکسل در پایتون و اهمیت آن‌ها در تحلیل داده.

فصل ۳: ساختارهای داده
بررسی ساختارهای داده در پایتون به‌عنوان معادل شیت‌ها، سلول‌ها و جدول‌ها در اکسل.

فصل ۴: کنترل جریان و حلقه‌ها
معادل قابلیت‌هایی مانند IF و SUMIF در اکسل با استفاده از کنترل جریان و حلقه‌ها در پایتون.

فصل ۵: توابع
نوشتن توابع سفارشی در پایتون، مشابه استفاده از توابعی مانند IF، SUM و AVERAGE در اکسل.

فصل ۶: مبانی جدول‌های داده
کار با داده‌های جدولی در پایتون، که پایه تقریباً تمام تحلیل‌های دنیای واقعی هستند.

فصل ۷: کار با ستون‌ها
پاک‌سازی و پردازش ستون‌های داده با استفاده از پایتون.

فصل ۸: کار با جدول‌های داده
تغییر، فیلتر و ترکیب جدول‌های داده در قالب یک سناریوی تحلیلی واقعی.

فصل ۹: مصورسازی داده
ساخت نمودارهای تحلیلی پیشرفته با پایتون که فراتر از نمودارهای پیش‌فرض اکسل هستند.

فصل ۱۰: نقشه راه علم داده DIY
ترسیم مسیر یادگیری برای آینده اکسل، از جمله همکاری با Copilot برای تحلیل‌های پیشرفته.

ابزارهای موردنیاز کتاب Python in Excel Step-by-Step:

پایتون در اکسل به‌صورت پیش‌فرض در اشتراک‌های Microsoft 365 ارائه می‌شود. همچنین یک افزونه پولی برای پایتون در اکسل وجود دارد که امکاناتی مانند منابع محاسباتی سریع‌تر و کنترل دقیق‌تر بر نحوه اجرای کد را فراهم می‌کند. این افزونه برای استفاده از کتاب Python in Excel Step-by-Step ضروری نیست و توصیه می‌شود تا زمانی که از نیاز خود مطمئن نشده‌اید، آن را تهیه نکنید.

سرفصل‌های کتاب Python in Excel Step-by-Step:

• INTRODUCTION
• CHAPTER 1: INTRODUCING PYTHON IN EXCEL
• CHAPTER 2: DATA TYPES
• CHAPTER 3: DATA STRUCTURES
• CHAPTER 4: CONTROL FLOW AND LOOPS
• CHAPTER 5: FUNCTIONS
• CHAPTER 6: DATA TABLE FUNDAMENTALS
• CHAPTER 7: WORKING WITH COLUMNS
• CHAPTER 8: WORKING WITH DATA TABLES
• CHAPTER 9: DATA VISUALIZATION
• CHAPTER 10: YOUR DIY DATA SCIENCE ROADMAP
• INDEX
• EULA

جهت دانلود کتاب Python in Excel Step-by-Step می‌توانید پس از پرداخت، دریافت کنید.