پایتون برای اکسل - استفاده از xlwings در علم داده و امور مالی

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

خودکارسازی اکسل با کد تمیز و قدرتمند پایتون
یادگیری و تسلط به کتابخانه xlwings از صفر تا صد
استفاده از اکسل به عنوان رابط کاربر گرافیکی (GUI) و اجرای کد پایتون با اکسل
ایجاد اپلیکیشن‌های قدرتمند داشبورد با اکسل (فرانت‌اند) و پایتون (بک‌اند)
استفاده از ابزارهای قدرتمند مصورسازی داده‌ (Matplotlib و Seaborn) در اکسل
یادگیری پایتون از ابتدا با یک دوره فشرده ساخته تیلور (برای مبتدیان پایتون)
نوشتن UDFs (توابع تعریف‌ شده توسط کاربر) و استفاده از کتابخانه‌های Numpy و Pandas و یادگیری ماشین مستقیماً در اکسل
نوشتن ابزارهای اکسل با پایتون به جای VBA و فراخوانی کد خود مستقیماً از داخل اکسل
استفاده از xlwings برای خودکارسازی گزارش‌های اکسل با پایتون
نمونه‌سازی اولیه وب اپلیکیشن‌ها
نوشتن و استفاده از آرایه‌های پویا در xlwings
اجرای مدل مالی خود 10,000 بار و فراتر با شبیه‌سازی مونته کارلو در پایتون
بارگذاری داده‌ مالی از Web APIs مستقیماً در اکسل
اجرای اسکریپت‌های پایتون از داخل اکسل با Run main و RunPython
جایگزینی ماکروهای VBA با کد تمیز و قدرتمند پایتون

پیش‌نیازهای دوره

کامپیوتر دسکتاپ (ویندوز یا مک) که قادر به نصب و اجرای پایتون و آناکوندا باشد. در طول دوره فرآیند نصب نرم‌افزارهای رایگان لازم آموزش داده می‌شود.
اتصال اینترنت با توانایی استریمینگ ویدئوهای HD
نصب فعال و صحیح مایکروسافت اکسل
کاربران مک هم می‌توانند از این دوره استفاده کنند. لطفاً توجه داشته باشید که 10 تا 15 درصد از محتوای دوره (UDFs) فقط روی ویندوز کار می‌کند.
تمایل به کدنویسی و کار با پایتون

توضیحات دوره

پایتون در اکسل و xlwings ابزارهای مکمل هستند - بهترین بهره را از هر دو ببرید.

اکسل در مقابل پایتون - کدام ابزار بهترین گزینه برای علم داده، کسب‌وکار و امور مالی است؟

پاسخ این است: از اکسل و پایتون با هم استفاده کنید و هر دو ابزار را با xlwings یکپارچه نمایید. در آن صورت بهترین هر دو دنیا را در اختیار دارید.

با xlwings، می‌توانید کتابخانه‌های علم داده در پایتون مانند Numpy و Pandas و Scipy و Matplotlib و Seaborn و scikit-learn را مستقیماً در اکسل به کار ببرید. شما می‌توانید کد پایتون را در اکسل اجرا کرده و پروژه‌های اکسل خود را ارتقا دهید. هر روزه حرفه‌ای‌ها و توسعه‌دهندگان بیشتری از این ابزارها بهره می‌برند.

اکسل به عنوان فرانت‌اند
پایتون به عنوان بک‌اند تحلیلی

این دوره گزینه‌ای بی‌نظیر برای افراد زیر است:

متخصصان باتجربه پایتون - استفاده از اکسل به عنوان رابط کاربری گرافیکی (GUI)، اجرای اسکریپت‌های پایتون با اکسل و ارائه نتایج با داشبوردهای اکسل
کاربران اکسل و مبتدیان کامل پایتون - افزایش قدرت پروژه‌های اکسل خود با کد تمیز و قدرتمند پایتون
گروه‌های ترکیبی - افراد بدون تجربه کدنویسی می‌توانند کد پایتون را با کلیک روی دکمه‌های اکسل اجرا و استفاده کنند.

چرا باید این دوره را بگذرانید؟

شما از ابتدا کتابخانه xlwings را یاد گرفته و به آن مسلط خواهید شد.
برای کاربران اکسل و مبتدیان کامل پایتون - این دوره شامل یک دوره فشرده پایتون است که مخصوص شما طراحی شده است.
این دوره جامع‌ترین و کاربردی‌ترین دوره (عملی) xlwings در وب است.
این دوره شامل سه پروژه جامع واقعی است.
پروژه 1 - بهبود مدل مالی در اکسل با افزودن شبیه‌سازی مونته کارلو در پایتون - اجرای محاسبات اکسل خود 10,000 بار و با مجموعه‌های مختلف ورودی و تحلیل نتایج
پروژه 2 - شما یاد می‌گیرید که اپلیکیشن‌های داشبورد سهام شبیه بلومبرگ را با اکسل (رابط کاربری گرافیکی) و پایتون (بک‌اند تحلیلی) ایجاد کنید.
پروژه 3 - شما یاد می‌گیرید که چگونه از متدها و توابع Pandas روی مجموعه داده‌های خود مستقیماً در اکسل استفاده کنید.

چرا اکسل؟

هیچ رابط کاربری گرافیکی (GUI) و ابزار گزارش‌دهی بهتری از اکسل وجود ندارد.

اکسل دارای ویژگی‌های زیر است:

گسترده (750 میلیون کاربر)
استاندارد
استفاده آسان
اکثر کاربران به خوبی آموزش دیده‌اند.
نیاز به راه‌اندازی خاصی ندارد.
نیاز به نگهداری خاصی ندارد.
و هنوز بهترین گزینه برای مدل‌های مالی و محاسبات spreadsheet است.

چرا پایتون؟

با صدها کتابخانه قدرتمند، پایتون اولین گزینه برای علم داده، یادگیری ماشین و تحلیل‌های پیشرفته در کسب‌وکار و امور مالی است. اکوسیستم پایتون بسیار قدرتمندتر و چندمنظوره‌تر از VBA و آموزش و کاربرد آن ساده‌تر است.

چرا باید xlwings را یاد بگیرید و به آن مسلط شوید؟

xlwings ابزار کامل برای یکپارچه‌سازی اکسل و پایتون است. این ابزار به شما امکان موارد زیر را می‌دهد:

خودکارسازی اکسل از پایتون، برای مثال تولید گزارش‌ها یا تعامل با Jupyter Notebooks
نوشتن ماکروهای پایتون که از طریق دکمه‌های اکسل قابل اجرا هستند، برای مثال برای بارگذاری داده‌ از پایگاه داده یا API خارجی
نوشتن UDFs (توابع تعریف‌ شده توسط کاربر) و بهره بردن از قدرت NumPy و Pandas و کتابخانه‌های یادگیری ماشین
استفاده از استک علمی پایتون برای تحلیل تعاملی داده‌ با استفاده از Jupyter Notebooks و NumPy و Pandas و scikit-learn و غیره
استفاده از xlwings برای خودکارسازی گزارش‌های اکسل با پایتون
نوشتن ابزارهای اکسل با پایتون به جای VBA و فراخوانی کد خود مستقیماً از داخل اکسل، برای مثال از طریق یک دکمه روی شیت
اکسل همچنین برای نمونه‌سازی اولیه وب اپلیکیشن‌ها، عالی عمل می‌کند.
نوشتن (آرایه‌) UDFs به آسانی با استفاده از تمام قابلیت‌های موجود در کتابخانه‌هایی مانند NumPy و Pandas
پشتیبانی از فرمول‌های آرایه پویا

کاربران مک هم می‌توانند از این دوره استفاده کنند. با این حال، لطفاً توجه داشته باشید که 10 تا 15 درصد از محتوای دوره (UDFs) در حال حاضر برای مک در دسترس نیست.)

این دوره برای چه کسانی مناسب است؟

متخصصان داده و متخصصان امور مالی که به دنبال استفاده از اکسل به عنوان فرانت‌اند و پایتون به عنوان بک‌اند تحلیلی در پروژه‌های خود هستند.
متخصصان اکسل که به دنبال نوشتن ابزارهای اکسل با کد پایتون تمیز به جای VBA و ماکروها هستند.
مبتدیان پایتون، زیرا این دوره شامل یک دوره فشرده پایتون است که برای متخصصان اکسل طراحی شده است.
توسعه‌دهندگان پایتون که به دنبال کار با اکسل به عنوان رابط کاربری گرافیکی (GUI) هستند.

پایتون برای اکسل - استفاده از xlwings در علم داده و امور مالی

فصل 1: شروع کار

مقدمه - لطفا از آن رد نشوید 03:28
بررسی دوره - لطفا از آن رد نشوید 02:06
نکات - چگونه از این دوره بیشترین بهره را ببریم؟ (لطفا از آن رد نشوید) 05:27
جدید - xlwings در مقابل ویژگی جدید پایتون در اکسل (اضافه شده در آگوست 2023) 01:05
چگونه آناکوندا را برای کدنویسی پایتون دانلود و نصب کنیم؟ 07:30
Jupyter Notebooks - بیایید شروع کنیم 12:24
چگونه با Jupyter Notebooks کار کنیم؟ 17:25

فصل 2: اولین گام‌ها با xlwings (خواندن و نوشتن عناصر)

مقدمه و دانلودها 01:28
چگونه xlwings را نصب کنیم؟ 01:38
چگونه از xlwings به عنوان مشاهده‌گر داده استفاده کنیم؟ 07:24
مشاهده‌گر داده - بروزرسانی 01:26
چگونه به ورک‌بوک اکسل متصل شویم؟ 07:28
چگونه مقدارهای منفرد را بخوانید و بنویسید؟ 05:56
چگونه یک نام اختصاص دهیم؟ 03:08
چگونه توابع اکسل را با پایتون بنویسیم؟ 02:58
میانبرهای محدوده 01:55
مطالعه موردی - جمع‌بندی 06:59
تکلیف 04:42

فصل 3: خواندن و نوشتن مقادیر زیاد

ساختارهای داده تک‌بعدی 04:45
چگونه مقادیر را به صورت عمودی بنویسید؟ 01:45
سطرها و ستون‌ها (یک بعدی در مقابل دوبعدی) 02:50
چگونه ساختارهای داده دوبعدی را بخوانیم؟ 02:53
خواندن پیشرفته با expand 03:47
چگونه ساختارهای داده دوبعدی بنویسیم؟ 01:24
ایندکس‌گذاری و اسلایس کردن محدوده 04:44
کارایی 03:42

فصل 4: پروژه 1 - شبیه‌سازی‌های مونته کارلو در اکسل با پایتون - بخش 1

مقدمه 07:40
توضیح مدل اکسل - بخش 1 11:09
توضیح مدل اکسل - بخش 2 05:11
اجرای شبیه‌سازی مونته کارلو ساده 14:33
شبیه‌سازی مونته کارلو پیشرفته و واقع‌گرایانه 05:16
ملاحظات نهایی 03:00

فصل 5: اجرای اسکریپت‌های پایتون در اکسل - RunPython

مقدمه و دانلودها 02:38
نصب افزونه xlwings و سایر پیش‌نیازها 08:44
اجرای اسکریپت‌های پایتون با "Run main" 04:41
عیب‌یابی - بخش 1 04:32
همه مطالب درباره ماکروهای VBA 07:15
اجرای اسکریپت‌های پایتون با "RunPython" 07:11
عیب‌یابی - بخش 2 06:56
Run main در مقابل RunPython 04:12
بررسی - تبدیل Jupyter Notebook به py. 04:00

فصل 6: پروژه 1 - شبیه‌سازی‌های مونته کارلو در اکسل با پایتون - بخش 2

مقدمه و دانلودها 01:14
شبیه‌سازی مونته کارلو با RunPython - بخش 1 08:07
شبیه‌سازی مونته کارلو با RunPython - بخش 2 08:24

فصل 7: استفاده از matplotlib و seaborn در اکسل با xlwings

مقدمه و دانلودها (بروزرسانی در دسامبر 24) 01:05
چگونه نمودار Matplotlib را در اکسل بنویسید؟ 03:23
چگونه نمودار را بروزرسانی کنیم؟ 04:22
چگونه اندازه و پوزیشن را تغییر دهیم؟ - بخش 1 04:42
چگونه اندازه و پوزیشن را تغییر دهیم؟ - بخش 2 02:13
چگونه نمودار seaborn را در اکسل بنویسید؟ 03:54
چگونه نمودارهای اکسل با پایتون ایجاد کنیم؟ 03:25
تکلیف - افزودن نمودار به شبیه‌سازی مونته کارلو (پروژه 1) 06:08

فصل 8: پروژه 2 - ساخت اپلیکیشن‌های داشبورد با اکسل (GUI) و پایتون (بک‌اند تحلیلی)

مقدمه و دانلودها (بروزرسانی در دسامبر 24) 02:44
اطلاع مهم (بروزرسانی در ژانویه 23) 01:30
تحلیل عملکرد سهام در دوران کووید 19 با پایتون و Pandas - بخش 1 08:38
تحلیل عملکرد سهام در دوران کووید 19 با پایتون و Pandas - بخش 2 07:44
تحلیل عملکرد سهام در دوران کووید 19 با پایتون و Pandas - بخش 3 08:36
ساخت اپلیکیشن داشبورد عملکرد سهام - بخش 1 12:45
ساخت اپلییکشن داشبورد عملکرد سهام - بخش 2 05:50
بهبود کد منبع و خطاها 14:01

فصل 9: خواندن و نوشتن ساختارهای داده (Numpy و Pandas) و مبدل‌ها

مبدل‌های پیش‌فرض 04:10
مبدل Numpy 02:56
مبدل دیکشنری 03:44
مبدل دیتافریم - بخش 1 05:17
مبدل دیتافریم - بخش 2 03:42
کاربرد علم داده - بررسی و دستکاری دیتافریم‌ها در اکسل 05:08
مبدل سری Pandas 04:20
بررسی - چگونه داده‌ را از اکسل در Pandas با ()pd.read_excel بارگذاری کنیم؟ 11:11
بررسی - ایمپورت پیشرفته با ()pd.read_excel 08:06
بررسی - چگونه داده‌ مالی و سری‌های زمانی را با ()pd.read_excel بارگذاری کنیم؟ 10:45

فصل 10: توابع تعریف شده توسط کاربر (UDF) و آرایه‌های پویا با xlwings (فقط ویندوز)

مقدمه و دانلودها 01:19
آماده‌سازی‌ها و اولین UDF خود 07:46
چگونه نام و لوکیشن ماژول پایتون را تغییر دهیم؟ 05:27
عیب‌یابی (UDF) 06:42
UDFs - پشت صحنه 03:14
UDFs پیچیده‌تر و دکوراتور xw.arg@ 08:25
چگونه Numpy UDFs را ایجاد کنیم؟ 03:14
UDFs و فرمول‌های آرایه‌ای 06:05
چگونه با xlwings UDFs آرایه‌های پویا ایجاد کنیم؟ 04:47
چگونه Pandas UDFs را ایجاد کنیم؟ 07:30
چگونه Docstring را اضافه کنیم؟ 03:53

فصل 11: پروژه 3 - استفاده از Pandas UDFs در اکسل برای علم داده و امور مالی (فقط ویندوز)

مقدمه و دانلودها 02:59
اطلاع مهم (بروزرسانی در ژانویه 23) 01:18
چگونه می‌توان داده‌ مالی را از وب با استفاده از DataReader UDF در اکسل بارگذاری کرد؟ 04:31
چگونه می‌توان سری‌های زمانی را در اکسل با استفاده از UDF نمونه‌گیری مجدد کرد؟ 03:57
چگونه بازده مالی را با Pandas و Numpy UDF محاسبه کنیم؟ 03:35
چگونه آمار خلاصه یک مجموعه داده را با describe UDF بدست آورید؟ 02:26
چگونه ماتریس همبستگی یک مجموعه داده را با UDF صحیح ایجاد کنیم؟ 03:16
جمع‌بندی - Super UDF 09:16
چگونه می‌توان با استفاده از UDF ادغامی، inner join و outer join و left join و right join را انجام داد؟ 07:37