Python pour Excel

Auteur(s) :

Zumstein, Felix (19..-....)

Résumé

Un guide pour apprendre à utiliser le langage Python dans la gestion et la manipulation de données sous Excel. Il introduit des outils comme Jupyter notebooks et Visual studio et l'utilisation de pandas pour acquérir, nettoyer et analyser des données. Il explique également comment utiliser xlwings pour créer des outils interactifs entre Excel et Python. ©Electre 2021

Contributeur(s)
- Maniez, Dominique (1962-....). Traducteur
Éditeur(s)
- First interactive
- O'Reilly Media
Date
- DL 2021
Notes
- La couv. porte en plus : "Automatisation et analyse des données avec un langage moderne"
Langues
- Français
Description matérielle
- 1 vol. (XVIII-319 p.) : ill., graph. ; 23 cm
Sujet(s)
- Microsoft Excel (logiciel)
- Python (langage de programmation)
ISBN
- 978-2-412-07360-5
Indice
- 681.234 Python
Quatrième de couverture
- Python pour Excel
  Alors même qu'Excel est devenu un logiciel aussi omniprésent qu'incontournable dans la plupart des secteurs professionnels, un nombre grandissant d'utilisateurs réclament à Microsoft d'adopter Python comme langage de script pour ce logiciel. Mais pourquoi cette combinaison est-elle autant souhaitée ? Dans ce guide pratique, Felix Zumstein, le créateur de xlwings, un package open source d'automatisation d'Excel avec Python, enseigne aux utilisateurs avancés d'Excel comment associer efficacement ces deux univers.
  Certes, quelques nouveautés ont été intégrées à Excel ces dernières années, mais VBA, son langage d'automatisation, a cessé d'évoluer depuis un certain temps. De nombreux utilisateurs ont déjà adopté Python pour automatiser les tâches dans Excel. Grâce à cet ouvrage, vous allez pouvoir abandonner VBA au profit de Python.
  
  Utiliser Python sans forcément maîtriser la programmation
  
  Apprendre à exploiter des outils récents comme Jupyter et Visual Studio Code
  
  Récupérer, nettoyer et analyser des données et effectuer des opérations de calcul Excel classiques grâce à pandas
  
  Automatiser des tâches Excel fastidieuses comme la consolidation de classeurs ou la création de rapports
  
  Profiter de xlwings pour concevoir des outils Excel interactifs utilisant le moteur de calcul de Python
  
  Avec du code Python, connecter Excel à des bases de données et à des fichiers CSV pour télécharger des données
  
  Susbstituer Python à VBA, Power Query et Power Pivot
Tables des matières
- - Python pour Excel
  - Felix Zumstein
  - First Interactive
  - Préface xi
  - Pourquoi j'ai écrit ce livrexii
  - À qui s'adresse ce livrexiii
  - Organisation de ce livrexiii
  - Partie I : Introduction à Pythonxiii
  - Partie II : Introduction à pandasxiv
  - Partie III : Lecture et écriture de fichiers Excel sans Excelxiv
  - Partie IV : Programmation de l'application Excel avec xlwingsxiv
  - Versions de Python et d'Excelxv
  - Conventions utilisées dans ce livrexvi
  - Utilisation des exemples de codexvi
  - Remerciementsxvii
  - 1. Pourquoi Python pour Excel ?1
  - Excel est un langage de programmation2
  - Excel dans l'actualité3
  - Bonnes pratiques de programmation4
  - Excel moderne9
  - Python pour Excel11
  - Lisibilité et maintenabilité11
  - Bibliothèque standard et gestionnaire de packages13
  - Informatique scientifique14
  - Caractéristiques des langages modernes15
  - Compatibilité multiplateforme16
  - Conclusion17
  - 2. Environnement de développement19
  - Distribution Python Anaconda20
  - Installation20
  - Anaconda Prompt21
  - Python REPL : une session Python interactive24
  - Gestionnaires de packages : Conda et pip25
  - Environnements Conda27
  - Notebooks Jupyter28
  - Exécution de notebooks Jupyter29
  - Cellules de notebook30
  - Mode édition et mode commande32
  - Eordre d'exécution des cellules est important33
  - Arrêt des notebooks Jupyter34
  - Visual Studio Code35
  - Installation et configuration37
  - Exécution d'un script Python39
  - Conclusion44
  - 3. Prise en main de Python45
  - Types de données45
  - Objets46
  - Types numériques47
  - Booléens50
  - Chaînes51
  - Indexation et découpage52
  - Indexation53
  - Découpage53
  - Structures de données54
  - Listes55
  - Dictionnaires57
  - Tuples58
  - Ensembles59
  - Structures de contrôle60
  - Blocs de code et instruction pass60
  - L'instruction if et les expressions conditionnelles61
  - Boucles for et while62
  - Compréhensions de listes, de dictionnaires et d'ensembles65
  - Organisation du code66
  - Fonctions66
  - Modules et instruction import68
  - Classe datetime70
  - PEP 8 : Guide de style du code Python72
  - PEP 8 et VS Code74
  - Indicateurs de type75
  - Conclusion75
  - 4. Bases de NumPy79
  - Prise en main de NumPy79
  - Tableau NumPy79
  - Vectorisation et diffusion81
  - Fonctions universelles (ufunc)83
  - Création et manipulation de tableaux84
  - Lecture et définition d'éléments de tableau84
  - Constructeurs de tableau utiles85
  - Vue ou copie ?86
  - Conclusion86
  - 5. Analyse de données avec pandas87
  - DataFrames et séries87
  - Index90
  - Colonnes92
  - Manipulation des données94
  - Sélection des données95
  - Sélection à l'aide d'un MultiIndex100
  - Modification des données101
  - Données manquantes104
  - Données en double106
  - Opérations arithmétiques107
  - Utilisation des colonnes de texte109
  - Application d'une fonction110
  - Vue ou copie ?112
  - Combinaison de DataFrames112
  - Concaténation113
  - Jointure et fusion114
  - Statistiques descriptives et agrégation des données117
  - Statistiques descriptives117
  - Regroupement118
  - Tableaux croisés dynamiques et fusion119
  - Réalisation de tracés121
  - Matplotlib121
  - Plotly123
  - Importation et exportation de DataFrames126
  - Exportation de fichiers CSV127
  - Importation de fichiers CSV128
  - Conclusion130
  - 6. Analyse de séries chronologiques avec pandas131
  - DatetimeIndex132
  - Création d'un DatetimeIndex132
  - Filtrage d'un DatetimeIndex134
  - Utilisation des fuseaux horaires136
  - Manipulations courantes sur les séries chronologiques137
  - Décalages et variations en pourcentage137
  - Rebasement et corrélation140
  - Rééchantillonnage143
  - Fenêtres glissantes145
  - Limites de pandas146
  - Conclusion147
  - 7. Manipulation de fichiers Excel avec pandas151
  - Étude de cas : génération d'un rapport Excel151
  - Lecture et écriture de fichiers Excel avec pandas155
  - Fonction read excel et classe ExcelFile155
  - Méthode to excel et classe ExcelWriter161
  - Limites lors de l'utilisation de pandas avec des fichiers Excel163
  - Conclusion163
  - 8. Manipulation de fichiers Excel avec des packages de lecture et d'écriture165
  - Packages de lecture et d'écriture165
  - Savoir quel package utiliser166
  - Module excel.py167
  - OpenPyXL169
  - Xlsx Writer173
  - pyxlsb175
  - xlrd, xlwt et xlutils176
  - Fonctionnalités avancées pour la lecture et l'écriture de fichiers Excel179
  - Exploitation de fichiers Excel volumineux179
  - Mise en forme des DataFrames dans Excel183
  - Étude de cas (revisitée) : création d'un rapport Excel189
  - Conclusion190
  - 9. Automatisation d'Excel193
  - Prise en main de xlwings194
  - Utilisation d'Excel pour visualiser des données194
  - Modèle objet d'Excel196
  - Exécution du code VBA202
  - Convertisseurs, options et collections203
  - Exploitation des DataFrames204
  - Convertisseurs et options205
  - Graphiques, images et noms définis207
  - Étude de cas (revisitée) : rapports Excel211
  - Approfondissement de xlwings212
  - Sur quoi repose xlwings ?213
  - Amélioration des performances215
  - Comment pallier les fonctionnalités manquantes216
  - Conclusion217
  - 10. Outils Excel dopés par Python219
  - Utilisation d'Excel comme frontend avec xlwings219
  - Complément Excel220
  - Commande quickstart222
  - Run main222
  - Fonction RunPython223
  - Déploiement228
  - Dépendance Python228
  - Classeurs autonomes : comment se débarrasser du complément xlwings229
  - Hiérarchie de configuration230
  - Paramètres231
  - Conclusion233
  - 11. Python Package Tracker235
  - Ce que nous allons construire235
  - Fonctionnalités de base238
  - API Web238
  - Bases242
  - Exceptions251
  - Structure de l'application253
  - Frontend254
  - Backend258
  - Débogage262
  - Conclusion263
  - 12. Fonctions définies par l'utilisateur (UDF)265
  - Prise en main des UDF266
  - Commande quickstart pour les UDF266
  - Étude de cas : Google Trends271
  - Introduction à Google Trends271
  - Utilisation de DataFrames et de tableaux dynamiques273
  - Récupération de données à partir de Google Trends278
  - Traçage avec des UDF283
  - Débogage des UDF284
  - Sujets avancés sur les UDF286
  - Optimisation des performances de base287
  - Mise en cache289
  - Décorateur sub291
  - Conclusion292
  - Annexe A Environnements Conda295
  - Création d'un nouvel environnement Conda295
  - Annulation de l'activation automatique297
  - Annexe B Fonctionnalités avancées de VS Code299
  - Débogueur299
  - Notebooks Jupyter dans VS Code301
  - Exécution de notebooks Jupyter301
  - Scripts Python avec des cellules de code303
  - Annexe c Concepts Python avancés305
  - Classes et objets305
  - Exploitation d'objets datetime prenant en charge les fuseaux horaires307
  - Objets Python mutables ou immuables ?308
  - Appel de fonctions avec des objets mutables comme arguments309
  - Fonctions avec des objets mutables comme arguments par défaut311
  - Index313
Origine de la notice:
- Electre