آموزش پایتون برای اکسل: از xlwings برای علم داده و امور مالی استفاده کنید

سرفصل ها و درس ها

شروع شدن Getting Started

• مقدمه (از دست ندهید!) Introduction (don´t skip!)

• نمای کلی دوره (از دست ندهید!) Course Overview (don´t skip!)

• نکات: چگونه از این دوره بیشترین بهره را ببرید (از آن صرف نظر نکنید!) Tips: How to get the most out of this Course (don´t skip!)

• سوالات متداول/سوالات شما پاسخ داده شد FAQ / Your Questions answered

• نحوه دانلود و نصب Anaconda برای کدنویسی پایتون How to download and install Anaconda for Python coding

• نوت بوک های Jupyter - بیایید شروع کنیم Jupyter Notebooks - let´s get started

• نحوه کار با نوت بوک های Jupyter How to work with Jupyter Notebooks

مراحل اول با xlwings (عناصر خواندن و نوشتن) First Steps with xlwings (Reading and Writing Elements)

• معرفی و دانلودها Introduction and Downloads

• نحوه نصب xlwings How to install xlwings

• نحوه استفاده از xlwings به عنوان نمایشگر داده How to use xlwings as a Data Viewer

• نمایشگر داده - به روز رسانی Data Viewer - Update

• نحوه اتصال به کتاب کار اکسل How to connect to an Excel Workbook

• نحوه خواندن و نوشتن تک ارزش ها How to read and write single Values

• نحوه تعیین نام How to assign a name

• نحوه نوشتن توابع اکسل با پایتون How to write Excel Functions with Python

• میانبرهای محدوده Range Shortcuts

• مطالعه موردی - جمع آوری همه آن ها Case Study - Bringing it all together

• مشق شب Homework

خواندن و نوشتن ارزش های بسیاری Reading and writing many Values

• بخش دانلودها Section Downloads

• ساختارهای داده تک بعدی One-dimensional Data Structures

• نحوه نوشتن مقادیر به صورت عمودی How to write Values vertically

• سطرها و ستون ها (1 کم نور در مقابل 2 کم نور) Rows and Columns (1dim vs. 2dim)

• نحوه خواندن ساختارهای داده دو بعدی How to read two-dimensional Data Structures

• خواندن پیشرفته با گسترش Advanced Reading with expand

• نحوه نوشتن ساختارهای داده دو بعدی How to write two-dimensional Data Structures

• نمایه سازی محدوده و برش Range Indexing and Slicing

• بهره وری Efficiency

• مشق شب Homework

پروژه 1: شبیه سازی مونت کارلو در اکسل با پایتون (قسمت 1) Project 1: Monte Carlo Simulations in Excel with Python (Part 1)

• معرفی Introduction

• بخش دانلودها Section Downloads

• توضیح مدل اکسل (قسمت 1) The Excel Model explained (Part 1)

• توضیح مدل اکسل (قسمت 2) The Excel Model explained (Part 2)

• اجرای یک شبیه سازی ساده مونت کارلو Running a simple Monte Carlo Simulation

• شبیه سازی مونت کارلو پیشرفته و واقعی تر A more advanced and realistic Monte Carlo Simulation

• ملاحظات نهایی Final Considerations

اجرای اسکریپت های پایتون در اکسل - RunPython Running Python Scripts in Excel - RunPython

• معرفی و دانلودها Introduction and Downloads

• نصب افزونه xlwings و سایر آماده سازی ها Installing the xlwings add-in and other preparations

• اجرای اسکریپت های پایتون با "Run main" Running Python Scripts with "Run main"

• عیب یابی (قسمت اول) Troubleshooting (Part 1)

• همه آنچه باید در مورد ماکروهای VBA بدانید All you need to know about VBA Macros

• اجرای اسکریپت های پایتون با "RunPython" Running Python Scripts with "RunPython"

• عیب یابی (قسمت دوم) Troubleshooting (Part 2)

• اجرای main در مقابل RunPython Run main vs RunPython

• Excursus: تبدیل نوت بوک های Jupyter به .py Excursus: Converting Jupyter Notebooks to .py

• مشق شب Homework

پروژه 1: شبیه سازی مونت کارلو در اکسل با پایتون (قسمت 2) Project 1: Monte Carlo Simulations in Excel with Python (Part 2)

• معرفی و دانلودها Introduction and Downloads

• شبیه سازی مونت کارلو با ران پایتون (قسمت اول) Monte Carlo Simulation with RunPython (Part 1)

• شبیه سازی مونت کارلو با ران پایتون (قسمت دوم) Monte Carlo Simulation with RunPython (Part 2)

استفاده از Matplotlib و Seaborn در اکسل با xlwings Using Matplotlib and Seaborn in Excel with xlwings

• معرفی و دانلودها Introduction and Downloads

• نحوه نوشتن یک نمودار Matplotlib در اکسل How to write a Matplotlib Plot into Excel

• چگونه پلات را به روز کنیم How to update the Plot

• نحوه تغییر اندازه و موقعیت (قسمت 1) How to change Size and Position (Part 1)

• نحوه تغییر اندازه و موقعیت (قسمت 2) How to change Size and Position (Part 2)

• نحوه نوشتن طرح Seaborn در اکسل How write a Seaborn Plot into Excel

• نحوه ایجاد نمودارهای اکسل با پایتون How to create Excel Charts with Python

• تکلیف: اضافه کردن یک طرح به شبیه سازی مونت کارلو (پروژه 1) Homework: Adding a Plot to the Monte Carlo Simulation (Project 1)

پروژه 2: ساخت برنامه های داشبورد با اکسل (GUI) و پایتون (باطن تحلیلی) Project 2: Build Dashboard Apps with Excel (GUI) and Python (analytical backend)

• معرفی و دانلودها Introduction and Downloads

• اطلاعیه مهم (به روز رسانی 23 ژانویه) IMPORTANT NOTICE (Update January 23)

• تجزیه و تحلیل عملکرد سهام در طول COVID-19 با پایتون و پانداها (قسمت 1) Stock Performance Analysis during COVID-19 with Python & Pandas (Part 1)

• تجزیه و تحلیل عملکرد سهام در طول COVID-19 با پایتون و پانداها (قسمت 2) Stock Performance Analysis during COVID-19 with Python & Pandas (Part 2)

• تجزیه و تحلیل عملکرد سهام در طول COVID-19 با پایتون و پانداها (قسمت 3) Stock Performance Analysis during COVID-19 with Python & Pandas (Part 3)

• ساخت یک برنامه داشبورد عملکرد سهام (قسمت 1) Building a Stock Performance Dashboard App (Part 1)

• ساختن یک برنامه داشبورد عملکرد سهام (قسمت 2) Building a Stock Performance Dashboard App (Part 2)

• بهبود کد منبع و خطاها Improving the Source Code and Errors

خواندن و نوشتن ساختارهای داده (Numpy، Pandas) و مبدل ها Reading and Writing Data Structures (Numpy, Pandas) & Converters

• بخش دانلودها Section Downloads

• (پیش فرض) مبدل ها (Default) Converters

• مبدل Numpy The Numpy Converter

• مبدل دیکشنری The Dictionary Converter

• مبدل DataFrame (قسمت 1) The DataFrame Converter (Part 1)

• مبدل DataFrame (قسمت 2) The DataFrame Converter (Part 2)

• کاربرد علم داده: بازرسی و دستکاری DataFrame در اکسل Data Science Application: Inspecting and Manipulating DataFrames in Excel

• مبدل سری پانداها The Pandas Series Converter

• Excursus: نحوه بارگذاری داده ها از اکسل در Pandas با ()pd.read_excel Excursus: How to load Data from Excel into Pandas with pd.read_excel()

• Excursus: واردات پیشرفته با ()pd.read_excel Excursus: Advanced import with pd.read_excel()

• Excursus: نحوه بارگیری داده های مالی/سری زمانی با pd.read_excel() Excursus: How to load Financial Data / Time Series with pd.read_excel()

توابع تعریف شده توسط کاربر (UDF) و آرایه های پویا با xlwings (فقط برای ویندوز) User-defined Functions (UDF) and Dynamic Arrays with xlwings (Windows only)

• معرفی و دانلودها Introduction and Downloads

• آماده سازی و اولین UDF شما Preparations and your first UDF

• نحوه تغییر نام و مکان ماژول پایتون How to change the Name and Location of the Python Module

• عیب یابی (UDF) Troubleshooting (UDF)

• UDFs - پشت صحنه UDFs - Behind the Scenes

• UDF های پیچیده تر و دکوراتور @xw.arg More complex UDFs and the @xw.arg Decorator

• نحوه ایجاد UDF Numpy How to create Numpy UDFs

• UDF ها و فرمول های آرایه UDFs and Array Formulas

• نحوه ایجاد آرایه های پویا با UDF های xlwings How to create Dynamic Arrays with xlwings UDFs

• نحوه ایجاد UDF های پاندا How to create Pandas UDFs

• نحوه اضافه کردن Docstrings How to add Docstrings

• مشق شب Homework

پروژه 3: استفاده از Pandas UDF در Excel برای Data Science and Finance (فقط ویندوز) Project 3: Use Pandas UDFs in Excel for Data Science and Finance (Windows only)

• معرفی و دانلودها Introduction and Downloads

• اطلاعیه مهم (به روز رسانی 23 ژانویه) IMPORTANT NOTICE (Update January 23)

• نحوه بارگذاری داده های مالی از وب در اکسل با DataReader UDF How to load Financial Data from the Web into Excel with the DataReader UDF

• نحوه نمونه برداری مجدد از سری زمانی در اکسل با نمونه مجدد UDF How to resample Time Series in Excel with the resample UDF

• نحوه محاسبه بازده مالی با پانداها/نامپی UDF How to calculate Financial Returns with a Pandas/Numpy UDF

• چگونه می توان آمار خلاصه یک مجموعه داده را با UDF توصیف کرد How to get Summary Statistics of a Dataset with the describe UDF

• نحوه ایجاد ماتریس همبستگی مجموعه داده با corr UDF How to create a Dataset´s Correlation Matrix with the corr UDF

• همه با هم - Super UDF Taken all together - the Super UDF

• نحوه انجام اتصالات داخلی/خارجی/چپ/راست با ادغام UDF How to perform inner/outer/left/right joins with the merge UDF

ضمیمه 1: دوره خرابی پایتون برای کاربران اکسل APPENDIX 1: Python Crash Course for Excel Users

• مقدمه و بررسی اجمالی Introduction and Overview

• بخش دانلودها Section Downloads

• مقدمه ای بر مفهوم ارزش زمانی پول (TVM) (تئوری) Intro to the Time Value of Money (TVM) Concept (Theory)

• محاسبه مقادیر آینده (FV) با Python/Compounding Calculate Future Values (FV) with Python / Compounding

• محاسبه مقادیر فعلی (FV) با پایتون/تخفیف Calculate Present Values (FV) with Python / Discounting

• نرخ بهره و بازده (نظریه) Interest Rates and Returns (Theory)

• محاسبه نرخ بهره و بازده با پایتون Calculate Interest Rates and Returns with Python

• مقدمه ای بر متغیرها Introduction to Variables

• Excursus: نحوه اضافه کردن نظرات درون خطی Excursus: How to add inline comments

• متغیرها و حافظه (نظریه) Variables and Memory (Theory)

• اطلاعات بیشتر در مورد متغیرها و حافظه More on Variables and Memory

• متغیرها - بایدها، نبایدها و قراردادها Variables - Dos, Don´ts and Conventions

• تابع print(). The print() Function

• تمرین کدنویسی 1 Coding Exercise 1

• مشکلات TVM با بسیاری از جریان های نقدی TVM Problems with many Cashflows

• مقدمه ای بر لیست های پایتون Intro to Python Lists

• نمایه سازی مبتنی بر صفر و نمایه سازی منفی در پایتون (تئوری) Zero-based Indexing and negative Indexing in Python (Theory)

• فهرست های نمایه سازی Indexing Lists

• برای حلقه ها - تکرار روی لیست ها For Loops - Iterating over Lists

• محدوده Object - Iterable دیگر The range Object - another Iterable

• FV و PV را برای بسیاری از جریان های نقدی محاسبه کنید Calculate FV and PV for many Cashflows

• ارزش فعلی خالص - NPV (تئوری) The Net Present Value - NPV (Theory)

• NPV یک پروژه سرمایه گذاری را محاسبه کنید Calculate an Investment Project´s NPV

• تمرین کدنویسی 2 Coding Exercise 2

• انواع داده در عمل Data Types in Action

• سلسله مراتب نوع داده (نظریه) The Data Type Hierarchy (Theory)

• Excursus: تایپ پویا در پایتون Excursus: Dynamic Typing in Python

• توابع داخلی Build-in Functions

• اعداد صحیح Integers

• شناورها Floats

• نحوه گرد کردن شناورها (و اعداد صحیح) با round() How to round Floats (and Integers) with round()

• اطلاعات بیشتر در مورد لیست ها More on Lists

• لیست ها و عملیات عنصر عاقلانه Lists and Element-wise Operations

• برش لیست ها Slicing Lists

• برش ورق تقلب Slicing Cheat Sheet

• تغییر عناصر در لیست ها Changing Elements in Lists

• مرتب سازی و معکوس کردن لیست ها Sorting and Reversing Lists

• افزودن و حذف عناصر از/به لیست ها Adding and removing Elements from/to Lists

• قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 1) Mutable vs. immutable Objects (Part 1)

• قابل تغییر در مقابل اشیاء غیرقابل تغییر (قسمت 2) Mutable vs. immutable Objects (Part 2)

• تمرین کدنویسی 3 Coding Exercise 3

• تاپل ها Tuples

• لغت نامه ها Dictionaries

• معرفی رشته ها Intro to Strings

• جایگزینی رشته String Replacement

• بولین ها Booleans

• اپراتورها (نظریه) Operators (Theory)

• مقایسه، منطقی و عضویت اپراتورها در عمل Comparison, Logical and Membership Operators in Action

• تمرین کدنویسی 4 Coding Exercise 4

• اظهارات مشروط Conditional Statements

• کلمات کلیدی عبور، ادامه و شکستن Keywords pass, continue and break

• محاسبه دوره بازپرداخت پروژه Calculate a Project´s Payback Period

• تعریف اولین تابع تعریف شده توسط کاربر Defining your first user-defined Function

• تفاوت بین آرگومان های موضعی در مقابل آرگومان های کلیدواژه چیست؟ What´s the difference between Positional Arguments vs. Keyword Arguments?

• نحوه کار با آرگومان های پیش فرض How to work with Default Arguments

• تمرین کدنویسی 5 Coding Exercise 5

ضمیمه 2: دوره تصادف Matplotlib، Numpy، Pandas و Seaborn APPENDIX 2: Matplotlib, Numpy, Pandas and Seaborn Crash Course

• دانلود برای این بخش Downloads for this Section

• مقدمه Matplotlib Matplotlib Introduction

• طرح های خطی Line Plots

• پلات های پراکنده Scatter Plots

• سفارشی کردن طرح ها (قسمت 1) Customizing Plots (Part 1)

• سفارشی کردن طرح ها (قسمت 2) Customizing Plots (Part 2)

• تمرین کدنویسی 6 Coding Exercise 6

• ماژول ها، بسته ها و کتابخانه ها - نیازی به اختراع مجدد چرخ نیست Modules, Packages and Libraries - No need to reinvent the Wheel

• آرایه‌های Numpy Numpy Arrays

• نمایه‌سازی و برش آرایه‌های Numpy Indexing and Slicing Numpy Arrays

• عملیات برداری با آرایه های Numpy Vectorized Operations with Numpy Arrays

• تغییر عناصر در آرایه های Numpy و تغییرپذیری Changing Elements in Numpy Arrays & Mutability

• مشاهده در مقابل کپی - مشکلات احتمالی هنگام برش آرایه های Numpy View vs. copy - potential Pitfalls when slicing Numpy Arrays

• روش ها و ویژگی های آرایه Numpy Numpy Array Methods and Attributes

• توابع جهانی Numpy Numpy Universal Functions

• آرایه های بولی و فیلتر شرطی Boolean Arrays and Conditional Filtering

• تمرین کدنویسی 7 Coding Exercise 7

• نحوه کار با لیست های تو در تو How to work with nested Lists

• آرایه های 2 بعدی Numpy 2-dimensional Numpy Arrays

• چگونه آرایه های Numpy 2 کم نور را برش دهیم (قسمت 1) How to slice 2-dim Numpy Arrays (Part 1)

• نحوه برش آرایه‌های Numpy 2 کم نور (قسمت 2) How to slice 2-dim Numpy Arrays (Part 2)

• خلاصه: تغییر عناصر در یک آرایه/برش Numpy Recap: Changing Elements in a Numpy Array / slice

• نحوه انجام عملیات بر اساس ردیف و ستون How to perform row-wise and column-wise Operations

• تمرین کدنویسی 8 Coding Exercise 8

• مقدمه ای بر داده های جدولی/پانداها Intro to Tabular Data / Pandas

• اولین Pandas DataFrame خود را ایجاد کنید (از csv) Create your very first Pandas DataFrame (from csv)

• گزینه های نمایش پانداها و متدهای head() & tail() Pandas Display Options and the methods head() & tail()

• اولین بازرسی داده ها First Data Inspection

• تمرین کدنویسی 9 Coding Exercise 9

• انتخاب ستون ها Selecting Columns

• انتخاب یک ستون با علامت نقطه Selecting one Column with the "dot notation"

• نمایه سازی مبتنی بر صفر و نمایه سازی منفی Zero-based Indexing and Negative Indexing

• انتخاب ردیف‌ها با iloc (نمایه‌گذاری مبتنی بر موقعیت) Selecting Rows with iloc (position-based indexing)

• برش سطرها و ستون ها با iloc (نمایه گذاری مبتنی بر موقعیت) Slicing Rows and Columns with iloc (position-based indexing)

• برگه های تقلب نمایه سازی مبتنی بر موقعیت Position-based Indexing Cheat Sheets

• انتخاب ردیف‌هایی با loc (نمایه‌گذاری مبتنی بر برچسب) Selecting Rows with loc (label-based indexing)

• برش سطرها و ستون ها با loc (نمایه گذاری مبتنی بر برچسب) Slicing Rows and Columns with loc (label-based indexing)

• برگه های تقلب نمایه سازی مبتنی بر برچسب Label-based Indexing Cheat Sheets

• خلاصه، بهترین شیوه ها و چشم انداز Summary, Best Practices and Outlook

• تمرین کدنویسی 10 Coding Exercise 10

• قدم های اول با سری پانداها First Steps with Pandas Series

• اولین قدم ها با اشیاء شاخص پاندا First Steps with Pandas Index Objects

• وارد کردن داده‌های سری زمانی از فایل‌های csv Importing Time Series Data from csv-files

• تجزیه و تحلیل اولیه/تجسم سری های زمانی Initial Analysis / Visualization of Time Series

• معرفی Seaborn Seaborn Introduction

بعد چی؟ (چشم انداز و منابع اضافی) What´s next? (outlook and additional resources)

• سخنرانی پاداش Bonus Lecture