Python ทำ Excel จาก 0 จนสร้างกราฟด้วย Pandas

การใช้ Python จัดการงานข้อมูลเช่น Excel เป็นหนึ่งในตัวอย่างการที่การเขียนโค้ด Python ช่วยจัดการงานรอบตัวให้เป็นอัตโนมัติได้ อย่าลืมติดตามการเรียน Python สร้างการทำงานรอบตัวอัตโนมัติที่ Ultimate Python

ชุดคำสั่ง Pandas เป็นชุดคำสั่งสำเร็จรูปของ Python ที่รวบรวมคำสั่งการทำงานกับข้อมูลตารางเอาไว้อย่างครบถ้วน และเป็นหนึ่งในชุดคำสั่งที่สำคัญที่สุดสำหรับการใช้งาน Python เพื่อจัดการข้อมูล

ในตัวอย่างนี้ผมจะพาทุกคนมาเรียนรู้การใช้งาน Pandas จาก 0 ตั้งแต่การนำข้อมูลจากไฟล์ Excel, เก็บข้อมูลจากเวปไซต์ที่เป็นตารางมาใช้, กระบวนการจัดการข้อมูล จนถึงการนำข้อมูลมาสร้างเป็นกราฟ

สำหรับใครที่สนใจเรียนในคอร์ส หรือสนใจจัดสอนสำหรับองค์กร เกี่ยวกับการเขียนโค้ด Python เพื่อจัดการข้อมูล และการทำงานรอบตัวให้เป็นอัตโนมัติ เรียนรู้เพิ่มเติมเกี่ยวกับ "คอร์สลดงานด้วย Python" ได้ที่เพลย์ลิสต์นี้! https://www.youtube.com/playlist?list=PLtPEX7OCYnSJbLMDRe9QDvnOkvPytqLpV

เอกสารตัวอย่าง https://mybinder.org/v2/gh/xippar/excel-workshop/HEAD?labpath=Ultimate%20Python%20x%20Excel.ipynb

เรียนให้สนุกครับ
ซิปป้า, Ultimate Python

#UltimatePython
#UPPythonExcel

#UltimatePython #Excel #Pandas

0:00 เกี่ยวกับคลาสเรียน Python x Excel
1:16 เกี่ยวกับไฟล์ที่เตรียมให้
2:23 ติดตั้ง pandas ด้วย !pip install pandas
2:39 ปัญหาการใช้งานตัวออนไลน์ (No Kernal)
3:37 นำ pandas มาใช้ด้วย import pandas as pd
4:00 การระบุถึงไฟล์ที่ต้องการด้วย Relative Path
5:33 การเปิดไฟล์ Excel ด้วย pd.read_excel()
6:17 การติดตั้ง openpyxl (dependency) ด้วย !pip install openpyxl
7:38 การเปิดไฟล์ csv ด้วย pd.read_csv()
8:38 การดึงข้อมูลตารางราคาคริปโตบนเวปด้วย pd.read_html()
9:46 การติดตั้ง lxml (dependency) ด้วย !pip install lxml
11:12 การดึงตารางจากผลลัพธ์ของ pd.read_html() มาใช้
12:15 การดึงข้อมูลจาก Google Sheet มาทำงานด้วย ด้วย pd.read_csv()
14:24 แก้ไขส่วนลิ้งค์ Google Sheet เพื่อดาวน์โหลดเป็นไฟล์ csv
16:16 โหลดข้อมูลจำลองจาก seaborn ด้วย sns.load_dataset()
19:44 การลบข้อมูลที่ขาดหาย (NaN) ด้วย .dropna()
25:28 การเติมข้อมูลลงไปในส่วนที่ข้อมูลหาย (NaN) ด้วย .fillna()
27:04 Split-Apply-Combine Paradigm (แยก-ทำ-รวม) ขั้นตอนการทำงานกับบข้อมูล
30:09 การกำหนดแถวที่ต้องการลบตามจำนวน NaN ที่ต้องการด้วย thresh=
33:57 การลบ column ที่มีข้อมูล NaN ด้วย .dropna(axis=1)
34:55 การตั้ง Row (Index) ให้เหมาะสมด้วย .set_index()
36:58 การดึงข้อมูลที่ต้องการด้วย .loc[] ขั้นแรกใน “แยก-ทำ-รวม”
41:25 การคำนวณเลขในตาราง ตัวอย่างการทำงานกับข้อมูล ขั้นตอนที่สองใน “แยก-ทำ-รวม”
43:51 การคำนวณข้อมูลระหว่าง column
46:24 การนำข้อมูลใส่เข้าไปเป็น column ใหม่ในตาราง ในขั้นตอนการรวม ใน “แยก-ทำ-รวม”
48:48 การรวมข้อมูลหลายตารางเป็นตารางเดียวด้วย .merge()
51:57 บันทึกตารางเป็นเป็นไฟล์ Excel ไปใช้งาน
54:28 หลักการสำคัญของการเขียน Python คือการออกแบบขั้นตอน
55:09 การทำ Pivot Table ด้วย pd.pivot_table()
59:58 การสร้างกราฟจากข้อมูลตารางด้วย .plot()
1:02:25 การใช้ matplotlib เพื่อปรับแกน x ของกราฟ plt.xticks()
1:05:25 การใช้ plt.legend() เพื่อปรับการแสดงผลของป้ายแจ้งข้อมูลในกราฟ
1:06:19 การสร้างกราฟแท่งด้วย .plot.bar() .plot.barh()
1:07:55 การใช้ seaborn สร้าง catplot ด้วย sns.catplot() สร้างกราฟ หมุนข้อมูล จบในคำสั่งเดียว
1:17:36 สรุปการใช้งาน Python ทำงาน Excel