Automate Excel with Python

🐍 AI می‌تونه کد رو بنویسه؛ اما هنوز هم این تویی که باید بفهمی اون کد دقیقاً چه کاری انجام میده.

📊 تو همین الان هم در Excel مهارت خوبی داری. اما احتمالاً از کپی/پیست‌های تکراری، ستون‌های کمکی بی‌پایان و فرمول‌های شکننده‌ای که با اضافه شدن یک ردیف به‌هم میریزن خسته شدی.

⚙️ چیزی که نیاز داری Automation هست. مهم نیست کد رو خودت بنویسی یا با کمک AI تولیدش کنی؛ در هر دو حالت باید دقیقاً بدونی چه چیزی پشت پرده در حال اجراست و چطور فرآیندهای کسب‌وکارت رو مدیریت میکنه.

📖 کتاب Automate Excel with Python بهت یاد میده چطور Workflowهای واقعی و کاربردی بسازی؛ قدم‌به‌قدم و با مثال‌های عملی.

🧩 یاد میگیری فایل‌های Excel نامرتب و پیچیده رو وارد pandas DataFrame کنی، بدون استفاده از Helper Columnها داده‌ها رو فیلتر و بازسازی کنی، چندین منبع داده رو بدون دردسرهای VLOOKUP با هم ادغام کنی و در نهایت خروجی‌های حرفه‌ای Excel

با فرمت‌بندی کامل تولید کنی.

🚀 در فصل پایانی، تمام مفاهیم در قالب یک پروژه واقعی کنار هم قرار میگیرن: یک فایل Excel چندبرگه‌ای وارد میشه، گزارش‌های استثنا (Exception Report) تولید میشن و نتیجه به‌صورت خودکار ایمیل میشه؛ همه این‌ها فقط با اجرای یک Script و یک کلیک.

🎯 در این کتاب یاد میگیری چطور:

📂 فایل‌های Excel فعلی سازمان یا شرکتت را، حتی اگر ساختار نامرتبی داشته باشن، وارد Python کنی.

🔄 فرآیندهای روزانه کپی/پیست را به Scriptهای قابل استفاده مجدد تبدیل کنی.

🔗 داده‌ها را بین چندین منبع مختلف Merge و Match کنی و نتایج قابل Audit داشته باشی.

📅 با تاریخ‌ها، زمان‌ها و Edge Caseهایی که معمولاً فرمول‌های Excel را خراب میکنن کار کنی.

📊 خروجی Excel تولید کنی و در عین حال تنظیماتی مثل عرض ستون‌ها، فرمت اعداد و Frozen Paneها را حفظ کنی.

⚙️ Workflowهایی بسازی که هر روز بدون نیاز به نظارت دستی اجرا بشن.

🧠 AI می‌تونه کد را تولید کند؛ اما این کتاب تضمین میکنه که کنترل واقعی همچنان دست خودت باشه.

📑 فهرست مطالب

بخش اول: از Spreadsheet تا DataFrame

فصل 1: شروع کار با Python

فصل 2: نمایش داده‌ها و درک انواع داده

فصل 3: ایجاد و مدیریت DataFrameها و Listها

فصل 4: افزودن، ویرایش و محاسبه داده‌های ستون‌ها

فصل 5: دسترسی و تبدیل مقادیر سلول‌های تکی

فصل 6: فیلتر کردن و نمایش DataFrameها

بخش دوم: ابزارهایی برای شبیه‌سازی قابلیت‌های Excel

فصل 7: شمارش و جمع‌زدن مقادیر

فصل 8: ادغام DataFrameها

فصل 9: قالب‌بندی و محاسبات تاریخ و زمان

بخش سوم: تکنیک‌های Workflow

فصل 10: خواندن فایل‌های Excel در DataFrameها

فصل 11: ذخیره DataFrameها در Excel

فصل 12: رفت و برگشت؛ Workflow کامل Excel → Python → Excel

پیوست A: کار با پوشه‌ها، فایل‌ها و Pathها

پیوست B: پاکسازی یک Spreadsheet نامرتب

پیوست C: ماژول Ducks

✍️ درباره نویسنده

👨‍💻 جان ونگلر یادگیری Python را به‌صورت خودآموز آغاز کرد تا یک فرآیند مبتنی بر Spreadsheet را خودکارسازی کند و مشکلی را در محل کارش حل کند که از آن به‌عنوان یک “مسئله میلیون دلاری” یاد می‌شود.

📚 او نویسنده کتاب Managing Energy Risk است و سابقه تدریس در Illinois Institute of Technology و Tulane University را دارد.

🚀 تجربه عملی او در استفاده از Python برای حل مشکلات واقعی کسب‌وکار، پایه اصلی آموزش‌های این کتاب را تشکیل میدهد؛ به همین دلیل تمرکز کتاب روی Workflowهای واقعی و قابل استفاده در محیط کار است، نه صرفاً مثال‌های آموزشی و تئوری.

AI can write the code. You still need to know what it does.

You’re already good at Excel. But you’re tired of the copy/paste, the helper columns, and the brittle formulas that break when someone adds a row. You want automation, and whether you write the code yourself or let AI generate it, you need to understand what’s actually running your business processes.

Automate Excel with Python teaches you to build real workflows, step-by-step. You’ll read messy workbooks into pandas dataframes, filter and reshape data without helper columns, merge sources without silent VLOOKUP failures, and export polished results with formatting intact. A capstone chapter ties it together: import a multi-tab workbook, generate exception reports, and email the results—all from one script you run with a single click.

You’ll learn how to:

• Read existing Excel files you already use into Python, even the messy ones
• Replace daily copy/paste routines with reusable scripts
• Merge and match data across sources with auditable results
• Handle dates, times, and the edge cases that break formulas
• Export from Python to Excel with column widths, number formats, and frozen panes intact
• Build workflows that run daily without babysitting

AI can write the code. This book makes sure you’re the one in control of it.

Table of Contents

Part I: From Spreadsheets to Dataframes

Chapter 1: Getting Started with Python

Chapter 2: Displaying Data and Understanding Data Types

Chapter 3: Creating and Manipulating Dataframes and Lists

Chapter 4: Adding, Modifying, and Calculating Column Data

Chapter 5: Accessing and Transforming Individual Cell Values

Chapter 6: Filtering and Displaying Dataframes

Part II: Tools to Replicate Excel Functionality

Chapter 7: Counting and Summing Values

Chapter 8: Merging Dataframes

Chapter 9: Formatting and Calculating Dates and Times

Part III: Workflow Techniques

Chapter 10: Reading Excel Files into Dataframes

Chapter 11: Saving Dataframes to Excel

Chapter 12: There and Back Again: An Excel-Python-Excel Workflow

Appendix A: Working with Folders, Files, and Pathnames

Appendix B: Cleaning Up a Messy Spreadsheet

Appendix C: The Ducks Module

About the Author

John Wengler taught himself Python to automate a spreadsheet process and solve a “million-dollar problem” at work. He is the author of Managing Energy Risk and has taught at the Illinois Institute of Technology and Tulane University.