Python zur Excel-Automatisierung mit openpyxl
Fabio Basler, M.Sc.
Ve esta clase y miles más
Ve esta clase y miles más
Lecciones en esta clase
-
-
1.
Einführung
2:35
-
2.
Installation und Setup der Entwicklungsumgebung
5:02
-
3.
Vorstellung der Entwicklungsumgebung mit Jupyter Notebooks
9:30
-
4.
Installation und Konfiguration von Microsoft Excel
6:00
-
5.
Aufbau einer Excel-Datei verstehen (Arbeitsmappen, Arbeitsblätter, Zellen)
9:13
-
6.
Motivation: Warum Excel-Automatisierung mit Python?
5:08
-
7.
Grundbegriffe: Excel und Dateiformate
6:27
-
8.
Überblick über die wichtigsten Bibliotheken Pt. 1
5:56
-
9.
Überblick über die wichtigsten Bibliotheken Pt. 2
8:16
-
10.
Hinweise zum Arbeiten mit openpyxl
6:15
-
11.
Fazit: Welche Bibliothek ist die richtige für welches Szenario?
2:06
-
12.
Überblick zur operativen Arbeit mit Excel-Dateien
2:34
-
13.
Erstellung neuer Excel-Dateien mit openpyxl
5:28
-
14.
Einlesen und Verarbeiten bestehender Arbeitsmappen
3:56
-
15.
Zellinhalte gezielt verändern und automatisiert bearbeiten
4:25
-
16.
Daten aus Python-Listen und Arrays in Tabellen integrieren
9:03
-
17.
Tabellenblätter hinzufügen, löschen und umbenennen
6:53
-
18.
Zellformatierungen anwenden Pt. 1
7:01
-
19.
Zellformatierungen anwenden Pt. 2
6:18
-
20.
Spalten dynamisch bearbeiten
5:53
-
21.
Zeilen dynamisch bearbeiten
8:44
-
22.
Programmierübung: Basisfunktionen automatisieren
4:17
-
23.
Lösungen zur Übung Pt. 1
-
24.
Lösungen zur Übung Pt. 2
4:22
-
25.
Überblick zur Automatisierung von Excel-Formeln
2:18
-
26.
Automatisierte Aggregationen (SUMME, MITTELWERT etc.)
6:17
-
27.
Bezugsformeln und Zellverweise korrekt umsetzen
4:06
-
28.
Dynamische Formeln programmatisch einfügen
8:20
-
29.
Textfunktionen gezielt nutzen
7:19
-
30.
Vorbereitung von Formatierungslogiken per Code
7:18
-
31.
Logikfunktionen einsetzen
8:10
-
32.
Statistische Funktionen einbinden
12:08
-
33.
Formeln für maschinelles Lernen und Forecasting
8:18
-
34.
Verwendung von Datums- und Zeitfunktionen
11:41
-
35.
Verweisfunktionen
-
36.
Überblick zur Datenaufbereitung und -bereinigung
1:42
-
37.
Spaltenberechnungen automatisiert durchführen
7:27
-
38.
Duplikate erkennen und systematisch entfernen
3:41
-
39.
Zufallsdaten zur Test- und Beispielgenerierung erstellen
6:40
-
40.
Gruppieren und Kategorisieren von Datensätzen
10:21
-
41.
Umgang mit fehlenden Daten
10:35
-
42.
Tabellen konsolidieren und intelligent zusammenführen
-
43.
Vergleich: openpyxl vs. pandas für Excel-Aufgaben
11:02
-
44.
R und openpyxl im Praxiseinsatz
5:07
-
45.
Überblick zur Visualisierungen von Grafiken mit Python in Excel
1:55
-
46.
Erstellung von Balkendiagrammen direkt aus Python
10:57
-
47.
Liniendiagramme für Zeitreihenanalysen
1:40
-
48.
Flächendiagramme zur Darstellung kumulierter Daten
3:35
-
49.
Kreisdiagramme zur Verhältnisvisualisierung
3:44
-
50.
Punkt- und Streudiagramme automatisiert generieren
2:19
-
51.
Überblick über erweiterte Diagrammtypen
2:03
-
52.
Integration von Matplotlib in den Excel-Workflow
6:55
-
53.
Seaborn zur Visualisierung statistischer Zusammenhänge
3:16
-
54.
Auswahl geeigneter Visualisierungsarten im Kontext
4:01
-
55.
Einfügen und Platzieren von Bildern in Excel
3:12
-
56.
Überblick zum Arbeiten mit mehreren Dateien
2:42
-
57.
Mehrere Arbeitsmappen systematisch einlesen und verarbeiten
16:17
-
58.
Daten aus verschiedenen Quellen konsolidieren
11:26
-
59.
Bearbeitung mehrerer Arbeitsblätter übergreifend steuern
12:57
-
60.
Zellwerte in großen Datenmengen global aktualisieren
15:47
-
61.
Kombination von openpyxl mit VBA-Workflows
13:47
-
62.
Zusammenfassung zentraler Kursinhalte
2:03
-
63.
Verabschiedung
1:04
-
-
- --
- Niveau débutant
- Niveau intermédiaire
- Niveau avancé
- Tous niveaux
Généré par la communauté
Le niveau est déterminé par l'opinion majoritaire des apprenants qui ont évalué ce cours. La recommandation de l'enseignant est affichée jusqu'à ce qu'au moins 5 réponses d'apprenants soient collectées.
--
apprenants
--
Acerca de esta clase
In diesem Kurs steht die automatisierte Arbeit mit Microsoft Excel im Mittelpunkt unter Verwendung der Programmiersprache Python und der Bibliothek openpyxl. Ziel ist es, typische Aufgaben in Excel effizient und reproduzierbar zu gestalten, ohne auf manuelle Eingriffe oder VBA angewiesen zu sein.
Behandelt werden unter anderem das Erstellen und Bearbeiten von Arbeitsmappen, das Auslesen und Schreiben von Zellinhalten, die Formatierung von Tabellen sowie der Einsatz von Formeln und Funktionen. Auch komplexere Abläufe wie das Arbeiten mit mehreren Dateien, das Einfügen von Diagrammen oder die Kombination mit Bibliotheken wie pandas, matplotlib oder seaborn werden praxisnah umgesetzt.
Die Inhalte sind thematisch strukturiert und werden durch kommentierten Beispielcode, Übungen mit Musterlösungen sowie ergänzende Cheatsheets und Datensätze unterstützt. So lässt sich ein systematischer Einstieg ebenso realisieren wie der gezielte Ausbau bestehender Kenntnisse im Bereich der Excel-Automatisierung mit Python.
Rencontrez votre enseignant·e
Fabio Basler ist Trainer und Autor mit Schwerpunkt auf Data Science und Kunstlicher Intelligenz. Mit Erfahrung in Technologien wie Python, SQL, R, Power BI, Tableau, Excel sowie Themen wie Large Language Models und AI Agents vermittelt er praxisnahes Wissen in Onlinekursen, Seminaren und Inhouse-Schulungen.
Er studierte im Bachelor an der Hochschule Offenburg und absolvierte seinen Master an der ESB Business School. In seiner Masterarbeit setzte er sich mit Machine-Learning-Modellen in Python auseinander.
Fabio Basler bringt acht Jahre Berufserfahrung im Controlling und in der digitalen Transformation eines Industriekonzerns mit. Diese Praxisnahe fliesst in seine Arbeit ein mit dem Ziel, datengetriebene Losungen fur konkrete Unternehmensherausforderungen zu entwic... Voir le profil complet
Proyecto de clase práctica
Dieses Projekt enthält sämtliche Python-Skripte, Übungsaufgaben, Lösungen sowie begleitende Materialien zum Python-Kurs. Die Inhalte sind in einer ZIP-Datei gebündelt und dienen der Vertiefung und praktischen Anwendung der im Kurs vermittelten Konzepte. Ziel ist es, den Lernprozess durch strukturiertes, nachvollziehbares und direkt ausführbares Beispielmaterial optimal zu unterstützen.
Valoración de la clase
¿Por qué unirse a Skillshare?
Mira las galardonadas Skillshare Originals
Cada clase tiene lecciones cortas y proyectos prácticos
Tu membresía apoya a los profesores de Skillshare
Aprende desde cualquier lugar
Ve clases sobre la marcha con la aplicación de Skillshare. Progresa en línea o descarga las clases para verlas en el avión, el metro o donde sea que aprendas mejor.
