📘 وقتی اکسل دیگر کافی نیست، وقت آن است که پایتون را یاد بگیرید.

💡 اگر در کار با اکسل راحت هستید اما به محدودیت‌هایی برخورده‌اید—فایل‌های کند، فرمول‌های خراب، ساعت‌ها صرف کارهای تکراری—این کتاب راهی برای پیشرفت در اختیارتان می‌گذارد. این کتاب به شما نشان می‌دهد چگونه کارهایی را که هم‌اکنون در صفحات گسترده انجام می‌دهید، با پایتون سریع‌تر، هوشمندتر و قدرتمندتر کنید.

⚙️ شما با راه‌اندازی محیط کاری خود و آشنایی با پایتون از طریق تمرین‌های کوتاه و الهام‌گرفته از اکسل شروع می‌کنید. سپس به تدریج وارد نوشتن اسکریپت‌هایی می‌شوید که کارهای دستی را خودکار می‌کنند، داده‌ها را ساختار می‌دهند و نتایج منسجم تولید می‌کنند—بدون نیاز به دانش قبلی برنامه‌نویسی.

📊 شما با استفاده از مهارت‌های پیشین خود در اکسل یاد می‌گیرید چگونه:

• منطق صفحات گسترده را به کد پایتون تبدیل کنید.
• از کتابخانه‌ی pandas برای پاک‌سازی، تغییر شکل و فیلتر کردن داده‌ها استفاده کنید.
• گزارش‌هایی را که معمولاً به‌صورت دستی می‌سازید، خودکار کنید.
• فایل‌های اکسل را مستقیماً از پایتون بخوانید و بنویسید.
• به پایگاه‌های داده و APIها متصل شوید.
• با استفاده از Plotly و Dash تجسم‌های حرفه‌ای ایجاد کنید.
• کد را در قالب ماژول‌های قابل اشتراک سازمان‌دهی کرده و تست‌های ساده بنویسید.

🧩 در سراسر کتاب، مثال‌های کاربردی خواهید یافت که نشان می‌دهند چرا و چگونه باید کار خود را از صفحات گسترده به اسکریپت‌ها منتقل کنید، و چگونه مشکلات را در این مسیر حل نمایید.

👩‍💻 نویسنده، تریسی استیفنز، توسعه‌دهنده‌ای کمی‌گرا در نیویورک است. تجربه‌ی او شامل ساخت استراتژی‌های معاملاتی سیستماتیک در برخی از برترین مؤسسات مالی جهان است. رویکرد او بر پایه‌ی جریان‌های کاری واقعی است و هر مفهوم را از طریق وظایفی معرفی می‌کند که احتمالاً پیش‌تر در اکسل انجام داده‌اید.

🚀 این کتاب از شما نمی‌خواهد که هر کاری را در صفحات گسترده کنار بگذارید، بلکه به شما کمک می‌کند تا با استفاده از پایتون سریع‌تر، مطمئن‌تر و با انعطاف‌پذیری بیشتری نسبت به اکسل کار کنید.

📚 فهرست مطالب

بخش I: شروع کار با پایتون

فصل 1: راه‌اندازی محیط کدنویسی

فصل 2: مبانی کدنویسی از طریق مثال‌های اکسل

فصل 3: خودکارسازی وظایف با اسکریپت‌های پایتون

فصل 4: ردیابی تغییرات با کنترل نسخه

بخش II: کار با داده‌ها

فصل 5: تحلیل داده به‌صورت تعاملی

فصل 6: تحلیل و تبدیل داده‌ها

فصل 7: کار با پایگاه‌های داده

فصل 8: بازیابی داده از اینترنت

فصل 9: ایجاد نمودارها و تجسم‌ها

فصل 10: ساخت گزارش‌های تعاملی

بخش III: نوشتن کد بهتر

فصل 11: سازمان‌دهی کد با کلاس‌ها

فصل 12: یافتن و رفع خطاها

فصل 13: سه عادت خوب برنامه‌نویسی

🐈 درباره نویسنده:

تریسی استیفنز توسعه‌دهنده‌ای کمی‌گرا مستقر در شهر نیویورک است. او تجربه‌ی ساخت زیرساخت‌های کمی انعطاف‌پذیر، قابل توضیح و کارآمد را دارد—البته زمانی که گربه‌ی سیاه‌وسفید یک‌چشمش اجازه دهد از صفحه‌کلیدش استفاده کند.

When Excel isn’t enough, it’s time to learn Python.

If you’re comfortable in Excel, but you’ve hit a wall—slow files, broken formulas, hours spent on repetitive tasks—this book offers a way forward. It shows you how to take the work you already do in spreadsheets and make it faster, smarter, and more powerful with Python.

You’ll start by setting up your environment and getting comfortable with Python through short, Excel-inspired exercises. From there, you’ll gradually move into writing scripts that automate manual work, structure your data, and generate consistent results—no prior programming knowledge required.

You’ll use your preexisting Excel skills to learn how to:

• Translate spreadsheet logic into Python code
• Use pandas to clean, reshape, and filter data
• Automate reports you’d normally build by hand
• Read and write Excel files directly from Python
• Connect to databases and APIs
• Create professional visualizations with Plotly and Dash
• Organize code into sharable modules and write simple tests

Throughout the book, you’ll find practical examples that show why and how to move your work out of spreadsheets and into scripts, and how to resolve issues along the way.

Author Tracy Stephens has extensive practical experience with both Excel and Python. Her approach is grounded in real workflows, and she introduces each concept through tasks you’ve likely handled in Excel.

This book won’t ask you to replace everything you do in spreadsheets, but it will help you use Python to work faster, more reliably, and with greater flexibility than you ever could with Excel.

Table of Contents

PART I: GETTING STARTED WITH PYTHON

Chapter 1: Setting Up Your Coding Environment

Chapter 2: Coding Fundamentals Explained Through Excel

Chapter 3: Automating Tasks with Python Scripts

Chapter 4: Tracking Changes with Version Control

PART II: WORKING WITH DATA

Chapter 5: Data Analysis Made Interactive

Chapter 6: Analyzing and Transforming Data

Chapter 7: Working with Databases

Chapter 8: Retrieving Data from the Internet

Chapter 9: Creating Charts and Visuals

Chapter 10: Building Interactive Reports

PART III: WRITING BETTER CODE

Chapter 11: Organizing Your Code with Classes

Chapter 12: Finding and Fixing Errors

Chapter 13: Three Good Coding Habits

About the Author

Tracy Stephens is a quantitative developer based in New York City. Her experience includes building systematic trading strategies at some of the world’s top financial institutions. A long-time Python evangelist, she focuses on designing quantitative infrastructure that’s flexible, explainable, and efficient---when she can successfully keep her one-eyed tuxedo cat off her keyboard.