3 Python Books I Read to Automate Some Boring Data Science Tasks
Zusammenfassung
Kurz
Frank Andrade stellt drei Python-Bücher für Automatisierung vor: ein Buch zu vielfältigen Alltagsaufgaben und Datenverarbeitung, eines zur Verbindung von Python und Excel sowie einen allgemeinen Einstieg in die Automatisierung, einschließlich Web Scraping. Seine Empfehlungen und Aussagen zu möglichen Zeitersparnissen sind persönliche Einschätzungen; unabhängige Vergleiche oder Messwerte enthält der Beitrag nicht.
Mittel
Frank Andrade empfiehlt drei Bücher, die nach seiner Einschätzung repetitive Aufgaben in der Datenarbeit mit Python erleichtern. Ausgangspunkt ist die im Artikel zitierte Schätzung, dass Datensammlung und -aufbereitung rund 80 Prozent der Arbeitszeit von Data Scientists beanspruchen. Der Autor meint, Automatisierung könne bei einzelnen Teilschritten Zeit sparen.
Das „Python Automation Cookbook“ richtet sich an Leser mit Python-Grundkenntnissen und behandelt unter anderem Stapelverarbeitung, Datenbereinigung, Webautomatisierung und maschinelles Lernen für Aufgaben wie Texterkennung oder E-Mail-Zuordnung. „Python for Excel“ zeigt laut Beitrag den Einsatz von Pandas und xlwings für Analysen, interaktive Excel-Werkzeuge sowie automatisierte Berichte und das Zusammenführen von Arbeitsmappen. „Automate the Boring Stuff with Python“ eignet sich nach Andrade auch für Einsteiger und führt von Programmiergrundlagen zu Dateioperationen, Web Scraping, E-Mails und weiteren Alltagsaufgaben. Er hebt Web Scraping als Möglichkeit hervor, eigene Datensätze aufzubauen.
Die Empfehlungen beruhen auf Andrades Einschätzung. Der Beitrag liefert keine unabhängigen Vergleiche oder Messungen des tatsächlichen Zeitgewinns; auch die behauptete Ersetzbarkeit von Excel-Werkzeugen durch Python wird nicht genauer geprüft.
Ausführlich lesen
Der Beitrag von Frank Andrade stellt drei Bücher vor, die nach seiner Einschätzung dabei helfen, wiederkehrende Aufgaben rund um Datensammlung, Datenbereinigung und -verarbeitung mit Python zu automatisieren. Er begründet das Thema damit, dass Datensammeln und -aufbereitung laut einer im Artikel zitierten Schätzung etwa 80 Prozent der Arbeitszeit von Data Scientists beanspruchten. Diese Aufgaben seien nötig, aber einzelne Teilschritte ließen sich automatisieren, um Zeit für weniger monotone Arbeit zu gewinnen.
Das erste Buch, „Python Automation Cookbook: 75 Python automation ideas“, richtet sich laut Andrade an Python-Anfänger, die bereits Grundkenntnisse mitbringen. Es versammelt Automatisierungsprojekte aus Bereichen wie Marketing, Vertrieb und Data Science. Genannt werden unter anderem Webautomatisierung, automatisch erstellte Tabellenberichte, E-Mails, Benachrichtigungen und geplante Aufgaben. Zwei Kapitel der neuesten Ausgabe behandelt der Autor besonders: eines zu Datenbereinigung und -verarbeitung, einschließlich Stapelverarbeitung größerer Datenmengen, und eines zu maschinellem Lernen für Automatisierung. Letzteres zeige etwa die Nutzung von Googles ML-APIs zur Texterkennung in Bildern sowie den Aufbau eines Modells, das E-Mails anhand ihres Textes Abteilungen zuordnet.
Das zweite Buch, „Python for Excel: A Modern Environment for Automation and Data Analysis“, erklärt laut Beitrag, wie Python und Excel zusammenarbeiten können. Andrade verweist darauf, dass manche Excel-Nutzer Python zur Automatisierung einsetzen, weil sich VBA seiner Darstellung nach seit Langem kaum weiterentwickelt habe. Das Buch führe zunächst Python-Grundkonzepte ein und behandle anschließend Pandas für Datenbereinigung und -analyse sowie xlwings für interaktive Excel-Werkzeuge. Außerdem gehe es um das Zusammenführen von Arbeitsmappen und die automatisierte Erstellung von Berichten. Der Autor fasst das Ziel zugespitzt so zusammen, dass Python am Ende VBA, Power Query und Power Pivot ersetzen könne.
Das dritte Buch, „Automate the Boring Stuff with Python“, empfiehlt Andrade auch Personen ohne Programmiererfahrung. Es beginne mit Python-Grundlagen und zeige anschließend Programme für Aufgaben wie Textsuche in Dateien, Datei-Erstellung und -Umbenennung, Websuche, Herunterladen von Inhalten, Web Scraping, E-Mails und Textnachrichten. Den Abschnitt zum Web Scraping hält Andrade für Data Scientists für besonders nützlich, weil sich damit eigene Datensätze erstellen ließen. Wer Python-Grundlagen bereits kenne, könne seiner Empfehlung nach den ersten Teil überspringen und direkt ein passendes Projekt auswählen.
Der Beitrag ist eine persönliche Vorstellung und Bewertung der Bücher, keine vergleichende Prüfung mit dokumentierten Tests oder Messwerten. Er nennt Lerninhalte und mögliche Anwendungen, belegt aber nicht unabhängig, wie viel Zeit die Bücher oder die beschriebenen Techniken tatsächlich einsparen. Auch die Aussage, Python könne bestimmte Excel-Werkzeuge ersetzen, wird nicht näher eingegrenzt oder anhand konkreter Anforderungen verglichen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide Zusammenfassungen von Luna wurden geprüft; keine Angabe ist im Bericht falsch oder erfunden, es fehlen lediglich einzelne Detailangaben wie die Kapitelhinweise des Cookbooks und die Herkunft von xlwings. Die Einordnung ist leer, weil Luna keine Fragen angegeben hat, die bewertet werden sollten.
Im Bericht, aber nicht in der Zusammenfassung
- Die Angabe, dass das Cookbook 75 Automatisierungsideen enthält
- Die Angabe, dass in der neuesten Auflage des Cookbooks zwei neue Kapitel (Datenbereinigung und Machine Learning für Automatisierung) hinzugekommen sind
- Der Hinweis, dass der Autor von Python for Excel zugleich der Entwickler von xlwings ist
- Die Behauptung des Beitrags, Python for Excel ersetze VBA, Power Query und Power Pivot
- Die Quellenangabe Forbes zur 80-Prozent-Schätzung (nur in der kurzen Fassung nicht erwähnt)
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug