Excel dosyaları, tabular verileri saklama ve düzenlemede uygun bir yol sunarak veri analizi ve manipülasyon görevlerinde yaygındır. Python'da, her biri kendine özgü bir dizi özellik ve yetenekle Excel dosyalarını okumak için kullanılabilir birden fazla kütüphane vardır. İki önde gelen seçenek Pandas ve IronXL'dir, her ikisi de Python'da Excel dosyalarını okuma için etkili yöntemler sunar.

Bu makalede, Python'da Excel dosyalarını okumak için Pandas ve IronXL'nin işlevselliğini ve performansını karşılaştıracağız.

Pandas - Açık Kaynaklı Kütüphane

Pandas, Python için güçlü bir açık kaynaklı veri analizi ve manipülasyon kütüphanesidir. Potansiyel olarak farklı türlerdeki sütunlara sahip iki boyutlu etiketli bir veri yapısı olan DataFrame veri yapısını tanıtır. Pandas, CSV dosyaları, SQL veritabanları ve Excel dosyaları gibi çeşitli kaynaklardan veri okuma ve yazma dahil olmak üzere veri manipülasyonu için geniş bir işlevsellik sunar.

Pandas'ın bazı önemli özellikleri şunlardır:

Veri Çerçevesi

Pandas, esasen farklı türlerde sütunları olan iki boyutlu etiketli bir veri yapısı olan DataFrame veri yapısını tanıtır. Bir hesap tablosu veya SQL tablosuna benzer, tabular veriler üzerinde filtreleme, gruplama ve kümeleme gibi işlemleri yapmayı kolaylaştırır.

Veri Manipülasyonu

Pandas, veri manipülasyonu için birleştirme, yeniden şekillendirme, dilimleme, indeksleme ve veri döndürme dahil geniş bir fonksiyon yelpazesi sunar. Bu işlemler, kullanıcıların verileri etkin bir şekilde temizlemesine, dönüştürmesine ve analiz veya görselleştirme için hazırlamasına olanak tanır.

Zaman serisi işlevselliği

Pandas, tarih/saat indeksleme ve yeniden örnekleme araçları dahil olmak üzere zaman serisi verileriyle çalışmak için sağlam bir destek sunar ve eksik verileri yönetme ve zaman dilimi dönüştürme için kullanışlı yöntemler sağlar.

Kütüphaneler ile entegrasyon

Pandas, veri analizi ve bilimsel hesaplamalarda sıkça kullanılan NumPy, Matplotlib ve Scikit-learn gibi çeşitli Python kütüphaneleriyle sorunsuz bir şekilde işbirliği yapabilir. Bu birlikte çalışabilirlik, kullanıcıların tek bir analiz iş akışında farklı kütüphanelerin güçlü yönlerinden yararlanmalarını sağlar.

Genel olarak, Pandas, Python'da veri manipülasyonu ve analizi için güçlü bir araçtır ve finans, ekonomi, biyoloji ve sosyal bilimler dahil olmak üzere çeşitli alanlarda yaygın olarak kullanılmaktadır.

IronXL - Python Excel Kütüphanesi

IronXL, Excel dosyalarıyla çalışmak için özel olarak tasarlanmış bir Python kütüphanesidir. Python ile Excel belgelerini okumak, yazmak ve manipüle etmek için sezgisel bir API sağlar. IronXL, Excel dosya işlemlerini basitleştirmeyi, basit bir arayüz sunarak ve Microsoft Excel veya Excel Interop gibi dış bağımlılıklara ihtiyaç duymayı ortadan kaldırarak hedefler.

IronXL'in bazı ana özellikleri aşağıda listelenmiştir:

Sezgisel Python 3+ Excel Doküman API'si

IronXL, geliştiricilerin Excel elektronik tablo dosyalarını sorunsuzca okumalarına, düzenlemelerine ve oluşturmasına olanak tanıyan, kullanımı kolay ve anlaşılır bir Python 3+ Excel doküman API'si sunar.

Çapraz Platform Desteği

Python 3+ için tasarlanmış ve Windows, Mac, Linux ve bulut platformları ile uyumlu olan IronXL, dağıtım ortamlarında esneklik sağlar.

Microsoft Office veya Excel Interop'a Gerek Yok

Geliştiriciler, entegrasyon sürecini basitleştirerek ve bağımlılıkları en aza indirerek, Microsoft Office yüklemeden veya Excel Interop ile uğraşmadan Python'da Excel dosyaları ile çalışabilir.

Uyumluluk

Microsoft Windows, macOS, Linux, Docker, Azure ve AWS dahil olmak üzere çeşitli işletim sistemlerinde Python 3.7+ sürümünü destekler. JetBrains PyCharm ve diğer Python IDE'leri gibi popüler IDE'lerle uyumludur.

Çok Yönlü Çalışma Kitapları Yönetimi

XLS, XLSX, XSLT, XLSM, CSV, TSV, JSON, HTML, İkili ve Bayt Dizisi dahil olmak üzere çeşitli formatlarda elektronik tablolar oluşturun, yükleyin, kaydedin ve dışa aktarın.

Güçlü Çalışma Sayfası Düzenleme

Meta verileri düzenleyin, izinler ve parolalar ayarlayın, çalışma sayfaları oluşturun ve kaldırın, sayfa düzenini yönetin, görsellerle çalışın ve daha fazlasını yapın.

Gelişmiş Hücre Aralığı İşlemleri

Hücre aralıklarında sıralama, kırpma, temizleme, kopyalama, değer bulma ve değiştirme, köprü ayarlama, hücreleri birleştirme ve ayırma gibi çeşitli işlemleri gerçekleştirin.

Esnek Hücre Biçimlendirmesi

Hücre stillerini özelleştirin, yazı tipi, boyut, kenarlık, hizalama ve arka plan desenini dahil edin, ve koşullu biçimlendirme uygulayın.

Matematik Fonksiyonları ve Veri Formatları

Ortalama, toplam, min ve maks gibi matematik fonksiyonlarını kullanın ve hücre veri formatlarını text, sayı, formül, tarih, para birimi, bilimsel, zaman, boolean ve özel formatlar dahil olmak üzere ayarlayın.

PyCharm Kullanarak Python Projesi Oluşturma

Öncelikle, makinenize Python'un yüklenmesi gerekiyor. Resmi Python web sitesinden Python 3.x'in en son sürümünü yükleyin. Python'ı yüklerken, Python'u sistem PATH'ine ekleme seçeneğini seçtiğinizden emin olun, bu sayede komut satırından erişim sağlanabilir.

Hem Pandas'ın hem de IronXL'nin Excel dosyalarını okuma işlevselliğini göstermek için, Python için popüler bir entegre geliştirme ortamı (IDE) olan PyCharm kullanarak bir Python projesi oluşturalım.

1. PyCharm'ı açın ve yeni bir Python projesi oluşturun.

   

2. Projeyi aşağıdaki gibi yapılandırın:

• Projeye bir isim verin. Bu durumda "pythonReadExcel"

• Projenin istenen konumunu seçin

• Çevirici türünü seçin: Project venv

• Python sürümünü seçin

  

3. Projeyi oluşturmak için "Oluştur" seçeneğine tıklayın.

Pandas ve IronXL'i pip kullanarak yükleyin

Pandas Kurulumu

Projenizde Pandas'ı kurmak için bu adımları takip edebilirsiniz:

1. Komut İstemi veya Terminal'i Açın: PyCharm'da, Görünüm->Araç Pencereleri->Terminal.

   

2. Pandas'i pip ile yükleyin: Pandas, pip paket yöneticisi kullanılarak yüklenebilir. Terminalde aşağıdaki komutu çalıştırın:

   pip install pandas

   SHELL

   Bu komut, Pandas kütüphanesini ve bağımlılıklarını Python Package Index (PyPI)'den yükler.

   

3. OpenPyXL'i pip ile yükleyin: OpenPyXL, Excel dosyalarını okumaya ve yazmaya yardımcı olan kütüphanedir. Pandas tarafından kullanılan bağımlılıklardan biridir. Pandas'ı yüklediğinizde, OpenPyXL zaten yüklü değilse otomatik olarak yüklenir. Eğer bir şekilde kurulmamışsa, terminalde aşağıdaki komutu kullanarak yükleyebilirsiniz:

   pip install openpyxl

   SHELL

IronXL'i Kurma

Bir Python projesine IronXL yüklemek için şu adımları izleyin:

1. Ön Gereksinimleri Sağlayın: IronXL'yi yüklemeden önce, sisteminizde gerekli ön gereksinimlerin yüklü olduğundan emin olun.

.NET 6.0 SDK: IronXL, temel teknolojisi olarak özellikle .NET 6.0 olmak üzere IronXL .NET kütüphanesine dayanır. Makinenizde .NET 6.0 SDK'nin kurulu olduğundan emin olun. Resmi .NET websitesi'nden indirebilirsiniz.

2. Komut İstemi veya Terminali Açın: Öncekini aynen yapın.

3. IronXL'yi pip ile kurun: IronXL, pip paket yöneticisi kullanılarak kurulabilir. Aşağıdaki komutu çalıştırın:

   > pip install ironxl

Pandas'ın read_excel() fonksiyonunu kullanırken, gerekli şekilde görüntülemek için birkaç seçenek belirleyebilirsiniz:

header: Excel dosyasında sütun adları olarak kullanılacak satırı belirtir. Başlık satırının olmadığını belirtmek için Hiçbiri olarak ayarlayabilirsiniz veya satır numarasını belirten bir tamsayı sağlayabilirsiniz. Atlanırsa, başlıklar varsayılan olarak True olarak ayarlanır ve ilk satır konumları başlık satır etiketleri olarak görüntülenir.

• index_col: DataFrame'in indeksi olarak kullanılacak sütun veya sütunları belirtir. MultiIndex oluşturmak için tek bir sütun adı veya sütun indeksini ya da bir sütun adı veya indeksleri listesini geçirebilirsiniz.

• sheet_name: Excel dosyasından okunacak sayfa(lar)ı belirtir. Sayfa adını bir dize olarak veya sıfırdan başlayan sayfa pozisyonlarını belirten bir tam sayı olarak sağlayabilirsiniz.

• usecols: Excel dosyasından hangi sütunların okunacağını belirtir. Tek bir sütun adı veya sütun indeksi geçirebilirsiniz, ya da belirli sütunları okumak için bir liste halinde sütun adları veya sütun indeksleri geçirebilirsiniz.

• dtype: Sütunların veri türlerini belirtir. Anahtarların sütun adları veya sütun dizinleri ve değerlerin istenen veri türlerini olduğu bir sözlük geçebilirsiniz.

• converters: Özelleştirilmiş ayrıştırma için sütunlara uygulanacak işlevleri belirtir. Kolon adları veya kolon indekslerinin anahtar, fonksiyonların ise değer olduğu bir sözlük geçirebilirsiniz.

• na_values: NaN (Sayı Değil) değerleri olarak tanınacak ilave dizgeleri belirtir. NaN olarak kabul edilecek bir dizi stringi geçebilirsiniz.

• parse_dates: Hangi sütunların tarih olarak ayrıştırılacağını belirtir. Tarih olarak işlemek için ya tek bir sütun adını ya da bir sütun indeksini ya da bir sütun adları veya indeksleri listesini geçirebilirsiniz.

• date_parser: Tarihleri ayrıştırmak için kullanılacak bir fonksiyonu belirtir. Bir dize kabul eden ve bir datetime nesnesi döndüren bir fonksiyon geçirebilirsiniz.

• skiprows: Excel dosyasının başında atlanacak satır sayısını belirtir.

Bu seçenekler, Excel dosyalarını Pandas ile okurken esneklik sağlar ve okuma sürecini özel gereksinimlerinize göre özelleştirmenize olanak tanır.

Adım 2

DataFrame içeriğini görüntüleyin.

print(df)

print(df)

İşte yukarıdaki kodun çıktısı:

IronXL Kullanarak

Adım 1: IronXL kütüphanesini içe aktarın ve Excel dosyasını yüklemek için WorkBook.Load() metodunu kullanın. Load metodunun parametresine geçerli dosya URL'sini, yerel dosya yolu nesnesini veya betikle aynı dizinde ise dosya adını geçirebilirsiniz.

from ironxl import WorkBook

# Load the Excel file as a WorkBook object
workbook = WorkBook.Load("file.xlsx")

from ironxl import WorkBook

# Load the Excel file as a WorkBook object
workbook = WorkBook.Load("file.xlsx")

Adım 2: IronXL ile birden fazla sayfaya erişebilir ve sütun etiketlerini yazdırabilirsiniz. Çalışma sayfalarına ve hücrelere erişerek sütunlarda depolanan verileri okuyun. Hücreler, sayısal sütunlar veya string sütunlar gibi herhangi bir veri türünde olabilir. Hücre değerleri, IntValue özelliğini kullanarak string sütunları sayısal değerlere çevirerek ve tersi şekilde int'e dönüştürülebilir.

# Access the first worksheet
worksheet = workbook.DefaultWorkSheet

# Select a specific cell and return the converted value
cell_value = worksheet["A2"].IntValue
print(cell_value)

# Read from the entire worksheet and print each cell's address and value
for cell in worksheet:
    print(f"Cell {cell.AddressString} has value '{cell.Text}'")

# Access the first worksheet
worksheet = workbook.DefaultWorkSheet

# Select a specific cell and return the converted value
cell_value = worksheet["A2"].IntValue
print(cell_value)

# Read from the entire worksheet and print each cell's address and value
for cell in worksheet:
    print(f"Cell {cell.AddressString} has value '{cell.Text}'")

Yukarıdaki kodun uygun bir görüntüleme formatıyla çıktısı burada, IronXL'nin çok yönlülüğünü sergilemektedir:

Excel dosyalarıyla çalışmak hakkında daha fazla bilgi için, lütfen bu kod örnekleri sayfasını ziyaret edin.

Sonuç

Sonuç olarak, hem Pandas hem de IronXL, Python'da Excel dosyalarını okumak için etkili yöntemler sunar. Bununla birlikte, IronXL, özellikle kullanım kolaylığı, performans ve özel Excel işleme yetenekleri açısından Pandas'a göre birkaç avantaj sunar. IronXL'nin sezgisel API'si ve kapsamlı özellikleri, geniş kapsamlı Excel düzenleme görevleri gerektiren projeler için üstün bir tercih olmasını sağlar.

Buna ek olarak, IronXL, Microsoft Excel veya Excel Interop gibi dış bağımlılıkları ortadan kaldırarak geliştirme sürecini basitleştirir ve farklı platformlarda taşınabilirliği artırır. Bu nedenle, Python geliştiricileri için Excel dosya işlemleri konusunda sağlam ve verimli bir çözüm arayanlar için IronXL, Pandas'a kıyasla daha iyi olanaklar ve geliştirilmiş işlevsellikler sunarak tercih edilen bir seçenek olarak öne çıkmaktadır. Daha ayrıntılı bilgi için lütfen bu belgelendirme sayfasını ziyaret edin.

IronXL, Python projeleriniz için işlevselliğini ve fizibilitesini test etmek amacıyla ücretsiz deneme sunar. Bu deneme, geliştiricilere IronXL tarafından sunulan tüm özellik yelpazesini ve yeteneklerini önceden herhangi bir finansal taahhütte bulunmadan keşfetme imkanı sağlar. IronXL'yi veri içe/dışa aktarma görevleri, rapor oluşturma veya veri analizi için düşünüyorsanız, ücretsiz deneme sürümü, performansını ve özel gereksinimlerinize uygunluğunu değerlendirme fırsatı sunar.

Daha fazla bilgi almak ve ücretsiz deneme sürümünü indirmek için, IronXL web sitesinin lisanslama sayfasını ziyaret edin. Burada, ticari kullanım ve destek seçenekleri dahil olmak üzere lisanslama koşulları hakkında detaylı bilgi bulacaksınız. IronXL ile işe başlamanız ve faydalarını bizzat deneyimlemeniz için kütüphaneyi buradan indirin.