Jupyter Notebooks kombinerer kode, tekst og visualiseringer i ett dokument. Det er standardverktøyet for data science-rapportering.

Celletyper:

Kode-celler: Python-kode som kjøres trinnvis

Markdown-celler: formatert tekst med overskrifter, lister og formler

Output: tabeller, figurer og beregningsresultater vises inline

En av de største fordelene med Python er å automatisere repetitive oppgaver.

Les alle rapportfiler, beregn nøkkeltall, og lag en sammendragsrapport.

Løsning:

import glob, pandas as pd

Importer verktøy

resultater = []

Tom liste for resultater

for fil in glob.glob("rapporter/*.csv"):

Iterer over alle CSV-filer

df = pd.read_csv(fil, sep=";")

Les hver fil

snitt = df["salg"].mean()

Beregn nøkkeltall

resultater.append({"fil": fil, "snitt_salg": snitt})

Lagre i listen

sammendrag = pd.DataFrame(resultater)

Lag sammendragstabell

sammendrag.to_excel("sammendrag.xlsx", index=False)

Eksporter til Excel

Best practices:

Funksjoner: innkapsle logikk som gjenbrukes

Moduler: legg funksjoner i egne .py-filer (from utils import beregn_mva)

Kommentarer: forklar hvorfor, ikke hva

Mappestruktur: data/, notebooks/, src/, output/

requirements.txt: dokumenter pakker og versjoner

En analyse er reproduserbar når noen andre kan kjøre koden din og få identiske resultater. Dette krever:

Studieguide: Automatisering og rapportering