| Anotācija |
Kompānijas un zinātniskās iestādes, lai veiktu datu analīzi, izmanto tādu izklājlapas lietojumprogrammatūru, kā “MS Excel”, kurā ir iebūvēti datu analīzes rīki. Tomēr šajā lietojumprogrammā joprojām nav realizētas analītiskas metodes, kas ļauj veikt padziļinātāku analīzi. Tādējādi analītiķiem ir nepieciešams pāriet no vienas programmas uz citu, lai veiktu datu analīzi. Viens no veidiem, kā atrisināt šo problēmu, ir izmantot programmēšanas valodas “Python” bibliotēkas, kas palīdz gan analizēt datus, gan arī integrēt analītiskās metodes “MS Excel” tabulā. Darba mērķis ir izpētīt iebūvētas datu analīzes metodes un izveidot sistēmu, kas papildina lietojumprogrammatūru ar zinātnisku metodi, kas nav realizēta “MS Excel” vidē, izmantojot “Python” bibliotēkas. Darba pirmajā daļā tiks aplūkota teorija par datu analīzes metodēm un to nozīmi, lai saprastu, kādi paņēmieni tiek izmantoti analīzes gaitā. Pēc teorētiskās daļas tiks apskatīti “MS Excel” vidē iebūvēti analīzes rīki. Darbā ir aplūkoti tādi rīki kā: “Solver”, ”Data analysis”, “Pivot table”, “What-if analysis”, “Forecast sheet”, kā arī iebūvētas funkcijas un formulas. Tostarp, tiks apskatītas tādas "Python" (Nagpal, Abhinav, 2019) bibliotēkas kā "Scipy", “Numpy” (Fuhrer, Claus, 2021), kas ļauj lasīt un labot tabulu, izmantojot “Python” valodu. Darba praktiskajā daļā tiks izveidota programma, kas papildinās tabulu ar jaunām funkcijām un paplašinās iespējas dokumenta datu analīzē ar metodi, ko nesatur šī lietojumprogrammatūra.
Darba apjoms – 70 lpp, 3 tabulas, 76 attēli, 20 formulas un 2 pielikumi. |
