生活實踐家Adam的部落格

經歷了30天後，有些人可能還躍躍欲試可以再談個三天三夜沒完沒了，
有些人可能元氣耗盡甚至可能沒有完賽，
不過，對於平日有例行事務需要處理的人來說，
這一個月確實過得戰戰兢兢的，
但也讓人覺得很充實，
畢竟若很多知識與技術僅用於單一工作上的應用確實浪費了人類聰明的智慧，
若能分享出來發光發熱照亮普羅大眾也算是功德一件。

執行結果:

是否常常遇到以下的一些場景:
(1). 準備考試，老師要考的內容書本上沒有，卻給大家印了一堆考試重點的PowerPointer紙本資料。
(2). 老闆給了一堆資料或文獻紙本資料，要你在有限時間做出簡報報資料。
(3). 遇到期末要交心得報告，內容全在書中。
(4). 遇到一堆書本的程式碼，需要在有限時間正確的實作出來。
(5). 秘書對於不熟領域的會議，在會議後一小時內需要從會議中的資料萃取出艱深的專有名詞成為會議紀錄。

昨天我們介紹了以Python撰寫出來的**「Apache Airflow工作流程管理系統」**，
這個開源系統厲害在於排程作業的Task可用Python撰寫，
然後作業的DAG「有向無循環圖」是可視化GUI拖拉即可完成的作業流程，
對於開源的角度來說可真是佛心來著，
有了這個大神級的應用可以讓我們輕鬆管理以前到處散置令人頭痛的crontab。

我們每天辛辛苦苦的成果，
無非換來每個月的工時申報，
以獲得當月的薪資，
如果進度成果沒有交付，
一方面可能收到月薪都不踏實、
一方面進度成果得不到肯定、
更有可能一方面遇到issue無法得到主管資源的協助。

以上的種種因素可以看出上班時每周周報的重要性，
「但，一般的工作已經費盡心思執行了，還需花時間寫報告、寄報告。老闆根本不體恤員工的辛勞。」
相信，這是很多辛苦員工與工程師的內心話，
如果這時候，Python又拍起胸脯說:「讓我來吧!別說只有十個，多少個都一起上吧!」
別以為Python愛說大話，
從前面幾天到今天第25天，
你、我都看到，
只要你提出來，
Python都能解決你的需求或給予建議的實作。
以下我們就來看看Pythoh針對寄出報告的解決方案建議吧!

從管理者的角度來看，對於member通常會以信任為基礎來管理member的日常進度，
看透管理哲學的人就曾說過:「西方人多以法治，表現在企業上是制度，
東方人多以人治，講情理、所以常因人而設規矩，甚至因人而調整組織結構或策略。」
其實兩種管理方式各有優、缺點，
但東方人遇到太守規矩的員工，可能達成度90%卻只敢回報60%及格通過，
遇到機靈業務思維的下屬，可能達成率只有40%卻回報100%，
若遇到要交付客戶時審查缺失紅字滿天飛時，
再去詢問該員工為何「謊報」進度時，
回答的都是忠肝義膽的言詞:「為了怕傷及主管面子，在事業群的數據也比較好看。」
「100%是我今天下班前的期望值，也是我對自己負責任的態度。」
「怕你生氣，我這周會盡快趕上的啦! 」

上面的狀況回應對於第二種業務思維的同仁，
相形之下變成有義氣、懂情面站在主管的立場思考，
第一種太規矩的同事，相形之下顯得不能顧及到主管的立場與顏面，
整個職場氣氛都變得與是非無關以大局為重的人治世界，
套一句網路上的話:「我真太難了」
別笑，這也可能是專案失敗的原因之一。

遇到很多案子，光是完成專案、交付程式，絕對不足以結案，
通常還包含相關文件，
硬體就須有規格書，
軟體就可能需要軟體分析、設計規格書、操作手冊…等，
勞力施作工程就需要拍照存證備查，
因此，如何證明無人辦公室的員工當周完成項目的狀況呢?
如果是做網頁系統的，就必須有截圖為證，
因此，如果每周的工時再加上作業截圖，
是不是老闆在審視每周的工作進度時結果會更加完美，
若在這個時候Python跳出來說，：「看我的，這點小事包在我身上。」
那人生不是太美好了。

我們首先先來了解一下Python ImageGrab達成畫面截圖的套件與相關說明:

看完昨天的文章，
可能有人心裡正想著狠心的Adam昨天Fire掉一個楚楚可憐的小秘書，
就因為收整工時表的工作已改為Python全自動代勞，
喔! 你錯怪我了，
若我是老闆，我會提供經費讓我的小秘書從昨天開始就去學程式語言Python，
畢竟，人應該運用在更有價值的事物上，
我怎麼會忍心Fire掉可愛的小秘書呢。

昨天主要在說明Excel合併資料內容的openpyxl套件技巧，
但，一定有人對於openpyxl很陌生，
以下就稍作說明吧!

看了標題有人可能會想；
只聽過行動辦公室、無人機、無人商店，
就是沒聽過無人辦公室，
如果你是老闆你能想像要發薪水給一堆從沒進公司的員工，
當老闆的威風都沒地方施展，成何體統?
如果你這樣想，
哪我建議你養一班錦衣衛或許更適合些。

要知道如果讓員工在家上班優點將多於缺點，
那你就不會計較官威無處發洩的小毛病了，
到底有那些優點呢?我們接著來瞧瞧。

還記得幾天前，我用心良苦，緩下腳步讓各位花點時間練一下基本功，
相關項目如下:
(1).【Day17】認識matplotlib套件可以產生的各種統計圖表
(2).【Day18】了解程式碼流程與互動
(3).【Day19】遇到程式結果不如預期如何debug的一些小技巧以及Python撰寫時與其他程式碼特別差異的縮排呈現方式。
其實過程中也讓各位咀嚼消化，
畢竟學習新的東西直接看結果雖然很過癮，
但遇到變化題很容易就掛了。

今天終於要讓大家看到辛苦幾天後的成果，
傳說中的股價數據視覺化的結果呈現如下:

看到今天你可能心裡滴咕著，
啊!~昨天不是說要讓我們看到數據視覺化的結果，
當然，
依照學習的進度來看確實昨天就該看到數據視覺化的股價統計表，
但，我顧慮到，如果昨天就讓你看到統計表，
今天再來說明細節，你會有耐心看完細節嗎?
答案呼之欲出，可以知道是「很難」。

由於Python不像C#、Java於for迴圈或if判斷時使用大括弧框定範圍，
因此，初學者常常會分不清程式碼的層數。
以下就是一個例子:

螢幕面前的你，一定迫不及待想要看看數據視覺化的效果，
沒錯，很多觀點在以視覺化呈現後將會讓人更容易理解與溝通，
我們緊接著看下去。
(一) 本次程式執行流程說明
本次程式共3個檔案，stock_main.py為主程式，data_m.py為自行建立的自訂函式以及stockInfo.txt文字設定檔。
執行的步驟說明如下:

1. 主程式呼叫自訂函式data_m.py中的getConfig()取得stockInfo.txt設定檔內容。
2. 接著data_m.py內部呼叫getTimeData()取得起、迄爬取日期。
3. 主程式接著呼叫spyderData()爬取股價資訊。
4. 緊接著stock_main.py主程式開始產生數據視覺化的第一步-準備資料。
5. 數據視覺化的第二步-新建plot物件作為畫布。數據視覺化的第三步-進行繪圖。
6. 繪完圖及以統計圖表方式呈現出來。

(二) 本次實作

第11天的時候，我們為了小資族將業務流程轉為需求項目時，
還記得我說了什麼?
我們來回顧一下: 「先從以上5個步驟來看，從程式的角度是否都可做到?
再看一次，
應該沒什麼問題。
但，說到Step5這個「檢閱」，那學問可大著呢。」

這時候問題就來了，
我們想像一下，原本需求的窗口是一個專員；
對於工作有著熱忱且按時程來看從前面幾天我們也都達到需求提到的各個項目，
且我們也解釋若需要檢視股價就看存檔下來的數據資料，
因此專員對於此案正準備開始與廠商辦理結案程序時，
客戶方的董事長這時候語重心長地說了一句，
「如果這個讓決策者用要怎麼看這個股價資訊啊?廠商還會提供ＢＩ軟體整合嗎？」

昨天使用datetime處理日期相關的過濾，
今天我們來談談如果股價已經取得的資訊Python要如何從檔案取出運用?
我們使用Python讀取檔案資訊的步驟約三個，概略說明如下:

第一個步驟:開啟檔案；使用open以讀取模式開啟檔案。
例如: open(‘123.txt’)

小小回顧一下，從第13天開始我們就引用了requests套件、第14天使用pandas資料科學套件，
試想想，如果我們剛學Python，若沒有了這些關鍵的『套件』，
每種功能都必須自己從底層刻起也將提高學習複雜度，
且，這些『等同齒輪重要的功能』似乎又曾在其他語言學習中似曾相識，
為『避免重造齒輪』Python讓你可以大量運用他人的套件來完成目前手中的專案。

而今天呢，我們需要使用的是datetime套件，
由於前面提到的都是字串為主，
就連日期參數都是字串格式，
若需要針對日期處理取判斷時就需要用到Python的datetime套件。
使用方式也只需要import進來即可「享用」，方便、省時又省力。

今天開始要將程式或取的股價資訊稍作整頓，
因此將運用資料科學套件pandas，它是資料科學分析的前置工具。
它可以被用來執行強大的資料分析。以往我們大都使用試算表來當作處理與分析資料的工具。但是試算表有列數量的侷限性限制，超過限制就無法滿足資料分析的需求。對於資料維度也是一個試算表的一大挑戰限制，但，這些Python都可以幫助我們一一實現。
Pandas可說是 Python提供類似Excel試算表的功能，可結合NumPy（Numerical Python的簡稱）的特性，以及試算表和關連式資料庫(Relation Database)的資料操作能力，藉此可用來對資料進行切割、聚合及重構等操作。

當使用Anaconda 3 的版本時，在預設的狀況下會安裝Python、IPython及Jupyter記事本、Pandas。如果沒有安裝Anaconda的話，就需要透過pip來安裝pandas套件。
$ pip install pandas

股市資料來源: 取自 「台灣證券交易所」
參考網址: https://www.twse.com.tw/zh/

人云:「工欲善其事，必先利其器。」
今天，我們就放鬆一下只安裝一個Python的IDE工具並確認一下結果，
其他什麼都不做，
也希望各位藉此小空檔好好了解一下Python編輯器的一些使用方式。
首先我讓各為二選一，其中一個就是上網使用免安裝試用的體驗方式來使用Python編輯器，
連結如下:
https://jupyter.org/try-jupyter/retro/notebooks/?path=notebooks/Intro.ipynb
以下以一個例子來操作，希望各位也能找到網路上的語法自己操作看看。

另一個選擇若各位覺得3.5G的空間可以接受，就把環境建立起來
當使用Anaconda 3 的版本時，在預設的狀況下會安裝Python、IPython及Jupyter記事本、Pandas。如果沒有安裝Anaconda的話，就需要透過pip來安裝pandas套件。
$ pip install pandas
Anaconda相關步驟如下:
(一) 安裝Anaconda
主要是學習資料分析，所以用的是Anaconda套件組。環境是windows
step1. 開啟瀏覽器連結Anaconda https://www.anaconda.com/ 下載

step2. 安裝Anaconda

大環境欠佳，物價飛漲就是薪水不漲(或是漲不如預期)的年代，
很多在外租房子的小資族三餐都快成問題，
不過，山不轉人轉，
存股或低風險投資一下總是不無少補吧!
這些聲音我聽到了，
因此，趕快來給大家惡補一下，
如何利用Python爬蟲以最少的時間與最有效的方法來增加斜槓獲利。