Summary  
The chapter explores pattern-based series extension and transformation functions for automated data entry, along with cell selection and editing commands and undo/redo action management.

General domain of usage  
Spreadsheet data management

Effektiv dataindtastning er afgørende for at bruge Excel effektivt. Mens grundlæggende tekst- og talindtastninger er enkle, sparer Excels kraftfulde funktioner som **AutoUdfyld** og **Lynudfyld** tid ved at automatisere datamønstre og udvide serier som tal eller datoer.

AutoUdfyld kan fungere uventet, især med datoer—det kan øge måneder eller år i stedet for dage. For at sikre, at det følger det ønskede mønster, skal du manuelt indtaste de første to datoer (f.eks. **01/01/2024**, **01/02/2024** for daglige intervaller). Vælg derefter begge celler og træk AutoUdfyld-håndtaget for at anvende den korrekte sekvens. Denne metode hjælper Excel med at genkende det ønskede mønster og forhindrer uønskede ændringer i måneder eller år.

Bemærk

import unittest
import json
from datetime import datetime


def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestTask(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        with open("payload.json") as f:
            data = json.load(f)
        cls.sheet = next(iter(data["sheets"].values()))

    def _cell_value(self, row, col):
        cell = (
            self.sheet.get("cellData", {})
            .get(str(row), {})
            .get(str(col))
        )
        return None if cell is None else cell.get("v")

    def _check_cell_value(self, row, col, cell_ref, expected):
        actual = self._cell_value(row, col)

        _dynamic_test(
            self,
            actual == expected,
            f"{cell_ref} contains the correct value: {expected!r}.",
            f"{cell_ref} should contain {expected!r}, but found {actual!r}."
        )

    def test_months_autofilled(self):
        expected_months = [
            "January", "February", "March", "April", "May", "June",
            "July", "August", "September", "October", "November", "December"
        ]

        for index, month in enumerate(expected_months):
            row = 6 + index
            cell_ref = f"H{7 + index}"

            with self.subTest(cell=cell_ref):
                self._check_cell_value(row, 7, cell_ref, month)

    def test_dates_autofilled(self):
        expected_dates = [
            "2024-12-01T00:00:00",
            "2024-12-02T00:00:00",
            "2024-12-03T00:00:00",
            "2024-12-04T00:00:00",
            "2024-12-05T00:00:00",
            "2024-12-06T00:00:00",
            "2024-12-07T00:00:00",
            "2024-12-08T00:00:00",
            "2024-12-09T00:00:00",
            "2024-12-10T00:00:00",
            "2024-12-11T00:00:00",
            "2024-12-12T00:00:00",
        ]
    
        excel_epoch = datetime(1899, 12, 30)
    
        for index, date_str in enumerate(expected_dates):
            row = 6 + index
            cell_ref = f"O{7 + index}"
    
            actual = self._cell_value(row, 14)
    
            dt = datetime.fromisoformat(date_str)
            excel_serial = (dt - excel_epoch).days
    
            with self.subTest(cell=cell_ref):
                _dynamic_test(
                    self,
                    actual == date_str or actual == excel_serial,
                    f"{cell_ref} contains the correct date.",
                    f"{cell_ref} should contain {date_str!r} (or Excel serial {excel_serial}), but found {actual!r}."
                )

    def test_expense_types_flash_filled(self):
        expected_types = [
            "Groceries", "TV", "Groceries", "Clothes", "Shelves", "Groceries",
            "Groceries", "Take-out", "Groceries", "Groceries", "Clothes", "Groceries"
        ]

        for index, expense_type in enumerate(expected_types):
            row = 6 + index
            cell_ref = f"Q{7 + index}"

            with self.subTest(cell=cell_ref):
                self._check_cell_value(row, 16, cell_ref, expense_type)

    def test_stores_flash_filled(self):
        expected_stores = [
            "Seven-Eleven", "Tv Warehouse", "Spar", "Tesco", "Walmart", "Spar",
            "Tesco", "Pizza Hut", "Seven-Eleven", "Seven-Eleven", "Next", "Tesco"
        ]

        for index, store in enumerate(expected_stores):
            row = 6 + index
            cell_ref = f"R{7 + index}"

            with self.subTest(cell=cell_ref):
                self._check_cell_value(row, 17, cell_ref, store)


if __name__ == "__main__":
    unittest.main()

test_main.py

Dyk ned i Excels verden med dette omfattende videokursus, designet til at tage dig fra grundlæggende navigation til at mestre funktioner og basal dataanalyse. Kurset starter med fundamentale færdigheder som dataindtastning og celleformatering, og du vil hurtigt avancere til brugen af kraftfulde værktøjer. Uanset om du organiserer store datasæt, udfører statistisk analyse eller opretter dynamiske diagrammer, giver dette kursus dig de praktiske færdigheder, der er nødvendige i nutidens datadrevne miljø.

Kickstart din rejse med Excel ved at forstå dets brugerflade, grundlæggende funktioner og essentielle teknikker til dataindtastning. Lær at navigere i værktøjslinjer, regneark og behersk de fundamentale elementer for at skabe et solidt fundament.

Dyk dybere ned i Excel ved at udforske avancerede muligheder for dataindtastning og formatering. Skærp dine færdigheder i tekst- og talformatering, opdag hvordan du effektivt bruger typografier, og forbedr regnearkets læsbarhed og funktionalitet.

Frigør potentialet i Excel med en introduktion til grundlæggende formler og funktioner. Opnå selvtillid i at oprette beregninger, bruge cellehenvisninger og anvende nøglefunktioner som SUM, AVERAGE, MIN og MAX for at automatisere og forenkle dine dataanalyser.

I dette afsnit vil du mestre avancerede Excel-formler og -funktioner, hvilket forbedrer din evne til at håndtere komplekse beregninger. Lær at vise og revidere formler, anvende indlejrede og logiske udsagn samt effektivt bruge betingelser for at optimere dine dataanalyseopgaver.

Udforsk omfattende teknikker til sortering, filtrering og effektiv datastyring. Dette afsnit dækker alt fra grundlæggende dataorganisering til avanceret filtrering og tabelstyring, hvilket sikrer, at du kan håndtere og analysere data effektivt.

Dyk ned i kunsten at visualisere data ved hjælp af Excels kraftfulde diagramværktøjer. Du vil lære at oprette forskellige typer diagrammer, tilpasse dem for at forbedre det visuelle udtryk og manipulere data i diagrammer for at præsentere klare og overbevisende visuelle fortællinger.

Opnå færdigheder i at håndtere regneark og projektmapper i Excel. Dette afsnit lærer dig at organisere og manipulere elementer i projektmapper effektivt, anvende formateringsværktøjer og beskytte dit arbejde med adgangskoder, hvilket giver et solidt grundlag i håndtering af projektmapper.

Indtastning af Data i Excel

Løsning