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 dataregistrering er avgjørende for å bruke Excel på en god måte. Selv om grunnleggende tekst- og tallregistrering er enkelt, sparer Excels kraftige funksjoner som **AutoFyll** og **Lynutfylling** tid ved å automatisere datamønstre og utvide serier som tall eller datoer.

AutoFyll kan noen ganger fungere uventet, spesielt med datoer—det kan øke måneder eller år i stedet for dager. For å sikre at det følger ønsket mønster, skriv inn de to første datoene manuelt (for eksempel **01/01/2024**, **01/02/2024** for daglige økninger). Marker deretter begge cellene og dra AutoFyll-håndtaket for å bruke riktig sekvens. Denne metoden hjelper Excel med å gjenkjenne det tiltenkte mønsteret og forhindrer uønskede endringer i måneder eller år.

Merk

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

Fordyp deg i Excel med dette omfattende videokurset, utformet for å ta deg fra grunnleggende navigasjon til å mestre funksjoner og enkel dataanalyse. Kurset starter med grunnleggende ferdigheter som dataregistrering og celleformatering, og du vil raskt gå videre til å bruke kraftige verktøy. Enten du organiserer store datasett, utfører statistisk analyse eller lager dynamiske diagrammer, gir dette kurset deg de praktiske ferdighetene som trengs i dagens datadrevne miljø.

Start din reise med Excel ved å forstå grensesnittet, grunnleggende funksjoner og essensielle teknikker for dataregistrering. Lær hvordan du navigerer i verktøylinjer, regneark og mestrer de grunnleggende elementene for å legge et solid fundament.

Fordyp deg i Excel ved å utforske avanserte alternativer for dataregistrering og formatering. Skjerp ferdighetene dine innen tekst- og tallformatering, oppdag hvordan du bruker stiler effektivt, og forbedre regnearkets lesbarhet og funksjonalitet.

Frigjør kraften i Excel med en introduksjon til grunnleggende formler og funksjoner. Få selvtillit i å lage beregninger, bruke cellereferanser og benytte viktige funksjoner som SUM, GJENNOMSNITT, MIN og MAKS for å automatisere og forenkle dine dataanalyseoppgaver.

I denne delen vil du mestre avanserte Excel-formler og -funksjoner, noe som forbedrer din evne til å håndtere komplekse beregninger. Lær å vise og revidere formler, bruke nestede og logiske utsagn, samt anvende betingelser effektivt for å effektivisere dine dataanalyser.

Utforsk omfattende teknikker for sortering, filtrering og effektiv databehandling. Denne delen dekker alt fra grunnleggende dataorganisering til avansert filtrering og tabellhåndtering, slik at du kan håndtere og analysere data effektivt.

Fordyp deg i kunsten å visualisere data ved hjelp av Excels kraftige diagramverktøy. Du vil lære å lage ulike typer diagrammer, tilpasse dem for å forbedre det visuelle uttrykket, og manipulere data i diagrammer for å presentere tydelige og engasjerende visuelle fortellinger.

Oppnå ferdigheter i å håndtere regneark og arbeidsbøker i Excel. Denne delen lærer deg hvordan du effektivt organiserer og manipulerer elementer i arbeidsboken, bruker formateringsverktøy og sikrer arbeidet ditt med passord, og gir en grundig innføring i arbeidsbokoperasjoner.

Excel Data Entry

Løsning