Ανάλυση δεδομένων με Python στο Excel

Εισαγωγή

     Σε ποιους απευθύνεται το βιβλίο

     Τι θα μάθεις στο βιβλίο

     Διαθεσιμότητα του Python στο Excel

     Διαθεσιμότητα ανά πλατφόρμα

     Μη υποστηριζόμενες πλατφόρμες

     Τι περιλαμβάνει η συνδρομή Microsoft 365

     Υπολογισμός Python (Standard vs Premium) & άδειες

     Premium compute ανά μήνα (μηνιαίο όριο)

     Το Python in Excel add-on (πρόσθετη άδεια)

     Σύγκριση: Microsoft 365 vs Python in Excel add-on

     Διαθεσιμότητα preview (σημαντική ενημέρωση)

     Απαιτήσεις άδειας Microsoft 365

     Αντιμετώπιση σφαλμάτων στην Python στο Excel

     Προϋποθέσεις πριν από το troubleshooting

     Θέματα άδειας (Python in Excel add-on)

     Πώς βλέπω το αναλυτικό μήνυμα σφάλματος

     Συνηθισμένα σφάλματα και λύσεις

     Μικρό “Checklist” για γρήγορη διάγνωση

Κεφάλαιο 01 - Εισαγωγή στην Python στο Excel

1.1 Γνωριμία με την Python στο Excel

1.2 Πώς λειτουργεί η Python στο Excel

1.2.1 Το Cloud του Microsoft Azure

1.2.2 Ασφάλεια

1.2.3 Κλιμάκωση και “όρια” (Scalability)

Σύνοψη κεφαλαίου 1

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 1

1.3 Συνέχισε τη μελέτη σου

Κεφάλαιο 02 - Τύποι δεδομένων (Data Types)

Γιατί η μορφή κελιού δεν είναι “απλά εμφάνιση”

Η σύνδεση με την Python

2.1 Aκέραιοι (INTEGERS)

2.1.1 Τι είναι οι ακέραιοι;

2.1.2 Πρακτική εξάσκηση με ακέραιους με Python στο Excel

2.2 Δεκαδικοί αριθμοί (floats)

2.2.1 Τι είναι οι floats;

2.2.2 Πρακτική εξάσκηση με floats στην Python στο Excel

2.2.3 Μετατροπή τύπου (Casting)

2.3 Συμβολοσειρές (Strings)

2.3.1 Τι είναι οι συμβολοσειρές (strings);

2.3.2 Πρακτική εξάσκηση με strings

2.3.3 Μορφοποίηση strings με f-strings

2.3.4 Μορφοποίηση αριθμών με f-strings

2.4 Λογικές τιμές (BOOLEANS)

2.4.1 Τι είναι τα Booleans στην Python;

2.4.2 Έλεγχος ισότητας (Equivalence)

2.4.3 Συγκρίσεις (Comparison Operators)

2.4.4 Μηδενικά και μονάδες (0 και 1)

2.4.5 Λογικοί Τελεστές (AND / OR / NOT)

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 2

2.5 Συνεχίστε τη μάθηση

Κεφάλαιο 03 - Δομές δεδομένων (Data Structures)

Παράδειγμα: Φύλλο εργασίας vs Πίνακας Excel

Τι είναι «δομή δεδομένων»;

3.1 Λίστες (Lists)

3.1.1 Τι είναι οι λίστες;

3.1.2 Πώς γράφουμε (δημιουργούμε) λίστες

3.1.3 Εμφωλευμένες λίστες (Nesting Lists)

3.1.4 Κενές λίστες (Empty Lists)

3.1.5 Αλλαγές σε λίστες (Changing Lists)

3.1.6 Πρόσβαση σε λίστες (Accessing Lists)

3.2 Λεξικά (Dictionaries)

3.2.1 Τι είναι τα λεξικά;

3.2.2 Δημιουργία λεξικών

3.2.3 Πρόσβαση σε στοιχεία στο λεξικό

3.2.4 Δουλεύοντας με κλειδιά

3.2.5 Κλειδιά που λείπουν

3.2.6 Δουλεύοντας με τιμές

3.2.7 Αλλαγές σε λεξικά (Changing Dictionaries)

3.3 Πλειάδες (tuples)

3.3.1 Δημιουργία πλειάδων

3.3.2 Πρόσβαση σε πλειάδες

3.3.3 Οι πλειάδες είναι αμετάβλητες

3.4 Σύνολα (SETS)

3.4.1 Δημιουργία συνόλων

3.4.2 Σύγκριση συνόλων

3.4.3 Αλλαγή συνόλων

3.5 Τεμαχισμός δεδομένων (SLICING)

3.5.1 Ευρετηρίαση (Indexing)

3.5.2 Τεμαχισμός (Slicing)

3.5.3 Βηματισμός (Striding)

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 3

Σύνοψη Κεφαλαίου 3

3.6 Συνεχίστε τη μάθηση

Κεφάλαιο 04 - Ροή ελέγχου και βρόχοι

4.1 Εντολές if/else

4.1.1 Βασικό if

4.1.2 Προσθήκη else

4.1.3 Φωλιασμένο if/else

4.1.4 elif

4.1.5 Λογικοί τελεστές

4.1.6 Τελεστές σύγκρισης

4.2 Βρόχοι for.

4.2.1 Τι είναι οι βρόχοι for;

4.2.2 Γράφοντας βρόχους for

4.2.3 Παράκαμψη επαναλήψεων σε βρόχους for

4.2.4 Έξοδος από βρόχους for

4.3 Βρόχοι while

4.3.1 Γράφοντας βρόχους while

4.3.2 Παγίδες σε βρόχους while

4.3.3 Έξοδος από βρόχους while

4.4 COMPREHENSIONS

4.4.1 List Comprehensions

4.4.2 Dictionary Comprehensions

Λεξιλόγιο Κεφαλαίου 4

Σύνοψη Κεφαλαίου 4

4.5 Συνεχίστε τη μάθηση

Κεφάλαιο 05 - Συναρτήσεις (Functions)

5.1 Εισαγωγή στις συναρτήσεις

5.1.1 Ορισμός συναρτήσεων (Defining Functions)

5.1.2 Keyword Arguments (Ονομαστικές Παράμετροι)

5.1.3 Επιστροφή Αντικειμένων (Returning Objects)

5.1.4 Εμβέλεια μεταβλητών (Variable Scope)

5.1.5 Γιατί να γράψεις δικές σου Functions;

5.2 Lambdas (Ανώνυμες συναρτήσεις)

5.2.1 Σύνταξη Lambdas (Writing Lambdas)

5.2.2 Χρήση Lambdas (Using Lambdas)

Βασικές έννοιες

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 5

Σύνοψη Κεφαλαίου 5

5.3 Συνεχίστε τη μάθηση

Κεφάλαιο 06 - Θεμέλια πινάκων δεδομένων (data table fundamentals)

6.1 Εισαγωγή στο Pandas

6.1.1 Το Dataset του Βιβλίου: GreekProductsDataset

6.1.2 Πίνακες στο Microsoft Excel

6.1.3 Οι πίνακες Είναι DataFrame Objects

6.1.4 Οι στήλες είναι Series Objects

6.1.5 Οι γραμμές είναι επίσης Series Objects

6.2 Φόρτωση δεδομένων (Loading Data)

6.2.1 Φόρτωση από εύρος κελιών

6.2.2 Φόρτωση από Excel Tables

6.2.3 Φόρτωση μέσω Power Query

6.3 Εξερεύνηση DataFrames

6.3.1 Η μέθοδος info()

6.3.2 Η Μέθοδος head()

6.3.3 Η μέθοδος tail()

6.3.4 Η Μέθοδος describe()

6.3.5 Indexes (Ευρετήρια) DataFrames

Η Μέθοδος reset_index()

6.4 Η κατάσταση του Workbook μέχρι εδώ

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 6

Σύνοψη Κεφαλαίου 6

6.5 Συνεχίστε τη μάθηση

Κεφάλαιο 07 - Εργασία με στήλες

7.1 Εξερεύνηση Στηλών

7.1.1 Πρόσβαση σε στήλες

7.1.2 Η μέθοδος info()

7.1.3 Οι μέθοδοι head() και tail()

7.1.4 Ευρετήρια (Indexes)

7.2 Αριθμητικές Στήλες

7.2.1 Η Μέθοδος count()

7.2.2 Το Attribute size

7.2.3 Οι μέθοδοι min() και max()

7.2.4 Η Μέθοδος sum()

7.2.5 Οι μέθοδοι gt() και lt()

7.2.6 Οι μέθοδοι mean() και median()

7.2.7 Η μέθοδος std()

7.2.8 Η μέθοδος describe()

7.2.9 Η μέθοδος value_counts()

7.2.10 Οι μέθοδοι isna() και fillna()

7.3 Στήλες κειμένου (String)

7.3.1 Οι μέθοδοι lower() και upper()

7.3.2 Η μέθοδος cat()

7.3.3 Η μέθοδος isalpha()

7.3.4 Οι μέθοδοι startswith() και endswith()

7.3.5 Η μέθοδος contains()

7.3.6 Η μέθοδος replace()

7.3.7 Η μέθοδος slice()

7.3.8 Η μέθοδος split()

7.3.9 Η μέθοδος len()

7.3.10 Η μέθοδος value_counts()

7.3.11 Οι μέθοδοι isna() και fillna()

7.4 Στήλες ημερομηνίας (Datetime)

7.4.1 Ιδιότητες ημερομηνίας

7.4.2 Οι Μέθοδοι month_name() και day_name()

7.4.3 Τα Attributes is*

7.4.4 Υπολογισμός χρόνου που έχει παρέλθει

7.5 Το βιβλίο εργασίας μέχρι στιγμής

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 7

Σύνοψη Κεφαλαίου 7

7.6 Συνεχίστε τη μάθηση

Κεφάλαιο 08 - Εργασία με πίνακες δεδομένων

8.1 Ανάλυση δεδομένων ελληνικών προϊόντων

8.2 Αλλαγή DataFrames

8.2.1 Method Chaining

8.2.2 Η μέθοδος assign()

8.2.3 Αλλαγή στηλών με assign()

8.2.4 Προσθήκη στηλών με assign()

8.2.5 Data Wrangling με assign()

8.2.6 Ονόματα στηλών με κενά

8.3 Φιλτράρισμα DataFrames

8.3.1 Μάσκες Python (Masks)

8.3.2 Συνδυασμός μασκών

8.3.3 Η μέθοδος isin()

8.3.4 Η μέθοδος query()

8.4 Συνδυασμός DataFrames

8.4.1 Η μέθοδος merge()

8.4.2 Left Joins

8.4.3 Inner Joins

8.4.4 Πρόσθετος χειρισμός στηλών

8.5 Pivoting (Συγκέντρωση) DataFrames

8.5.1 Συγκέντρωση κατά μία στήλη

8.5.2 Συγκέντρωση κατά πολλαπλές στήλες

8.6 Το Workbook μέχρι στιγμής

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 8

Σύνοψη Κεφαλαίου 8

8.7 Συνεχίστε τη μάθηση

Κεφάλαιο 09 - Οπτικοποίηση δεδομένων

9.1 Εισαγωγή στην plotnine

9.1.1 Η γραμματική των γραφικών

9.1.2 Μοτίβα κώδικα

9.2 Κατηγορικές οπτικοποιήσεις

9.2.1 Αρχική διαμόρφωση δεδομένων (Data Wrangling)

9.2.2 Ραβδογράμματα (Bar Charts)

9.2.3 Αναλογικά ραβδογράμματα (Proportional Bar Charts)

9.2.4 Faceted ραβδογράμματα

9.2.5 Γραφήματα στηλών (Column Charts)

9.3 Οπτικοποιήσεις χρονοσειρών

9.3.1 Διαμόρφωση δεδομένων χρονοσειρών

9.3.2 Γραφήματα γραμμής (Line Charts)

9.4 Πρόσθετες οπτικοποιήσεις

9.4.1 Ιστογράμματα (Histograms)

9.4.2 Θηκογράμματα (Box Plots)

9.4.3 Γραφήματα διασποράς (Scatter Plots)

9.4.4 Γραφήματα βιολιού (Violin Plots)

9.5 Σύνοψη και επόμενα βήματα

9.6 Το βιβλίο εργασίας

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 9

Σύνοψη Κεφαλαίου 9

9.7 Συνεχίστε τη μάθηση

Κεφάλαιο 10 - Ο οδικός χάρτης σου στην επιστήμη δεδομένων (DIY Data Science)

10.1 Μπορείς να τα καταφέρεις

10.2 Ο οδικός χάρτης

10.2.1 Στάση #1: δέντρα αποφάσεων (Decision Trees)

10.2.2 Στάση #2: τυχαία δάση (Random Forests)

10.2.3 Στάση #3: ομαδοποίηση K-means (K-means Clustering)

10.2.4 Στάση #4: ομαδοποίηση DBSCAN

10.2.5 Στάση #5: λογιστική παλινδρόμηση (Logistic Regression)

10.2.6 Στάση #6: γραμμική παλινδρόμηση (Linear Regression)

10.2.7 Σημαντική σημείωση: αξιολόγηση μοντέλων πριν τη χρήση

10.3 AI με Copilot στο Excel

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 10

Σύνοψη Κεφαλαίου 10

10.4 Συνεχίστε τη μάθηση

Κεφάλαιο 11 - Χειρισμός σφαλμάτων και αποσφαλμάτωση

(Error Handling & Debugging)

11.1 Σφάλματα στο Excel vs Exceptions στην Python

11.2 Τα Βασικά Exceptions της Python

11.2.1 TypeError

11.2.2 ValueError

11.2.3 KeyError

11.2.4 IndexError

11.2.5 NameError

11.2.6 SyntaxError

11.3 Η δομή try / except: κώδικας που δεν «σπάει»

11.3.1 Βασική σύνταξη

11.3.2 Πρακτικό παράδειγμα: ασφαλής μετατροπή τύπου

11.3.3 Η πλήρης δομή: try / except / else / finally

11.3.4 Γενικό except: Πιάσε οποιοδήποτε σφάλμα

11.4 Τα μηνύματα σφαλμάτων στον Python Editor

11.4.1 Πώς εμφανίζεται ένα σφάλμα

11.4.2 Ανάγνωση ενός Traceback

11.4.3 Χειροκίνητο άνοιγμα του Diagnostics Pane

11.5 Τεχνικές αποσφαλμάτωσης (Debugging)

11.5.1 Print Debugging

11.5.2 έλεγχος τύπου με type()

11.5.3 Έλεγχος μεγέθους με len() και .shape

11.5.4 Η μέθοδος .dtypes για DataFrames

11.5.5 Τεχνική: βήμα-βήμα εκτέλεση

11.6 Σύνδεση: Python Exceptions → Excel #PYTHON!

11.7 Πρακτικά σενάρια: δεδομένα που δεν είναι αυτά που περιμένεις

11.8 Αμυντικός προγραμματισμός: πρόληψη αντί για θεραπεία

11.9 Checklist αποσφαλμάτωσης

Σύνοψη Κεφαλαίου 11

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 11

11.10 Συνεχίστε τη μάθηση

Κεφάλαιο 12 - Εργασία με κείμενο: String Methods και Βασικά Regular Expressions

12.1 Μέθοδοι String στην Python

12.1.1 Οι μέθοδοι upper() και lower()

12.1.2 Η μέθοδος strip()

12.1.3 Οι μέθοδοι split() και join()

12.1.4 Η μέθοδος replace()

12.1.5 Οι μέθοδοι startswith() και endswith()

12.2 F-strings και μορφοποίηση κειμένου

12.2.1 Βασική σύνταξη

12.2.2 Μορφοποίηση αριθμών

12.2.3 Πρακτικό παράδειγμα: δημιουργία ετικετών

12.3 Βασικά Regular Expressions (regex)

12.3.1 Η βιβλιοθήκη re

12.3.2 Βασικά Patterns

12.3.3 Πρακτικά Patterns για το Dataset μας

12.3.4 Αναγνώριση Email και τηλεφώνου

12.3.5 Η Συνάρτηση re.sub() — Αντικατάσταση με Pattern

12.3.6 Η συνάρτηση re.findall() — Εξαγωγή όλων των ταιριασμάτων

12.4 Εφαρμογή στο pandas: ο .str Accessor με Regex

12.4.1 Η μέθοδος .str.contains() με Regex

12.4.2 Η μέθοδος .str.extract()

12.4.3 Η μέθοδος .str.replace() με Regex

12.5 Πρακτικό παράδειγμα: καθαρισμός δεδομένων κειμένου

12.5.1 Καθαρισμός ονομάτων προϊόντων

12.5.2 Επικύρωση κωδικών προϊόντων

12.5.3 Εξαγωγή πληροφοριών από κωδικούς

12.5.4 Καθαρισμός Διευθύνσεων Συνεργατών

12.5.5 Σύνθετο παράδειγμα: δημιουργία αναφοράς ποιότητας

12.6 Ανακεφαλαίωση

Σύνοψη Κεφαλαίου 12

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 12

12.7 Συνεχίστε τη μάθηση

Κεφάλαιο 13 - Βασική περιγραφική στατιστική με Python στο Excel

13.1 Μέτρα κεντρικής τάσης

13.1.1 Μέσος όρος (Mean)

13.1.2 Διάμεσος (Median)

13.1.3 Επικρατούσα τιμή (Mode)

13.1.4 Σύγκριση μέτρων κεντρικής τάσης

13.2 Μέτρα διασποράς

13.2.1 Εύρος (Range)

13.2.2 Τυπική απόκλιση (Standard Deviation) και διακύμανση (Variance)

13.2.3 Ενδοτεταρτημοριακό Εύρος (IQR)

13.2.4 Σύνοψη μέτρων διασποράς

13.3 Συσχέτιση (Correlation)

13.3.1 Η μέθοδος .corr()

13.3.2 Ερμηνεία συσχετίσεων

13.3.3 Heatmap συσχετίσεων

13.4 Κατανομές: Skewness και Kurtosis

13.4.1 Ασυμμετρία (Skewness)

13.4.2 Κύρτωση (Kurtosis)

13.4.3 Συγκεντρωτικό στατιστικό προφίλ

13.5 Πρακτικό παράδειγμα: στατιστικό προφίλ πωλήσεων

13.5.1 Φόρτωση και προετοιμασία

13.5.2 Περιγραφική στατιστική ανά κατηγορία

13.5.3 Σύγκριση Ελλάδας vs Ευρώπης

13.5.4 Ανάλυση συσχετίσεων πωλήσεων

13.5.5 Skewness και Kurtosis ανά κατηγορία

13.5.6 Ολοκληρωμένη αναφορά

13.5.7 Mini Case Studies: Από αριθμούς σε αποφάσεις

13.6 Excel Analysis ToolPak vs pandas

13.6.1 Τι προσφέρει το Analysis ToolPak

13.6.2 Σύγκριση βήμα-βήμα

13.6.3 Βασικές διαφορές

13.7 Ανακεφαλαίωση

Σύνοψη Κεφαλαίου 13

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 13

13.8 Συνεχίστε τη μάθηση

Κεφάλαιο 14 - Εξαγωγή αποτελεσμάτων και αυτοματοποίηση αναφορών

14.1 Python Output vs Excel Value: Τα δύο πρόσωπα του αποτελέσματος

14.1.1 Python Object (Default)

14.1.2 Excel Value

14.1.3 Ο κανόνας Spill

14.2 Αποθήκευση γραφημάτων plotnine ως εικόνες

14.2.1 Η μέθοδος save() της plotnine

14.2.2 Υποστηριζόμενες μορφές αρχείων

14.2.3 Αποθήκευση στο φύλλο εργασίας

14.3 Δημιουργία Summary Tables για παρουσιάσεις

14.3.1 Σχεδιασμός πίνακα σύνοψης

14.3.2 Πρακτικό παράδειγμα: Executive Summary

14.3.3 KPI Dashboard

14.4 Τεχνικές αναπαραγωγιμότητας

14.4.1 Σχόλια (Comments)

14.4.2 Δομή κώδικα στο Workbook

14.4.3 Naming Conventions

14.4.4 Αποφυγή Hardcoded τιμών

14.5 Σύνδεση με Power Query Refresh & Copilot Workflows

14.5.1 Power Query + Python: η ιδανική ροή

14.5.2 Copilot + Python στο Excel

14.6 Πρακτικό παράδειγμα: ολοκληρωμένη αναφορά πωλήσεων

14.7 Ανακεφαλαίωση

Σύνοψη Κεφαλαίου 14

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 14

14.8 Συνεχίστε τη μάθηση

Κεφάλαιο 15 - Ολοκληρωμένο πρακτικό σενάριο - End-to-End Case Study

15.1 Το επιχειρηματικό ερώτημα

15.1.1 Μετατροπή σε αναλυτικά ερωτήματα

15.2 Φόρτωση και εξερεύνηση δεδομένων

15.2.1 Φόρτωση των τριών πινάκων

15.2.2 Πρώτη Ματιά: info() + describe()

15.2.3 Δημιουργία βοηθητικών στηλών

15.3 Cleaning και Data Wrangling

15.3.1 Merge: Sales + Partners

15.3.2 Κατηγοριοποίηση μεγέθους συνεργάτη

15.3.3 Έλεγχος ποιότητας δεδομένων

15.4 Ανάλυση: ακολουθώντας τα ίχνη

15.4.1 Ε1: Πόσο μεγάλη είναι η πτώση;

15.4.2 Ε2: Ελλάδα vs Ευρώπη

15.4.3 Ε3: Ποιες προωθήσεις ζημιώνουν;

15.4.4 Ε4: Ποιοι συνεργάτες ζημιώνουν;

15.4.5 Ε5: Εποχιακά μοτίβα

15.5 Οπτικοποίηση ευρημάτων

15.5.1 Γράφημα 1: ποσοστό κερδοφορίας ανά κατηγορία και περιοχή

15.5.2 Γράφημα 2: Κερδοφορία σε EUR ανά Προώθηση και BusinessType

15.5.3 Γράφημα 3: χρονική εξέλιξη ανά περιοχή

15.5.4 Γράφημα 4: θηκόγραμμα κατανομής κέρδους

15.6 Αφήγηση με δεδομένα (Data Storytelling)

15.6.1 Η δομή μιας Data Story

15.6.2 Δημιουργία Summary για παρουσίαση

15.6.3 Summary Table για Slides (Excel Value)

15.7 Παρουσίαση στα στελέχη: Τα 5 Slides

15.7.1 Slide 5: Οι προτάσεις

15.8 Ανακεφαλαίωση: η πλήρης ροή

Σύνοψη Κεφαλαίου 15

Ερωτήσεις αυτοαξιολόγησης

Λεξιλόγιο Κεφαλαίου 15

15.9 Συνεχίστε τη μάθηση

Ασκήσεις | Python in Excel

Περιεχόμενα ασκήσεων

Παράρτημα A — Γλωσσάρι / Αλφαβητικό Ευρετήριο

Παράρτημα B — Cheat Sheet: Python & pandas vs Excel

ΦΟΡΤΩΣΗ ΚΑΙ ΕΠΙΣΚΟΠΗΣΗ ΔΕΔΟΜΕΝΩΝ

ΕΠΙΛΟΓΗ ΚΑΙ ΦΙΛΤΡΑΡΙΣΜΑ

ΤΡΟΠΟΠΟΙΗΣΗ ΚΑΙ ΚΑΘΑΡΙΣΜΟΣ

ΤΑΞΙΝΟΜΗΣΗ ΚΑΙ ΟΜΑΔΟΠΟΙΗΣΗ

ΣΥΝΔΥΑΣΜΟΣ ΠΙΝΑΚΩΝ

ΗΜΕΡΟΜΗΝΙΕΣ

ΣΤΑΤΙΣΤΙΚΗ

ΧΕΙΡΙΣΜΟΣ ΣΦΑΛΜΑΤΩΝ

ΟΠΤΙΚΟΠΟΙΗΣΗ (plotnine)

ΕΞΟΔΟΣ ΣΤΟ EXCEL