幸運的是，有一個更好的方法：您可以利用 DataCamp Workspace 的調度功能透過富有洞察力的視覺化自動報告業務指標，從而節省您的時間並最大限度地減少報告過程中出現錯誤的可能性。
在本文中，我們將透過定期執行股票市場數據報告（因為幾乎每天都有新數據）來展示工作流程，以便筆記本始終反映市場上發生的最新事件。
喜歡以影片格式觀看本文？ DataCamp 託管了一個關於相同主題的程式碼，為儲存在 Microsoft SQL Server 資料庫中的自行車銷售資料設定自動報告。您可以透過造訪此連結重播此程式碼。
建構報告
首先，我們需要在工作區（稱為工作區）中建立一個新的資料項目，用於執行我們想要在下一步中自動化的操作。出於本教學的目的，我們將使用股票市場數據，因為該數據是公開可用的並且定期更新。這樣，我們的報告就會隨著時間的推移而改變。
從已包含所有程式碼的工作區建立副本是 克羅地亞電話號碼列表最方便的。如果您想自己完成每一步，請從頭開始建立新工作區，並新增一個匯入股票市場資料並將其視覺化的 Python 程式碼單元：
import pandas as pd
import plotly.express as px
import yfinance as yf
# Define how many stock I own of each ticker
holdings = {
'AAPL': 16,
'TSLA': 15,
'TEAM': 7,
}
# Get the data
tickers = list(holdings.keys())
data = yf.download(tickers, start="2023-01-01")
# Wrangle the data
adj_close = data['Adj Close'].reset_index()
adj_close_long = pd.melt(
adj_close,
id_vars='Date',
value_vars=tickers,
var_name='ticker',
value_name='adj_close'
)
adj_close_long['total_value'] = adj_close_long['adj_close'] * adj_close_long['ticker'].map(holdings)
adj_close_long
# Show the position values for stocks in my portfolio
fig = px.line(
adj_close_long, x='Date', y='total_value', color='ticker'
)
fig.update_layout(
title="Position values for for stocks in my portfolio",
yaxis_title="Position Value",
xaxis_title="Date"
)
fig.show()
供電
這段程式碼的詳細解釋超出了本文的範圍；我們只想啟動並運行一些 Python 程式碼，以便我們可以在下一步中安排它！您可以透過點擊頂部的「執行」按鈕來驗證工作區筆記本中的程式碼是否正常運作。你應該會看到一個美麗的情節出現：
Workspace 中範例 Python 程式碼的範例輸出
