Excel 和 Python 之間的整合是 Excel 中可用分析功能的重大發展。 真正的創新是將 Python 的強大功能與 Excel 的靈活性結合在一起。
透過這種集成，您可以在 Excel 單元格中編寫 Python 程式碼，使用 matplotlib 和 seaborn 等程式庫創建高級視覺化，甚至使用 scikit-learn 和 statsmodels 等庫應用機器學習技術。
Excel 中的 Python 肯定會在電子表格中開啟許多新的可能性。 這將改變 Python 和 Excel 分析師的工作方式。 這就是如何。
由於其可用性和靈活性，Excel 可能是最受歡迎的資料分析工具。
Excel 使用者不需要知道如何編程來清理資料或建立視圖和巨集。 只需幾個公式和幾次點擊，我們就可以在 Excel 中管理資料並建立資料透視表和圖表。
僅 Excel 就可以很好地執行基本資料分析，但其局限性不允許資料分析師執行複雜的資料轉換和創建高級視覺化（更不用說應用機器學習技術）。 相比之下，像Python這樣的程式語言可以處理複雜的計算。
現在，Excel 分析師必須學習 Python 才能保證他們的職業生涯不會過時。
但他們會適應嗎？
嗯，最接近大多數 Excel 使用者的程式語言是 Visual Basic for Applications (VBA)，但即使是那些編寫 VBA 程式碼的人也不知道 defi他們最終成為「程式設計師」。 這就是為什麼大多數 Excel 使用者認為學習程式設計是一件複雜或不必要的事情（當您可以一鍵獲得資料透視表時為什麼要學習程式設計？）
希望 Excel 分析師能適應。 對他們來說，好消息是 Python 是一門容易學習的語言。 Excel 使用者甚至不需要在電腦上安裝 Python 並下載程式碼編輯器即可開始編寫 Python 程式碼。 事實上，Excel中有一個新的PY函數，允許使用者在Excel單元格中編寫Python程式碼。
太棒了，不是嗎？ 現在我們可以在儲存格中編寫 Python 程式碼來取得工作表中的資料框和視圖。
這絕對是 Excel 分析能力的進步。
這將使 Python 和 Excel 分析師受益
現在，您可以在 Excel 工作簿中使用強大的 Python 程式庫，例如 pandas、seaborn 和 scikit-learn。 這些函式庫將幫助我們執行進階分析、創建令人驚嘆的視覺化效果，並在 Excel 中應用機器學習、預測分析和預測技術。
不知道如何編寫 Python 程式碼的 Excel 分析師將不得不使用 Excel 資料透視表、公式和圖表，但適應的人會將他們的分析技能提升到一個新的水平。
以下是使用 Python 進行資料分析在 Excel 中的一些範例。
透過 Excel 中的 Python，我們將能夠使用正規表示式 (regex) 來定位儲存格中的特定字串或文字模式。 在以下範例中，正規表示式用於從文字中提取日期。
現在可以透過 Seaborn 在 Excel 中實現熱圖、小提琴圖和群組等進階視覺化。 這是我們使用 Seaborn 建立的典型耦合圖，但現在顯示在 Excel 工作表中。
最後但並非最不重要的一點是，您現在可以在 Excel 工作表中使用 DecisionTreeClassifier 等機器學習模型，並使用 pandas 資料框來擬合模型。
Excel 中的 Python 將可彌補 Python 與 Excel 分析師之間的差距
當 Excel 中的 Python 可供所有使用者使用時，Python 和 Excel 分析師難以合作的日子將會結束。
Excel 分析師需要適應這些新變化，不僅要讓 Python 作為履歷中的一項新技能，還要讓他們的職業生涯面向未來。 對 Excel 分析師來說，學習 VBA 的相關性不如學習 Pandas 和 Numpy 等 Python 函式庫那麼重要。
Python 運算將在 Microsoft 雲端中運行，因此即使使用資源有限的電腦的分析師也能體驗到更快的複雜運算處理速度。
另一方面，Python 分析師將能夠更輕鬆地與 Excel 分析師合作，縮小他們之間的差距。
Excel 中的 Python 肯定會改變未來 Python 和 Excel 分析師進行資料分析的方式。 微軟宣布這項消息後，開始學習 Python 的 Excel 分析師數量將會增加。
Excel 中的 Python 目前可供在 Windows 上執行 Beta 通道的使用者使用。 要存取它，您必須加入 Microsoft 365 Insider 計劃。 欲了解更多信息，請閱讀此處.
Ercole Palmeri
