Excel med Python: En komplett guide för att utnyttja integrationen

Om du arbetar med kalkylblad dagligen har du förmodligen hört talesättet "allt kan göras i Excel". Nu, med ankomsten av Python integrerat direkt i ExcelDen frasen är inte tillräcklig: avancerad analys, kraftfulla automatiseringar och visualiseringar på professionell nivå kan skapas utan att lämna arbetsboken.

Under senare år har Python etablerat sig som flaggskeppsspråk för dataanalys, automatisering och datavetenskapMedan Excel fortfarande är den schweiziska armékniven för företag, har Microsoft beslutat att sammanföra båda världarna i en enda upplevelse: Python i Excel. Nedan ser du Vad exakt är Excel med Python, hur använder man det, vad kan det göra för dig och vilka alternativ finns det? medan denna integration utökas till alla användare.

Vad exakt är Python i Excel?

Python i Excel är en funktion i Microsoft 365 så skriv Python-kod direkt i Excel-celler och kör den koden i Microsofts moln, och returnera resultaten till själva kalkylarket. Det finns inget behov av att installera tolkar, konstiga plugins eller komplexa konfigurationer: använd helt enkelt Excels specialfunktion.

Integrationen omfattar en uppsättning Python-bibliotek tillhandahållna av Anacondautformade för dataanalys, statistik och visualisering. Bland annat inkluderar de välkända bibliotek som pandor, matplotlib och seaborn eller statistikmodeller, som låter dig manipulera stora tabeller och generera avancerade grafer utan att lämna Excel.

För användaren är upplevelsen mycket lik den att använda en formel: du anger ett Python-uttryck i en cell, Excel skickar det till Microsoft Cloud för beräkning, och resultatet returneras till arket. På plattformar där beräkning ännu inte stöds kan arbetsboken öppnas, men Celler som använder Python visar fel när man försöker räkna om.

Tanken är att du kan dra nytta av det Det bästa av två världar: Excels välbekanta gränssnitt med dess tabeller, diagram och pivottabeller, och kraften i Pythons vetenskapliga ekosystem för att ta analysen till nästa nivå.

Python-tillgänglighet i Excel och krav

För närvarande är Python i Excel tillgängligt för Excel för WindowsExcel för webben och Excel för Macförutsatt att du har en kompatibel Microsoft 365-prenumeration. Microsoft lanserar funktionen gradvis, så alla användare kommer inte att få den samtidigt.

På andra enheter, som t.ex. Excel för iPad, iPhone o AndroidFör närvarande kan koden inte köras. Du kan öppna arbetsböcker som innehåller celler med Python och till och med se de redan beräknade resultaten, men om en omberäkning sker kommer fel att visas. specifika fel i Python-celler.

Under sin första fas erbjöds denna funktion som offentlig förhandsvisning genom Microsoft 365 Insider-programmet, särskilt genom betakanalen. Användare som ville prova det innan någon annan var tvungna att göra det. Gå med i Insider-programmet och välj lämplig betakanalnivå för att ta emot uppdateringen.

Microsofts mål är att gradvis integrera Python i Excel. Microsoft 365 standardprenumerationDetta tillägg kommer dock med en kompletterande licensmodell för avancerade funktioner, såsom premiumberäkning och ytterligare omberäkningslägen.

Beträffande de juridiska villkoren regleras användningen av denna funktion av Allmänna villkor för Microsoft 365Microsofts tjänsteavtal för Microsoft 365 Family- eller Personal-användare och produktvillkoren för företags- eller utbildningsprenumerationer, inklusive dataskyddsklausulerna (GDPR och säkerhet) som gäller även när funktionen är i förhandsversion.

Hur man aktiverar och börjar använda Python i Excel

För de som redan har en kompatibel prenumeration är det ganska enkelt att få igång Python i Excel: Du behöver inte installera något Python-relaterat på din egen dator.Allt orkestreras från Excels eget gränssnitt och från Microsofts servrar.

Den mest visuella metoden innebär att öppna en tom bok, gå till fliken "Formler" i menyfliksområdet och tryck på knappen "Infoga Python"Genom att göra det anger du för Excel att den aktiva cellen kommer att innehålla Python-kod istället för en traditionell formel.

Det andra, ännu snabbare sättet är att skriva funktionen i en cell =PYVid inträde =PY och välj funktionen i menyn Komplettera automatiskt (med pilar och tabb eller genom att lägga till en inledande parentes). =PY(), blir cellen en Python-cell, redo att ta emot kod. Därifrån kan du skriva in din skript av en eller flera rader.

När en cell innehåller Python-kod visar Excel en distinkt PY-ikon i själva cellen och även i formelfältet när du markerar den. Denna visuella markör hjälper dig att skilja ut vilka celler som innehåller traditionella formler och vilka som kör Python-logik i molnet.

Microsoft erbjuder en guidad tur under namnet "Introduktion till Python i Excel", där det steg för steg förklaras hur man börjar analysera data med hjälp av den här nya funktionen, från enkla fall till användning av kraftfullare bibliotek.

Kombinera Excel-celler med Python-kod

En av nycklarna till denna integration är att du kan Använd Excel-intervall, tabeller och objekt direkt i Python-kodFör att göra detta, en anpassad funktion som heter xl(), som fungerar som en bro mellan de två världarna.

När du redigerar en Python-cell kan du markera med musen Excel-cell eller -område vilket du än vill använda. Excel infogar automatiskt anropet till xl() med lämplig referens, vilket förhindrar att du behöver skriva det för hand och minskar fel när du arbetar med mer komplexa intervall.

Om du föredrar att skriva det själv kan du ange referenserna direkt. Till exempel för att komma åt cellinnehållet A1 Från Python skulle det räcka att skriva xl("A1"), medan för intervallet B1: C4 skulle du använda xl("B1:C4")I Python i Excel, xl() Den accepterar inte bara rangordningar, utan också tabeller, frågor och definierade namnOm du arbetar med Pandas eller OpenPyxl kompletterar den här funktionen flödena för att läsa och bearbeta kalkylblad från Python.

För tabeller som skapats med Excels tabellformat kan du kombinera strukturerade referenser med den här funktionen. Till exempel, för en tabell som heter Min tabell Du kan använda xl("MinTabell", rubriker=Sant)Modifieraren anger att du vill bearbeta hela bordet, och parametern rubriker=Sant Se till att Python tolkar kolumnrubriker korrekt.

Med den här metoden är det möjligt att bygga formler där Python-koden arbetar med data från specifika celler eller hela områden och returnerar resultatet till en annan cell, som i ett typiskt exempel där Python adderar värdena A1 och B1 för att visa utdata i C1, och utnyttjar integrationen med arket fullt ut.

Python-formelfält och kodredigering

När man skriver kod direkt i en cell kommer det oundvikligen en punkt där En enda rad är för kort för mer komplexa skriptFör dessa situationer blir Excels formelfält din lilla kodredigerare.

Formelfältet låter dig använda Enter-tangenten för att skapa nya rader i själva kodenDetta är mycket användbart när du organiserar funktioner, loopar eller länkade biblioteksanrop. Du behöver inte begränsa dig till en oändlig rad som är svår att läsa och underhålla.

Dessutom kan du expandera formelfältet genom att klicka på ikonen för nedåtpilen finns till höger. Om du expanderar den visas ett högre område där du kan se flera rader Python-kod samtidigt, nästan som om det vore en minimalistisk editor integrerad högst upp på arket.

Om du föredrar kortkommandonDet finns en specifik kombination: Ctrl+Skift+U Den låter dig växla mellan normalvyn och det expanderade verktygsfältet. På så sätt kan du minimera eller expandera redigeringsområdet efter behov, utan att ta händerna från tangentbordet.

I praktiken gör det här utökade verktygsfältet det enklare att arbeta med något längre manus, med flera meningar, vilket håller sammanhanget synligt och minskar syntax- eller indenteringsfel genom att inte behöva redigera i ett litet fönster.

Python-utdatatyper och objekt i celler

Python i Excel returnerar inte bara ett enkelt tal eller en enkel text; det erbjuder flera utdataalternativ som passar dina skärmvisningsbehov. Detta beteende styrs från... utdatamenyn finns i formelfältet när du arbetar med en Python-cell.

En möjlighet är att konvertera resultatet av Python-beräkningen till en inbyggt Excel-värdesom om det vore resultatet av en vanlig formel. Detta är särskilt användbart när du vill fortsätta använda Excel-funktioner och verktyg för att arbeta med dataTill exempel för att fylla i en pivottabell eller tillämpa villkorsstyrd formatering.

Alternativet är att ange att formeln ska returnera en komplett Python-objektI så fall visas en liten kortikon istället för ett vanligt värde i cellen. Om du väljer den ikonen öppnas ett förhandsgranskningskort där du kan granska informationen. Ytterligare information om objektetDetta är särskilt praktiskt när resultatet är stort eller komplext.

Bland de mest intressanta typerna av data som kan hanteras på detta sätt är pandor DataFramesDessa DataFrames används flitigt inom dataanalys. De kan visas och utforskas från Excel-gränssnittet, men behåller sin Python-objektkaraktär för mer avancerade operationer.

Tack vare denna dualitet mellan att returnera data anpassad till Excel eller att behålla den som rika objekt, kan blandade arbetsflöden skapas där Python hanterar den tunga bearbetningen (rensning, modellering, statistiska beräkningar) och Excel tar hand om den delen av presentation, kombination med andra formler och rapportering.

Importera externa data för att analysera dem med Python i Excel

En viktig aspekt för att få ut det mesta av Python i Excel är att All data som bearbetas av Python måste komma från själva kalkylarket eller från Power QueryMed andra ord, Python kommer inte att ansluta till externa källor på egen hand från din lokala maskin.

För att hämta information utanför Excel (databaser, csv-filer(molntjänster etc.) måste du använda funktionen hos "Hämta och transformera" (Power Query) från Excel. Det här verktyget låter dig importera, omvandla och läsa in data i kalkylbladet så att det sedan kan användas av Python-formler.

Power Query fungerar som en gateway: du definierar kopplingarna och transformationerna, och det slutliga resultatet materialiseras i en Excel-tabell som Python i Excel kan nu konsumera genom områden eller tabeller som refereras till med funktionen xl().

Således blir arkitekturen tydlig: Externa data hanteras med Power QueryDe konsolideras i kalkylblad och därifrån kommer Python in i bilden för avancerad analys, visualiseringar eller processautomation.

Denna separation har också säkerhets- och kontrollfördelar, eftersom den centraliserar dataanslutningar i en komponent som Excel redan hanterar med behörigheter, autentiseringsuppgifter och företagsregler, medan Python-koden arbetar med data som redan har validerats och laddats in i arbetsboken.

Beräkningsordning och beroenden mellan Python-celler

I ett traditionellt Python-skript körs instruktionerna från topp till botten, i sekventiell ordningSamma logik bibehålls i varje Python-cell i Excel: koden du skriver inuti en cell utvärderas i den ordning som raderna visas.

Andra regler spelar dock roll i ett kalkylblad. Excel itererar genom cellerna efter en Huvudordning efter rader, från kolumn A till XFDoch fortsätter sedan rad för rad nedåt. Python i Excel anpassar sig till detta system, så celler som innehåller Python-kod beräknas med hänsyn till den sekvensen.

Detta innebär att varje Python-cell har en implicit beroende av tidigare celler i beräkningsordningenOm du definierar en variabel eller datastruktur i en cell och vill återanvända den i en senare cell måste du se till att beräkningsordningen säkerställer att cellen där den definieras körs först.

Ordning är särskilt viktigt när man arbetar med flöden där flera Python-celler matar in i varandraAtt definiera en variabel efter att ha försökt använda den kommer att leda till fel eller inkonsekventa resultat, precis som det skulle göra i vilket programmeringsspråk som helst. programmering, men inramad inom Excels omberäkningslogik.

Därför är det lämpligt att organisera cellernas layout och innehåll med hänsyn till... när du utformar dina kalkylblad med Python. vad beror på vadAtt dra nytta av att Excel räknar om enligt ett känt mönster och att du kan kontrollera tidpunkten för omberäkningen om det behövs.

Omräknings- och prestandalägen med Python i Excel

Varje gång du ändrar ett värde som en eller flera celler är beroende av med Python-kod kan Excel utlösa en automatisk omberäkning av alla berörda formlerDetta inkluderar både vanliga formler och Python-celler. I komplexa arbetsböcker kan detta göra ditt arbete långsammare. Om du upplever att det går långsamt kan den här guiden hjälpa dig. Åtgärda ett extremt långsamt Excel-ark.

För utvecklingssituationer eller när du finjusterar en modell är det mycket användbart att tillfälligt pausa Pythons automatiska omberäkning. Excel erbjuder följande för detta ändamål: partiell beräkningsläge och manuell beräkningslägevilket minskar eller inaktiverar automatisk omberäkning för Python-datatabeller och formler.

Dessa alternativ hanteras från fliken "Formler" i menyfliksområdet, under "Beräkningsalternativ"Där kan du välja det läge som passar dig bäst, oavsett om det är att hålla beräkningen automatisk, delvis begränsa den eller tvinga allt att vara manuellt tills du bestämmer dig för annat.

När du använder partiella eller manuella beräkningar är det viktigt att du kommer ihåg Tvinga fram omberäkning när du vill ha uppdaterade resultatDu har flera sätt att göra det: tryck F9 som ett kortkommando, gå till Formler > Beräkna nu i menyfliksområdet, eller utnyttja varningarna som Excel visar i celler med föråldrade värden (genomstruken text och felsymbol) och välj även därifrån "Beräkna nu".

Fördelen är att du kan arbeta snabbare medan du bygger din logik i Python, utan att varje liten förändring utlöser en fullständig omberäkning. Men när du fattar beslut baserat på resultaten, se till att Du har räknat om hela boken så att det inte finns några celler med föråldrad data.

Typiska fel i Python-beräkningar i Excel

Precis som med traditionella formler kan Python-celler returnera Specifika fel som hjälper till att diagnostisera vad som händerBland de vanligaste felkoderna är: #PYTONORM!, #UPPTAGEN! y #ANSLUTA!var och en förknippad med en annan typ av problem.

Felet #PYTONORM! indikerar vanligtvis en problem i själva koden (Till exempel ett ohanterat undantag, ett syntaxfel eller en oväntad datatyp.) Att granska skriptet i formelfältet och använda enklare strukturer är ofta sättet att hitta orsaken.

Koden #UPPTAGEN! Detta tyder på att beräkningen fortfarande pågår eller att Pythons molntjänst är Upptagen med att bearbeta begäranIbland måste man bara vänta en liten stund, särskilt om beräkningen är dyr eller om boken innehåller många kedjade Python-formler.

För sin del, #ANSLUTA! det är relaterat till Problem med Microsoft Cloud-anslutningDet kan bero på att du inte har internetåtkomst, att det finns en nätverksblockering eller att Python-tjänsten inte är tillgänglig just då. I dessa fall är det viktigt att kontrollera din anslutning och företagskonfiguration.

Microsoft dokumenterar dessa koder i detalj och erbjuder guider för lösa specifika Python-problem i ExcelDetta är mycket användbart när du börjar skapa mer avancerade lösningar och snabbt behöver förstå varför en cell har slutat beräkna korrekt.

Python i Excel, säkerhet och molnkörning

All Python-kod du skriver i cellerna körs inte på din dator, utan på en Standardversionen av Python-språket som finns på Microsoft CloudDär bearbetas formeln, indata manipuleras och resultatet skickas tillbaka till Excel-arbetsboken som är öppen på din enhet.

Python-distributionen som används i Excel är baserad på en en uppsättning öppen källkodsbibliotek från Anacondapaketeras säkert och på ett kontrollerat sätt. Det betyder att du inte kan modifiera den globala Python-miljön som du vill, men i gengäld garanteras konsekvens och säkerhet för alla användare.

Du behöver inte ha någon lokal Python-installation på din dator för att använda den här funktionen. Även om du redan har Python installerat på din egen dator, med sina egna bibliotek, De lokala anpassningarna har ingen effekt alls. till miljön som använder Python i Excel i molnet.

När det gäller dataskydd följer Python i Excel Säkerhets- och sekretessåtaganden för Microsoft 365Detta inkluderar kryptering, åtkomstkontroll och regelefterlevnad. Specifika villkor, såsom behandling av personuppgifter och GDPR-efterlevnad, beskrivs i plattformens avtalsdokumentation.

Denna centraliserade exekveringsmodell gör det också möjligt för Microsoft att erbjuda en Valfri premieberäkning via en ytterligare licensDen här licensen låser upp mer datorkraft och fler omberäkningsalternativ, vilket ger snabbare svarstider och större kontroll i resurskrävande projekt.

Copilot i Excel med Python: AI till analysens tjänst

Microsofts engagemang för att kombinera Excel med Python går utöver att bara köra kod; det sträcker sig till att integrera... Copilot, assistenten IA integrerad i Microsoft 365Copilot i Excel med Python är utformat för att hjälpa även de som inte är skickliga i något programmeringsspråk.

Den här funktionen låter dig formulera förfrågningar på naturligt språk, till exempel begära en trendanalys eller kundsegmentering, och låta den Copilot genererar eller föreslår nödvändig Python-kodsamt att bygga vyer i Excel som visar resultaten på ett begripligt sätt.

På så sätt demokratiseras åtkomsten till Pythons analytiska kraft, eftersom användare med mindre teknisk erfarenhet kan få tillgång till djupgående insikter från dina data förlitar sig på AI-rekommendationer, medan mer tekniska profiler kan granska, justera eller förbättra den genererade koden.

Målet med denna kombination av Copilot och Python i Excel är att omvandla kalkylbladet till en miljö där la artificiell intelligens och avancerad databehandling samexisterar, accelererar el tiempo som krävs för att gå från rådata till handlingsbara beslut.

För de som redan arbetar regelbundet med Python kan Copilot också fungera som stöd för att skriva repetitiv kod snabbare, föreslå biblioteksfunktioner som inte ihågkoms i detalj eller föreslå mer effektiva sätt att närma sig ett specifikt analysproblem.

Praktiska fördelar med att använda Python i Excel

Utöver de tekniska aspekterna är det intressant att se vad den här integrationen faktiskt tillför det dagliga arbetet. Den första stora fördelen är möjligheten att utnyttja Python-bibliotekens fulla kraft utan att överge den miljö där många företag redan lagrar och organiserar sina data: Excel.

Att använda Python i Excel är väldigt enkelt rensa, transformera, filtrera och gruppera data som annars skulle kräva komplexa formler, makron eller manuella processer. Verktyg som pandor är utformade för den här typen av uppgifter och är nu integrerade i den typiska kalkylbladsanvändarens arbetsflöde.

Dessutom behöver du inte installera några ytterligare paket för att börja arbeta: Excel innehåller redan förberedde en uppsättning populära Python-bibliotekOch genom Anacondas ekosystem kan många andra integreras, samtidigt som man alltid upprätthåller en affärsmässig och säker strategi.

En annan stark punkt är möjligheten att Kombinera klassiska Excel-formler med Python-skriptDu kan använda Excel-funktioner för vissa delar av analysen (t.ex. vanliga finansiella beräkningar) och låta Python hantera statistiska modeller, lätt maskininlärning eller mer avancerade visualiseringar.

När det gäller samarbete integreras Python i Excel med Microsoft-lag och OutlookDetta gör att du kan dela boken, koden och resultaten med dina kollegor samtidigt som du bibehåller Microsoft 365-säkerheten. Samma fil fungerar sedan som dokumentation för både analysen och slutsatserna för resten av teamet.

Python i Excel kontra externa bibliotek: andra sätt att koppla samman båda världarna

Även om det nu är möjligt att skriva Python-kod direkt i Excel-celler, var det enda sättet att överbrygga klyftan mellan dessa två världar i åratal genom Python-bibliotek utformade för att läsa och skriva Excel-filer eller för att erbjuda tätare integration med skrivbordsapplikationen.

Om du av någon anledning ännu inte har tillgång till Python i Excel eller behöver hantera fall som går utöver vad molnintegration erbjuder, finns det flera väletablerade alternativ tillgängliga i Python-communityn och affärsmiljön.

Följande bibliotek tillåter Automatisera rapporter, generera kalkylblad, ändra befintliga filer eller till och med skapa anpassade funktioner tillgängliga direkt från Excel, vilket ger flexibilitet medan den officiella integrationen fortsätter att utvecklas.

Vi kommer att granska några av de vanligaste alternativen för att arbeta med Excel från Python, antingen som ett komplement till eller alternativ till Microsofts lösning, och belysa... vad var och en används till och i vilka fall den kan passa bättre.

Många av dessa bibliotek är öppen källkod och kan kombineras med varandra, vilket innebär att du kan bygga mycket avancerade bearbetnings- och rapporteringsarbetsflöden med relativt liten ansträngning, förutsatt att du är bekväm med att köra skript utanför Excel.

De viktigaste Python-biblioteken för att arbeta med Excel

OpenPyXL Det är ett av de mest populära biblioteken för att manipulera Excel-filer från Python. Det är inriktat på moderna arbetsböcker, det vill säga de som är baserade på XML, som Excel. .xlsx, .xltm, .xlsm och .xltx, vilket motsvarar versioner av Excel 2010 och senare.

Med OpenPyXL kan du läsa innehållet i befintliga ark, skapa nya ark, skriva värden och ändra filegenskaper, såsom metadata, stilar, kantlinjer eller formatering. Detta är särskilt användbart när du behöver automatisera den periodiska genereringen av Excel-rapporter från externa data.

För sin del, pandor Det är förmodligen det mest kända biblioteket för dataanalys i Python och erbjuder även mycket bekvämt stöd för att arbeta med Excel. Genom funktioner som read_excel y att_excelDet är möjligt att ladda data från böcker och exportera analysresultaten tillbaka till kalkylbladet.

pandor utmärker sig i uppgifter som Rensning, omvandling, aggregering och sammanslagning av tabellerDet är idealiskt när huvuddelen av analysen görs utanför Excel och arbetsboksformatet endast används för datainmatning eller -utmatning, eller till och med som ett leveransformat för affärsanvändare.

Ett annat mycket intressant alternativ är PyXLL, vilket går utöver att bara läsa och skriva filer. PyXLL tillåter Registrera Python-funktioner så att de är synliga från Excel som om de vore inbyggda funktioner, integreras i skrivbordsmiljön och låter dig dra nytta av hela Pythons vetenskapliga ekosystem i kalkylblad.

På ett liknande sätt, xlSlim erbjuder möjligheten till Skriv och kör Python-kod direkt från Excel-cellerDen låter dig definiera anpassade funktioner och manipulera data i böcker. Den har en egen editor och kan anropa VBA-funktioner från Python, vilket gör den till ett kraftfullt verktyg för scenarier där båda språken används.

Mer läsinriktad, xlrd har varit en referens i åratal läs och format .xls-filer (Excels klassiska binära format). Även om det har förlorat mark med tiden till modernare alternativ och dess stöd för nya format är begränsat, är det fortfarande en lösning att överväga när man arbetar med äldre arbetsböcker.

Om din oro gäller skrivhastigheten, PyExcelerate Den är optimerad för att generera kalkylblad mycket snabbt. Den är idealisk när du behöver Skapa många Excel-filer på kort tidsom i automatiserade processer som genererar massrapporter. Nackdelen är att det fokuserar på att skriva och inte läsa.

Inom området numerisk beräkning, numpy Den är inte specifikt utformad för Excel, men den passar perfekt i arbetsflöden där data flyttas via CSV-filer. Den tillåter arbeta med matriser och vektorer på ett extremt effektivt sättUtför komplexa matematiska operationer och spara sedan resultaten i format som Excel enkelt kan läsa.

Slutligen, xlwings Den erbjuder en mycket kraftfull integration mellan Python och Excel, till den grad att den anses vara en Ett alternativ till Power Query- eller VBA-makron Den är lämplig för många uppgifter. Den låter dig automatisera kalkylblad, interagera med intervall, diagram och kontroller, och har en gratisversion med öppen källkod och en professionell version med ytterligare stöd och funktioner.

Genom att kombinera dessa bibliotek med den nya officiella Python-integrationen i Excel är det möjligt att täcka allt från från enkla automatiseringar till avancerade analys- och rapporteringsprojektanpassa verktyget till varje teams behov och tekniska nivå.

Pythons ankomst i Excel förändrar hur du arbetar med data i kalkylblad: det är nu möjligt att skapa avancerade analyser, komplexa automatiseringar och visualiseringar Att bibehålla det välbekanta gränssnittet, förlita sig på molnbaserad exekvering, etablerade vetenskapliga bibliotek och ett ekosystem av externa bibliotek som fortfarande är mycket användbara när du behöver gå utöver vad Microsofts egen integration erbjuder.