Python in Excel作图分析实战！

Excel 中的 Python 现已正式发布，适用于 Microsoft 365 商业版和企业版的 Windows 用户。去年 8 月，微软与 Anaconda 合作，通过集成 Python 为 Excel 引入了一个令人兴奋的新增功能，从而可以将 Python 和 Excel 分析无缝结合到同一个工作簿中，无需设置。从那时起，我们将流行的 Python 分析库（如 pandas、Matplotlib 和 NLTK）的强大功能带给了无数的 Excel 用户。

当然，要使用Python in Excel，必须订阅Microsoft 365 商业版或企业版。

打开Excel，点击“公式”-“插入Python”：

选中单元格，输入“=PY”：

点击弹出的PY按钮后，输入框变成绿色的“PY”：

接下来我们就可以对数据进行Python处理分析了。

我们有如下数据：

此时，有两种情况发生：一种是您会Python语言，另一种是您不会Python语言。

如果您会使用Python语言

在PY输入框输入：

sample_df = xl("IrisDataSet8[#全部]", headers=True)
sample_df.describe()

生成dataframe，展开描述信息：

接着，再导入matplotlib库生成散点图：

import matplotlib.pyplot as plt
plt.scatter(xl("IrisDataSet10[sepal_length]"), xl("IrisDataSet10[sepal_width]"))
plt.xlabel('sepal_length')
plt.ylabel('sepal_width')
plt.title('Sepal length and width analysis')

生成图像以观察变量之间的关系：

引入seaborn进行线性回归统计模型：

import seaborn as sns
sample_df = xl("IrisDataSet11[#全部]", headers=True)
sns.regplot(data = sample_df[["sepal_length","petal_length"]], x = "sepal_length", y = "petal_length")

绘图找出因变量与一个或多个自变量之间的线性关系：

引入pandas矩阵图：

from pandas.plotting import scatter_matrix
sample_df = xl("IrisDataSet13[#全部]", headers=True)
columns_to_plot = ["sepal_length", "sepal_width", "petal_length", "petal_width"]
categories = sample_df["species"].unique()  # Get unique categories
colors = {category: i for i, category in enumerate(categories)}
scatter_matrix(sample_df, c=sample_df["species"].apply(lambda x: colors[x]), figsize=(6, 6), alpha=0.8)

生成图矩阵，用于分析数据集中变量对之间的关系：

如果您不会Python语言

也无妨，copilot会帮助您！

在Excel中，点击copilot，弹出右侧聊天框，要求copilot写出Python进行线性回归的代码：

复制这一段代码到PY输入框，根据提示进行适当修改即可。

并且，很快Python in Excel with copilot就要可以用了。届时，copilot将直接根据自然语言自动生成py代码并直接运行出结果，直接省掉了复制粘贴修改的步骤。

让我们期待这一切的发生！

很多人说，为什么不直接在Python中实现？

我的回答是：Python单单一个安装环境就把90%的人挡在了门外，有些人终其一生都不愿意离开Excel的。