传统上，Excel 的自动化和高级数据操作依赖于 Visual Basic for Applications（VBA），这是一种老化的语言，未能跟上现代数据实践的步伐。2023 年，微软宣布计划将 Python 集成到 Excel 中，但这仍然仅限于 Microsoft 365 Insider 计划或通过笨拙的第三方工具实现。
这种有限的推出意味着大多数用户仍然没有原生的 Python 支持，因此利用 Python 广泛的数据分析库的能力尚未普及。
这很重要，因为内置的编码功能可以将电子表格扩展到传统公式之外。您可以执行复杂的计算、自动化重复性任务，并开发自定义函数，而无需在多个工具之间切换。无需在电子表格应用程序、单独的 IDE 和用于可视化的 BI 工具之间来回切换，您可以在一个地方处理所有事情——减少摩擦并允许更快速的迭代。
电子表格中 Python 的用例
-
数据整理与清洗
Python 库如 Pandas 可以快速处理缺失数据、异常值和尴尬的格式。在电子表格网格中工作意味着您可以在上下文中查看转换，特别是在与非技术团队成员协作时非常有用。 -
高级分析与建模
电子表格本身通常不适用于复杂的统计建模或机器学习。手头有 Python 可以轻松运行回归、分类或时间序列模型，而无需将数据导出到其他地方。 -
自动化与自定义函数
虽然电子表格公式可以处理一系列操作，但某些任务受益于脚本语言——特别是如果您需要集成外部 API 或应用电子表格函数本身不支持的专门逻辑。 -
使用 Plotly 进行数据可视化
电子表格通常包括基本的图表工具，但它们很少达到 Plotly 提供的交互性和灵活性水平，导致用户仅仅为了讲述一个简单的数据故事而花费额外的费用购买昂贵的 BI 工具。通过在电子表格中集成 Python 和 Plotly，您可以生成动态图表，如线图、条形图或交互式地图，并将它们直接与您的数据绑定。
介绍 Quadratic
如果您正在寻找一个已经内置 Python（并且不受 beta 或仅限内部人员限制）的电子表格，Quadratic 值得一看。它是一个基于浏览器的电子表格，除了典型的公式外，还支持 Python、JavaScript 和 SQL。您可以导入像 Pandas、NumPy 或 Plotly 这样的库，并在 Python 代码中直接引用电子表格单元格。结果——DataFrames、图表或单个值——直接返回到网格或控制台中。
Quadratic 还包括实时协作功能。多个用户可以同时修改同一个工作簿，这使得共享分析或教授新概念更加容易。一个原生的 AI 助手（例如 Claude 3.7 Thinking）可以帮助生成和调试 Python 脚本，但它总是显示底层代码，因此您具有完全的可见性和控制权。
Quadratic 如何处理全数据生命周期
数据收集与访问
拖放文件（CSV、Excel、Parquet）或直接连接到数据库（Postgres、MySQL）。如果您需要外部数据，可以在 Python 单元格中编写 GET 和 POST 请求到 API。
数据清洗与准备
Quadratic 利用 Python 熟悉的工具（如 Pandas 等）进行数据转换和重新格式化。如果您时间紧迫或需要帮助识别数据中的混乱模式，AI 还可以建议清洗脚本。
探索性数据分析（EDA）
运行描述性统计、相关性或分组操作。Quadratic 与 Plotly 的集成意味着您可以在电子表格中绘制您的发现，并使用 AI 在几秒钟内生成图表。
高级分析与建模
使用 scikit-learn（或其他库）直接在单元格中构建模型。如果您需要专门的包，可以使用 Pyodide 动态安装它们。
可视化与沟通
Plotly 图表在您编辑数据或代码时自动更新。您可以共享工作簿的链接，以便其他人可以实时查看和调整所有内容。
结论
内置编码支持对电子表格用户来说是一个重要的升级，弥合了 Excel 熟悉的界面和现代的、基于脚本的分析之间的差距。虽然 Excel 中的 Python 仍然仅限于一部分用户，但像 Quadratic 这样的替代工具提供了一个现成的解决方案。
通过集成 Python（以及 JavaScript 和 SQL），Quadratic 为开发人员和数据分析师提供了一个更灵活的环境，用于从数据整理到机器学习的各种任务——无需额外安装。如果您希望将电子表格的便利性与 Python 的强大功能结合起来，这是一个值得考虑的可行选择。免费尝试 Quadratic，看看您可以节省多少时间。
本赞助帖子由 Quadratic AI 提供，Quadratic AI 是一个现代的 AI 支持的电子表格，支持 Python、SQL 和 JavaScript 等编码语言。