为什么电子表格需要更好的编程支持

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 Program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。您可以在一个地方执行复杂计算、自动化重复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工具之间来回跳转，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

1. 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，这在与非技术团队成员协作时特别有用。

2. 高级分析与建模
   电子表格本身通常不设计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。

3. 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不原生支持的专业逻辑。

4. 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，并直接在Python代码中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。原生AI助手（例如Claude 3.7 Thinking）可以帮助生成和调试Python脚本，但它始终显示底层代码，因此您具有完全的可见性和控制权。

Quadratic如何处理完整的数据生命周期

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发现结果，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。如果您需要专业包，可以使用Pyodide即时安装它们。

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

内置编码支持是对电子表格用户的重大升级，弥合了Excel熟悉界面与现代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所有事情——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项。免费试用Quadratic，看看您可以节省多少时间。

本赞助内容由Quadratic AI提供。Quadratic AI是一个现代AI支持的电子表格，支持Python、SQL和JavaScript等编码语言。