Le récent annonce de Microsoft qu’ils ont maintenant Python intégré dans son logiciel de feuille de calcul Excel a ouvert une multitude de nouvelles applications pour l’analyse des données, l’automatisation et l’analyse des chiffres. Cette nouvelle approche d’intégration permet aux utilisateurs de mélanger en toute transparence Python et Excel analyses dans la même grille Excel, créant ainsi un flux de travail ininterrompu. Le résultat? Un outil puissant qui permet la manipulation et l’exploration des données à l’aide de tracés et de bibliothèques Python, couplé à l’affinement des informations à l’aide des formules, des graphiques et des tableaux croisés dynamiques d’Excel.

Le pouvoir transformateur de Python dans Excel réside dans sa capacité à exploiter les bibliothèques Python pour nettoyer, explorer et analyser les données directement dans l’environnement Excel familier et sécurisé. Cette fonctionnalité est conçue pour répondre à la fois aux utilisateurs expérimentés de Python et à ceux qui débutent, éliminant ainsi le besoin de toute installation supplémentaire.

Comment utiliser Python dans les feuilles de calcul Excel

Python dans Excel rassemble le meilleur des deux mondes. Il combine les bibliothèques d’analyse et de visualisation de données de Python avec les fonctionnalités d’Excel, permettant aux utilisateurs de manipuler et d’explorer des données à l’aide de tracés et de bibliothèques Python, et d’affiner les informations à l’aide des formules, des graphiques et des tableaux croisés dynamiques d’Excel.

Que sont les bibliothèques Python ?

Il s’agit d’ensembles de modules qui fournissent des fonctionnalités, des méthodes et des classes pour effectuer des tâches spécifiques sans avoir besoin d’écrire du code à partir de zéro. Ces bibliothèques peuvent être considérées comme des outils ou des extensions que vous pouvez utiliser dans vos programmes Python pour réaliser certaines fonctionnalités facilement et efficacement. Voici un aperçu de quelques points clés :

• Modularité: Les bibliothèques se concentrent souvent sur des domaines spécifiques, permettant aux utilisateurs de choisir les outils qui correspondent le mieux à leurs besoins. Par exemple, il existe des bibliothèques pour le développement Web, l’analyse de données, l’apprentissage automatique, etc.
• Efficacité: De nombreuses bibliothèques Python sont optimisées pour les performances, garantissant que les opérations sont exécutées le plus rapidement possible.
• Soutien communautaire: De nombreuses bibliothèques Python sont open source, ce qui signifie qu’elles sont développées et maintenues par une communauté de développeurs. Cela signifie également qu’ils sont continuellement mis à jour et améliorés.
• Facilité d’utilisation: Les bibliothèques Python sont souvent accompagnées d’une documentation et d’exemples complets, ce qui facilite leur implémentation et leur utilisation par les développeurs.

Pour illustrer ce processus, l’ensemble de données iris, un ensemble de données populaire en science des données, est utilisé. La première étape de l’analyse consiste à créer un bloc de données à l’aide du Bibliothèque PANDAS. Dans le cadre d’un partenariat stratégique avec Anaconda, la société a veillé à ce que les versions des bibliothèques populaires soient directement disponibles dans le classeur.

Une trame de données nommée « DF1 » est créée via une référence de cellule, à l’aide de la nouvelle fonction Excel avec un paramètre d’en-têtes généré automatiquement. Le code peut être généré sous forme d’objet Python ou de valeur Excel. La bibliothèque PANDAS est ensuite utilisée pour comprendre l’ensemble de données, avec des fonctions telles que la forme, les informations et la description.

L’ensemble de données est nettoyé en supprimant les doublons et les valeurs aberrantes. Les tracés Python sont créés pour visualiser et explorer des modèles, des tendances et des informations sur les données. Des histogrammes, des nuages ​​de points et des diagrammes de paires sont utilisés pour visualiser les données. Quatre modèles d’apprentissage automatique différents sont construits, entraînés et testés pour prédire les espèces de fleurs.

La logique de formule et les capacités de collaboration d’Excel sont exploitées pour créer des modèles et partager des analyses. L’analyse comprend la création de blocs de données, le nettoyage des données, la création de tracés Python et la création de modèles prédictifs, le tout dans la grille Excel.

Python dans Excel révolutionne la manière dont l’analyse des données est effectuée. Il offre un mélange unique de capacités d’analyse de données de Python et de fonctionnalités d’Excel, fournissant un outil complet pour la manipulation, l’exploration et l’affinement des données. Pour plus d’informations sur l’utilisation de la nouvelle intégration dans vos feuilles de calcul Excel, passez à la page site officiel de Microsoft 365.

Classé sous : Guides, Actualité à la Une

Dernières offres sur les gadgets geek

Divulgation: Certains de nos articles incluent des liens d’affiliation. Si vous achetez quelque chose via l’un de ces liens, Geeky Gadgets peut gagner une commission d’affiliation. Découvrez notre Politique de divulgation.