Excel の Python を何年も無視していましたが、今ではそれなしでは仕事ができません

Posted on 21 3月 9:28 pm

プロフェッショナルの世界では、Microsoft Excel はあらゆる数値計算に不可欠な基盤であるという暗黙のルールがほぼ守られてきました。誰でもアクセスでき、単純なタスクには非常に強力です。ただし、複雑なデータをクリーンアップしたり、大量の情報を処理したり、高度な統計モデリングを実行しようとすると、非常に扱いにくく、遅くなります。

この変化に何年も抵抗してきた結果、Excel 内で Python を使用することは単なる小さな改善ではないことがわかりました。使い慣れたスプレッドシートグリッド内に留まりながら、読みやすいコードを使用して、扱いにくいテキストの照合から完全な統計概要の作成まで、複雑なタスクを処理できます。

Excel スプレッドシートは業界標準のように感じられます

誰もが Excel を使用する大きな理由があります

クレジット: Corbin Davenport / How-To Geek / Microsoft

Microsoft Excel は、長い間、データ分析と財務モデリングの非常に重要なエントリポイントでした。私も含め、世界中の多くの専門家にとって頼りになるツールです。エンジニアリング、ビジネスからヘルスケア、教育に至るまでの世界的な産業では、人々は複雑な情報を処理、整理、表示するためのソフトウェアを非常に頼りにしています。無料版でも注目度は高い。

特に財務は Excel の代名詞です。これらの部門の事実上すべてのコンピューターがそのソフトウェアを実行し、この標準化された使いやすいプログラムのおかげでチーム全体が存在していることは想像に難くありません。抽象テキストを一行ずつ記述する必要があるシーケンシャルプログラミング言語とは異なり、Excel では交差する行と列で構成される基本的なグリッド構造が使用されます。

スプレッドシートが人気を保ち続けるもう 1 つの理由は、スプレッドシートが即座に視覚的なフィードバックを提供してくれることです。通常のスプレッドシートプログラムでは、保存されている値を 1 つ変更するだけで、それがワークブック全体のすべての計算値にどのような影響を与えるかをすぐに確認できます。これは、ソフトウェアがセルをインテリジェントに再計算できるため、手動ですべてを再計算するのではなく、変更された変数に依存する特定のセルのみを自動的に更新するために発生します。

この即時の応答性により、Excel はシナリオを調べてパラメーターをすぐに変更できるため、迅速な what-if 分析を実行するための非常に強力なツールになります。計算結果がセル内に直接表示されるため、ロジックを即座に確認できるため、データ操作の内容を確認するためだけにコードをコンパイルする必要がありません。

電子スプレッドシートは、プログラマーではない人でも自由に数値データをいじって表示できる場所として設計されました。そのため、プロのソフトウェア開発者でなくても、正式なコンピューターサイエンスのトレーニングを必要とせずに、自動化されたアクションを作成したり、複雑な論理データオブジェクトを構築したりできます。

それでも、少なくとも Python のようなプログラミングを通じて仕事を楽にする方法を学ぼうとしていないのであれば、チャンスを逃していることになります。

Python ロジックをグリッドに追加する

Python を使用していない場合は、チャンスを逃してしまいます

Microsoft Excel を使用してデータアナリストとして作業している場合は、ネイティブの計算式の限界に追い込まれていると感じたことがあるでしょう。非常に脆弱で複雑な数式を構築しなければならないことがよくあり、場合によっては無限にネストされた数式を作成する必要がありました。 IF ステートメントと不格好な SUBSTITUTE 乱雑なテキストをきれいにするためだけに機能します。これまで動的データを管理するには、次のような揮発性の検索関数に依存する必要がありました。 OFFSET 常に再計算が行われるため、ワークブックのパフォーマンスが大幅に低下します。

おそらく、Excel に Python を使用すると、画像であっても状況が変わることに気づいていないでしょう。高度なスクリプト機能を Excel の計算エンジンに組み込みます。このスマートなセットアップの中心となるのは、Anaconda ディストリビューションの統合です。 pandas や Matplotlib などの強力なオープンソース Python ライブラリをスプレッドシートグリッドに組み込みます。

従来の数式の複雑なチェーンを構築する代わりに、pandas ライブラリを使用して、実際に読み取ることができるわずか数行のコードで巨大なデータセットを簡単にクリーンアップ、フィルタリング、マージ、再形成できるようになりました。新しいものを使用することで、 =PY() 関数を使用すると、セル内に Python スクリプトを直接記述することができます。その後、カスタムを使用できます xl() Excel の範囲、テーブル、または Power Query 接続を直接 pandas DataFrame に簡単に取り込み、より高度な作業を行うための関数です。

これは、複雑なローカル Python セットアップのインストールや管理を必要とせずに機能します。これは、コードの実行が Microsoft Cloud にスムーズにオフロードされるためです。 Python スクリプトを Excel セルに保存すると、データとロジックは Azure で実行されているハイパーバイザーで分離されたコンテナーに安全に送られ、そこですべての重い計算が行われます。

クラウドコンテナーは指示を実行し、結果を Excel ワークシートに直接送り返します。これらの結果は、隣接するセルにまたがる従来の Excel 値として、またはすべてを含む Python オブジェクトとして出力できます。

結果を DataFrame などの Python オブジェクトとして返す場合、その複雑なデータは、後の計算チェーンの他の Python セルから簡単に参照できます。これにより、ビジュアルインターフェイスが煩雑になることなく、詳細なデータ構造が保持されます。

Excel で Python を使用する簡単な方法があります

すべてが非常に複雑である必要はない

クレジット: Lucas Gouveia / How-To Geek

分析上の利点を得るために、Python のすべてを習得するのに何か月も費やす必要はありません。いくつかのコマンドを覚えれば、何時間もかかる退屈なスプレッドシート作業を置き換えることができます。

次のような単一のコマンドを実行することで、 df.describe()を使用すると、データセット全体の完全な統計概要が得られ、すべての数値列の数、平均、標準偏差、最小値、最大値、四分位数が表示されます。基本的なスクリプトを使用して、複数の列にわたる重複を自動的に削除することもできます。

基本的なクリーニング以外にも、一貫性のないテキスト文字列に対してあいまい一致を実行できます。 TheFuzz などの組み込み Python ライブラリを使用すると、類似したテキスト文字列を自動的にグループ化する制限を設定することで、ほとんど作業を行わずに、シート間で異なる顧客名やカテゴリのスペルミスなど、バリエーションを含むエントリを簡単に比較および照合できます。

最悪のシナリオでは、Copilot を使用して、実行する必要があることの実装方法と使用するコードを Copilot に尋ねることができます。つまり、自分が必要なものや欲しいものを説明する方法を知っている限り、本当に独りになることはありません。

重要なのは、すでに使い慣れたスプレッドシート環境を捨てることではなく、より良い環境にすることです。これらの小さくて簡単な成功から始めて、現在の専門知識を重視した方法で徐々に学ぶことができます。 Python は、基本的なスプレッドシートのスキルを置き換えるために存在するのではなく、さらに多くのことを実行できるようにするために存在します。面倒なデータクリーニング、複雑なあいまいテキストマッチング、大規模な統計集計などの難しい作業を Python に任せることができ、その一方で、Excel が最も得意とする機能を引き続き使用できます。

Excel で Python を試してみましょう

最初は Excel で Python を使用するかどうかわかりませんでしたが、それがプラットフォームの最も優れた部分の 1 つであることがわかりました。長いものに依存するなど、まだ古いやり方をしている場合は、 VLOOKUP 複雑なタスクをチェーンで実行したり、テキストを手作業で削除したりする場合、Python では 1 行で実行できるのに、抵抗するのをやめるべき時が来ました。 Excel の Python は、単なる一時的な流行や小さな改良ではありません。それは現在、専門的なデータ分析の標準となっています。これにより、退屈な手作業を乗り越えて、高度な戦略的洞察を得ることができます。この変化を歓迎すれば、これまで仕事のスピードを遅らせていたボトルネックが解消されるでしょう。