Liebe Excel-Enthusiasten,
in meinem heutigen Blogbeitrag möchte ich Ihnen eine aufregende Neuerung in Microsoft Excel vorstellen, die das Potenzial hat, die Art und Weise, wie Sie Daten analysieren und automatisieren, grundlegend zu verändern. Es handelt sich um die Integration von Python in Excel, die nun im Beta-Kanal von Office 365 verfügbar ist. Excel hat in der Vergangenheit viele Updates erhalten, aber dieses Feature setzt Excel in eine ganz neue Liga. Sie fragen sich vielleicht, ob das etwas für Sie ist, besonders wenn Sie kein Programmierer oder Geek sind und sich auf Ihre täglichen Excel-Aufgaben konzentrieren. Doch bevor Sie urteilen, schlage ich vor, dass Sie sich die Zeit nehmen, diesen Artikel bis zum Ende zu lesen und das Video von der Excel-Expertin @LeilaGharani anzuschauen, das ich Ihnen gleich vorstellen werde. Denn ich verspreche Ihnen, es wird Ihre Sichtweise auf Excel verändern.
Hier finden Sie das YouTube-Video:
Quelle des YouTube-Videos: https://youtu.be/FbBXtqtRnWU?si=z0NFFIS_z35daI2z
Python-Modus in Excel
Der Python-Modus in Excel ist einfach zu finden. Sie finden ihn im Formeln-Tab unter “Python“. Hier können Sie eigene Python-Formeln einfügen oder Python-Beispiele erkunden. Aber lassen Sie uns gemeinsam starten und ich zeige Ihnen, wie das funktioniert.
Der erste Schritt ist, in den Python-Modus zu wechseln. Sie können dies tun, indem Sie auf “Python einfügen” klicken und eine benutzerdefinierte Python-Formel einfügen. Beachten Sie, wie sich die Formelzeile ändert, sobald Sie dies tun. Eine andere Möglichkeit, in den Python-Modus zu gelangen, besteht darin, “=PY” einzugeben. Sobald Sie die Tab-Taste drücken, befinden Sie sich bereits im Python-Modus.
Daten von Excel nach Python senden – Erstellen eines DataFrames
Lassen Sie uns mit einem Beispiel beginnen. Angenommen, Sie möchten einige Einblicke aus Ihrem Datensatz gewinnen. Der erste Schritt besteht darin, Ihre Daten nach Python zu senden, damit Python damit arbeiten kann. Sie können dies tun, indem Sie einfach auf die Zelle verweisen, die Ihre Daten enthält. Drücken Sie dann die Tastenkombination Strg + Umschalt + Abwärtspfeil, um den gesamten Bereich auszuwählen. Beachten Sie, was in der Formelzeile angezeigt wird. Sie haben Ihren Datensatz und “Headers=True“. Dies wurde automatisch erkannt, und alles ist in eine XL-Funktion eingebettet. Wenn Sie jetzt Enter drücken, passiert nichts. Enter fügt neue Zeilen in Ihr Python-Skript ein. Um den Code auszuführen, verwenden Sie Strg + Enter, und Sie erhalten ein sogenanntes DataFrame. Wenn Sie Python kennen, wissen Sie, was das ist. Andernfalls ist es im Wesentlichen eine komprimierte Version Ihrer Tabelle, eine zweidimensionale Datenstruktur, die in einer Zelle liegt. Jetzt schauen Sie sich das Dropdown-Menü an. Was hier zurückgegeben wird, ist ein Python-Objekt, nämlich unser DataFrame. Aber Sie können Ihre Ansicht ändern und Excel-Werte zurückgeben. Wenn Sie dies tun, erhalten Sie Ihren Datensatz zurück. Da dies jedoch viel Platz beansprucht, können Sie es auf ein Python-Objekt umstellen und Ihren DataFrame erhalten.
DataFrame – Wie ein Ikea-Tisch
Stellen Sie sich diesen DataFrame wie einen Ikea-Tisch vor. Wenn Sie einen neuen Tisch von Ikea kaufen, ist er in einer einzelnen Verpackung. Wenn Sie einen Blick auf den Inhalt werfen möchten, können Sie auf diese Karte klicken und die ersten und letzten Zeilen Ihres Datensatzes sehen. Dieser DataFrame ist eine grundlegende Struktur einer bestimmten Python-Bibliothek namens Pandas. Die Pandas-Python-Bibliothek ist großartig für Datenanalysten und Sie sollten sich diesen Namen merken, wenn Sie nach weiteren Funktionen in der Python-Bibliothek suchen. Aber ich werde später mehr über Bibliotheken und Pandas erklären. Was ich Ihnen jetzt zeigen möchte, sind einige der coolen Dinge, die Sie hier tun können.
Daten beschreiben und benennen
Sie können beispielsweise in eine andere Zelle gehen und den Python-Modus aktivieren, indem Sie “=PY” eingeben. Ich werde auf meinen DataFrame verweisen und dann die Methode “Describe” verwenden, indem ich “.describe” eingebe. Dann öffne und schließe ich die Klammern, um den Code auszuführen, und erhalte ein DataFrame zurück. Aber ich möchte die Excel-Werte sehen, also wechsle ich meine Ansicht zu Excel-Werten und erhalte Informationen zu meinem Datensatz. Das ist die Anzahl jeder Spalte, den Durchschnitt, die Standardabweichung und so weiter.
Dem DataFrame einen Namen geben
Wenn Sie vorhaben, die in Python hochgeladenen Daten zu verwenden und verschiedene Berechnungen durchzuführen, ist es hilfreich, ihnen einen Namen zu geben. Auf diese Weise müssen Sie nicht immer auf die Zelle verweisen. Sie tun dies, indem Sie zu Ihrem ersten DataFrame gehen und einfach einen Namen vergeben, der keine Leerzeichen enthält. Zum Beispiel “df” für DataFrame, gleich diesem Datensatz. Wenn ich das jetzt ausführe, ändert sich nichts. Aber wenn ich später Berechnungen basierend auf diesem DataFrame durchführen möchte, muss ich nicht mehr auf die Zelle verweisen, sondern kann einfach “df” eingeben.
Kurzbefehle für Spaltenüberschriften
Eine weitere nützliche Abkürzung ist die Vermeidung von eckigen Klammern, wann immer dies möglich ist. Die Pandas-Bibliothek wandelt Ihre Spaltenüberschriften in Attribute um. Solange Ihre Überschriften keine Leerzeichen enthalten, können Sie sie tatsächlich so eingeben. Sie können den DataFrame gefolgt von der Überschrift und der Methode aufrufen. Das gleiche Ergebnis wird erzielt, es sei denn, die Überschriften enthalten Leerzeichen, dann müssen Sie die eckigen Klammern verwenden.
Funktionen aus den Standardbibliotheken
Es gibt viele Funktionen in der Pandas-Bibliothek, die denen in Excel ähnlich sind, wie SUM oder AVERAGE. Nehmen wir an, Sie möchten die Verkäufe mit Python zusammenzählen. Gehen Sie in den Python-Modus und verwenden Sie die Tastenkombination Strg + Alt + Umschalt + P, um dorthin zu gelangen. Dann verweisen Sie auf Ihren DataFrame mit “.sales.sum” und führen den Code aus. Sie erhalten die Summe Ihrer Verkäufe. Das Gleiche gilt für den Durchschnitt. Sie können “mean” verwenden, um den Durchschnitt zu berechnen. All das können Sie auch mit einfachen Excel-Formeln erreichen. Warum also Python verwenden?
Daten aggregieren und Diagramme erstellen
Lassen Sie uns einen Schritt weitergehen. Angenommen, Sie möchten Ihre Gesamtverkaufswerte für jedes Datum anzeigen. Beachten Sie, dass Ihre Daten wiederholt werden, aber Sie möchten sie für jedes Datum zusammenfassen, ähnlich wie in einer Pivot-Tabelle. Gehen Sie in den Python-Modus, verweisen Sie auf Ihren DataFrame und verwenden Sie die “groupby“-Funktion. Sie möchten alles nach dem Datum gruppieren und die Gesamtwerte aus den Verkäufen anzeigen. Dies führt zu einem Python-Objekt, das Sie in Excel-Werte umwandeln können, um Ihre Daten anzuzeigen. Das Beste daran ist, dass dies Formeln sind. Wenn Sie beispielsweise den Wert ändern, wird alles automatisch aktualisiert. Sie können sogar Diagramme in einer Zelle erstellen, was Excel allein nicht kann.
Bibliotheken und Module importieren
Sie können auch Bibliotheken oder Module importieren, die standardmäßig nicht verfügbar sind. In diesem Fall haben wir das Modul “re” für reguläre Ausdrücke importiert. Dies ist nützlich, wenn Sie Muster in Ihren Daten suchen müssen. Sie können dies tun, indem Sie in den Python-Modus wechseln und die Bibliothek oder das Modul importieren. Dadurch wird die Bibliothek geladen und Sie können sie verwenden, um Aufgaben auszuführen, die in Excel allein schwierig wären.
Daten von Power Query in Python verwenden
Wenn Sie sich fragen, ob Sie Python mit Ihren Power Queries verbinden können, ist die Antwort ja. Sie müssen die Daten nicht physisch in Ihrer Arbeitsmappe laden. Sie können sie über eine Verbindung laden und dann ein DataFrame erstellen und Python-Code darauf anwenden.
Das waren einige der aufregenden Möglichkeiten, wie Sie Python in Excel verwenden können, um Ihre Datenanalyse und Automatisierung auf das nächste Level zu heben. Es eröffnet eine völlig neue Dimension in Excel und bietet unendliche Möglichkeiten. Ich bin begeistert von diesen Funktionen und hoffe, Sie sind es auch.
Weitere interessante Beiträge zu dem Thema: