Vào cuối năm 2023, Microsoft đã chính thức công bố tích hợp Python vào Excel. Giống như nhiều người, ban đầu tôi khá hoài nghi và vẫn tiếp tục dựa vào VBA cùng các công thức Excel có sẵn để phân tích và trực quan hóa dữ liệu. Tuy nhiên, sau khi nghe những lời bàn tán về tiềm năng to lớn của nó trên các diễn đàn, tôi cuối cùng đã “lặn sâu” vào thế giới của Python trong Excel, và sự kết hợp này đã vượt xa mọi mong đợi của tôi. Khả năng tận dụng các thư viện Python mạnh mẽ trực tiếp trong môi trường Excel quen thuộc đã thay đổi cơ bản cách tôi tiếp cận dữ liệu. Nhìn lại, tôi không khỏi tự hỏi tại sao mình không khám phá tính năng này sớm hơn. Microsoft Excel trên Windows hỗ trợ một bộ thư viện Python cốt lõi từ Anaconda, và bạn cũng có thể sử dụng câu lệnh import để nhập thêm các thư viện khác thông qua Anaconda.
Làm sạch và chuẩn hóa dữ liệu khách hàng
Trong hoạt động kinh doanh thương mại điện tử của mình, tôi thường xuyên nhận dữ liệu khách hàng từ nhiều nguồn khác nhau. Mỗi tập tin đều có định dạng không nhất quán, với các kiểu ngày tháng, địa chỉ đa dạng và tên khách hàng viết hoa/thường lẫn lộn. Việc làm sạch dữ liệu này thủ công trong Excel luôn là một cơn ác mộng, tốn thời gian và dễ xảy ra lỗi. Đây chính là lúc thư viện Pandas của Python đã giúp công việc của tôi trở nên dễ dàng hơn rất nhiều.
Minh họa làm sạch dữ liệu khách hàng với Python trong Excel bằng thư viện Pandas
Trước tiên, tôi chỉ cần sao chép và dán dữ liệu từ mỗi nguồn vào các bảng tính riêng biệt trong sổ làm việc Excel của mình. Sau đó, tôi sử dụng mã Python để làm sạch định dạng ngày tháng, chuẩn hóa địa chỉ và tên khách hàng. Giả sử tên khách hàng nằm trong cột B của Trang tính 3, tôi có thể sử dụng đoạn mã dưới đây để thực hiện công việc:
=PY("""import pandas as pdnames = pd.DataFrame({'Name': xl('Sheet3!B1:B100')})names['Name'] = names['Name'].str.title()names""")Cụ thể, phương thức .str.title() sẽ chuyển đổi các chuỗi thành định dạng viết hoa chữ cái đầu mỗi từ. Việc từng tốn hàng giờ nay chỉ mất vài phút. Dữ liệu giờ đây sạch sẽ, nhất quán và sẵn sàng cho việc phân tích chuyên sâu.
Phân tích xu hướng bán hàng hiệu quả
Mặc dù Excel cung cấp nhiều hàm và thủ thuật để phân tích xu hướng bán hàng, Python đã nâng toàn bộ trải nghiệm này lên một tầm cao mới. Bất cứ khi nào tôi muốn trực quan hóa xu hướng doanh số, xác định các tháng đỉnh điểm và phát hiện bất kỳ sự sụt giảm tiềm ẩn nào, tôi luôn ưu tiên sử dụng thư viện Pandas và Matplotlib để hoàn thành công việc.
Giả sử dữ liệu bán hàng của tôi nằm trong một bảng tính Excel có tên ‘SalesData’ với các chi tiết sau:
- Cột A: Tháng (Tháng 1, Tháng 2, Tháng 3,…)
- Cột B: Dữ liệu bán hàng với các giá trị số
Tôi chỉ cần chạy một đoạn mã Python vào một ô Excel. Đoạn mã này sẽ nhập các thư viện Pandas và Matplotlib – những công cụ thiết yếu cho việc phân tích dữ liệu và tạo biểu đồ. Nó sẽ tải dữ liệu từ trang tính ‘SalesData’ vào một Pandas DataFrame, chuyển đổi doanh số thành dữ liệu số, tạo biểu đồ đường, tính toán và vẽ đường trung bình động, và hiển thị biểu đồ đã tạo. Việc này tiết kiệm đáng kể thời gian và công sức so với các phương pháp thủ công trong Excel.
Biểu đồ xu hướng doanh số và DataFrame được tạo bằng Python trong Excel sử dụng Pandas và Matplotlib
Trong một ví dụ khác, giả sử bạn có bốn cột là Date, Product, Quantity và Sales trong Excel. Bạn có thể chọn toàn bộ cơ sở dữ liệu, sử dụng thư viện Pandas để tạo DataFrame (về cơ bản là tải dữ liệu của bạn lên Python để phân tích dữ liệu), lấy đó làm tham chiếu và chọn phương thức describe để kiểm tra các dữ liệu liên quan. Tham khảo ảnh chụp màn hình dưới đây:
=PY xl("G6").describe()
Kết quả phương thức describe() trong Python Excel hiển thị thống kê mô tả dữ liệu
Tôi thậm chí có thể đi xa hơn và yêu cầu nó mô tả chi tiết các sản phẩm. Tôi đã thêm [“Product”] vào lệnh Python và bạn có thể tự mình xem kết quả. Tôi có thể nhanh chóng thấy số lượng sản phẩm, các sản phẩm duy nhất, các sản phẩm hàng đầu và tần suất của chúng.
=PY xl("G6")["Product"].describe()
Kiểm tra chi tiết sản phẩm bằng Python trong Excel với hàm describe() trên cột Product
Tôi thậm chí còn chưa khai thác hết bề mặt của những gì Python có thể làm trong Excel. Khả năng là vô tận. Tôi có thể lấy tổng doanh số cho từng ngày, tạo biểu đồ và làm nhiều việc khác nữa với thư viện Pandas. Nếu bạn là người mới bắt đầu với Python, bạn có thể gặp khó khăn trong việc viết mã hoặc gặp lỗi. Bạn có thể tận dụng trình chỉnh sửa Python hiển thị ở thanh bên, tìm hiểu về các lỗi và thực hiện các bước cần thiết để khắc phục. Nếu bạn mới bắt đầu hành trình Python của mình, hãy tham khảo tài liệu Pandas để học tất cả các thủ thuật hữu ích.
Kiểm soát loại đầu ra của Python trong Excel
Excel cung cấp sự linh hoạt để kiểm soát cách Python hiển thị DataFrames. Đôi khi bạn có thể muốn xem dữ liệu ở định dạng thân thiện với Excel thay vì định dạng Python thuần túy.
- Mở bảng tính Excel của bạn và nhấp vào ô chứa DataFrame.
- Tìm menu thả xuống bên cạnh biểu tượng PY màu xanh lá cây ở phía trên.
- Chọn loại đầu ra giữa Python Object (Đối tượng Python) hoặc Excel Value (Giá trị Excel).
Thay đổi định dạng hiển thị kết quả Python từ Python Object sang Excel Value trong Excel
Mẹo: Đặt tên cho DataFrame của bạn
Đây là một thủ thuật khác mà tôi thường sử dụng mỗi khi khám phá Python trong Excel. Tôi gán cho DataFrame một tên duy nhất để dễ tham chiếu và cải thiện khả năng đọc mã. Cách này tốt hơn nhiều so với việc sử dụng toàn bộ mã DataFrame.
- Chọn ô DataFrame trong Excel.
- Đặt cho nó một tên duy nhất ngay trước thanh công thức, gõ =, và nhấn Ctrl + Enter.
Hướng dẫn đặt tên cho DataFrame trong Excel để quản lý mã Python dễ dàng hơn
Ngoài Pandas và Matplotlib, Openpyxl, Squarify và Pyexcel là một số thư viện Python phổ biến khác mà tôi rất mong được thử nghiệm trong quy trình làm việc Excel của mình.
Thà muộn còn hơn không
Trải nghiệm của tôi với Python trong Excel là một khám phá đáng kể. Tôi đã chuyển từ việc điều hướng các công thức phức tạp sang thao tác và phân tích dữ liệu dễ dàng với sự trợ giúp của các thư viện Python. Đây không chỉ là việc tự động hóa các tác vụ, mà còn là việc mở khóa một cấp độ khám phá và hiểu biết dữ liệu mới, ngay trong giao diện quen thuộc của các hàng và cột.
Nếu bạn vẫn đang phụ thuộc vào các phương pháp Excel truyền thống, tôi đặc biệt khuyên bạn nên dùng thử tính năng tích hợp này. Để bắt đầu, hãy cân nhắc khám phá các thư viện Python trong Excel để mở rộng khả năng của mình.
