我做了很多数据分析，我在大学期间做过大量的数据处理，我的本科论文本质上是一个数据处理项目。对于所有这些，我最终使用Python来处理一些最复杂的部分，我发现通过结合使用Excel和Python，我能够真正提高我的数据处理能力，并轻松享受Excel的相对简单性，同时仍能从Python的高级功能中受益。
如果你想使用现在Excel中内置的Python版本，这非常容易。它使用了Anaconda提供的一些Python库。至于用例，你可以运行Python脚本、执行数据分析、创建图表、浏览电子表格见解、使用图表可视化数据等。
除了自带的核心库之外，你还可以通过Anaconda灵活地导入更多库。你需要在Python Excel单元格中使用 Python import语句来完成导入过程。微软推荐Astropy、Faker、IPython、NumPy、Pandas、Prince、qrcode 和许多其他库。你可以前往该公司的官方网站浏览整个列表。我最常使用Pandas和NumPy，但网上有无数教程可以帮助你入门。
不过说实话，我只是将工作表和Python工作分开。我会在Google工作表或Excel中工作，完成后，我会导出文件并开始用Python工作。我不会同时做这两件事，但我可以在完成其他流程后重新导入数据，以便在Excel中进一步调整。
1、自动化和效率，忘记复杂的公式，只需使用脚本即可。
Excel非常棒，可以快速轻松地控制电子表格。它拥有强大的公式和大量功能，非常棒。但是，如果你花时间学习Python，你可以自动化许多流程，甚至不需要查看任何复杂的东西。对于数据清理、合并电子表格和构建复杂数据转储等操作，Python非常棒。
例如，过去，我必须使用两个工作表之间的公共键合并电子表格，然后从电子表格B中获取数据并将其附加到电子表格 A 中的每个相关行。这在Excel中是可能的，但使用Python，我有脚本可以自动完成此过程。我只需在与电子表格相同的文件夹中运行我的脚本，它就会为我完成所有工作，生成一个包含我需要的所有内容的完整CSV。
当然，你也可以用Python中的Pandas库读取XLSX文件，所以微软自己的电子表格格式还是完全受支持的。
2、高级数据可视化，Matplotlib和Plotly都很棒，比Excel好得多。
如果你想完全控制数据可视化方式，那么Python是必须的。世界各地的数据科学家都在使用Python，这是有原因的。它能够生成精美的图表或以引人注目的方式可视化数据，这要归功于matplotlib等库。我所做的几乎所有数据可视化都是通过matplotlib进行的，它让你可以完全控制图表的每个方面。
与Python的其他部分一样，这绝对是一个学习曲线，但如果你想以最佳方式可视化数据，我强烈建议你掌握它。Matplotlib是一个用于可视化的低级库，但你也可以尝试使用Plotly之类的库，这是一个更高级、更现代的库，可能更容易上手。Plotly有一个可用于绘图的高级API，如果你是编程新手，这会让事情变得容易得多。
3、无缝集成，微软在Excel中集成Python非常棒。
由于Python已集成到Excel中，因此将两者结合使用从未如此简单。您只需选择顶部的公式，然后选择插入 Python即可。你还可以键入=PY在给定单元格中调用Python。Excel中的Python依赖于自定义Python函数 x1 () 来连接Excel和Python，该函数可很好地处理范围、表格、查询和名称等基本对象。
除此之外，你还可以使用Excel进行数据输入，同时受益于Python的强大功能，并且只需一个应用程序即可完成所有操作。它是一种非常强大的编程语言，我强烈建议你掌握它，因为它可以让您的数据分析变得更容易。