Anaconda 代码：使用 Python 为 Excel 创建和使用用户自定义函数

我们很高兴地宣布 Anaconda Code 中的一项强大的新功能：Python 用户自定义函数！借助 UDF，您可以编写 Python 函数，并像使用原生 Excel 函数一样使用它们，从而将 Python 丰富的数据科学生态系统的全部功能直接带到您的电子表格公式中。让我们看一个真实的例子，展示这种集成有多么强大。

在一次函数调用中将交叉表转换为长格式

考虑一个常见的数据重塑挑战：将交叉制表（宽）数据转换为长格式。您可能会想，“嗯，我可以轻松地使用 Power Query 来做到这一点。” 是的，没错。但是生成的表不是动态的。每次输入数据更改时，都需要刷新查询。并且查询与该工作簿绑定。借助 Anaconda Code 和 Anaconda Toolbox，您可以创建 Python UDF，将其另存为代码片段，并在您打开的任何工作簿中使用它。此外，快速取消透视宽格式表所需的代码非常简单。以下是如何创建一个自定义 UNPIVOT 函数，使其像任何内置 Excel 函数一样工作

# decorate the function with the UDF decorator
@UDF(name='UNPIVOT', nested=False)
def unpivot_data(
    data: UDF.Range, # the input data from the Excel sheet
    id_vars, # the column(s) to keep fixed in the output
    var_name='variable', # the column name to hold the unpivoted column headers
    value_name='value' # the column name to hold the unpivoted values
    ) -> UDF.Range: # output the result as an Excel spilled array
    
    # convert the input data into a Pandas DataFrame 
    df = to_df(data)
    
    # pass the arguments through to the melt function and return the result
    return df.melt(id_vars=id_vars, var_name=var_name, value_name=value_name)

定义后，您可以直接在 Excel 中使用此函数。例如，对于跨年份的销售数据

图 1：UNPIVOT 用户自定义函数直接从 Excel 网格调用

如果您想继续学习此示例，这是一个公式，它将为您提供输入数据。只需将其放入工作表的 B2 单元格中即可。

={"Category",1996,1997,1998;"Confections",29685.549981647,82657.7504128219,55013.9244483569;"Dairy Products",40980.4499421209,115387.639834883,78139.194964755;"Meat/Poultry",28813.6599777699,80975.1079431361,53233.591471141}

设置输入数据后，打开 Anaconda Code 并加载环境。这将确保 Python 环境在加载项中运行

图 2：要在 Anaconda Code 中使用 Python，您首先需要加载环境

加载环境后，转到 Anaconda Code 的导入和定义选项卡，并将 UDF 代码从代码片段粘贴到脚本中。作为参考，这里再次提供

# decorate the function with the UDF decorator
@UDF(name='UNPIVOT', nested=False)
def unpivot_data(
    data: UDF.Range, # the input data from the Excel sheet
    id_vars, # the column(s) to keep fixed in the output
    var_name='variable', # the column name to hold the unpivoted column headers
    value_name='value' # the column name to hold the unpivoted values
    ) -> UDF.Range: # output the result as an Excel spilled array
    
    # convert the input data into a Pandas DataFrame 
    df = to_df(data)
    
    # pass the arguments through to the melt function and return the result
    return df.melt(id_vars=id_vars, var_name=var_name, value_name=value_name)

将代码粘贴到导入和定义脚本后，点击保存并运行按钮以在 Excel 中注册 UNPIVOT 函数。

完成后，绿色的保存并运行按钮将变为运行。这意味着您的函数现在已在 Excel 中注册！继续使用它来取消透视销售数据！

=UNPIVOT(B2:E5,"Category", "Year", "Revenue")

现在您已经了解了如何在 Anaconda Code 中创建 Python 用户自定义函数，这里有一个快速视频，展示了一个更复杂的示例。希望这将激发您对可以使用这项新功能做些什么的想法。

为什么 Anaconda Code 中的 UDF 具有颠覆性

• 原生 Excel 集成：您的 Python 函数像内置 Excel 函数一样工作
• 范围支持：使用 UDF.Range 类型提示自然地处理 Excel 范围
• 灵活的参数：支持带有默认值的可变参数和可选参数
• 内置文档：您的 Python 文档字符串成为 Excel 函数帮助文本
• 本地执行：函数在您安全的 Anaconda Code 环境中本地运行

UDF 入门

创建您自己的 UDF 就像使用 @UDF 装饰器装饰 Python 函数一样简单。以下是它们的特殊之处

1. Excel 范围的类型提示：使用 UDF.Range 来处理单元格范围
2. 可选参数：添加默认值以使函数参数在 Excel 中成为可选
3. 有用的文档：添加文档字符串为 Excel 用户提供函数帮助
4. 可变参数：支持 *args 以接受多个输入

立即开始创建您自己的函数

可能性是无限的——从简单的数据转换到复杂的统计分析，您现在可以将 Python 的功能直接带入您的 Excel 公式中。 

准备好开始了吗？从 Microsoft AppSource 下载 Anaconda Toolbox，立即开始使用 Python 创建您自己的自定义 Excel 函数！

如果您想提高您的数据可视化技能，请注册我们即将于 2025 年 1 月 23 日举办的直播课程 Excel 中使用 Python 进行数据可视化。在 Owen Price https://www.linkedin.com/in/owenhprice 的这个互动式直播课程中，您将学习如何使用 Excel 中的 Python 和 Anaconda Toolbox for Excel 来制作引人注目的数据可视化。如果您是 付费订阅者，您可以免费参加此直播课程。要注册，请点击此处。

如果您是 Python in Excel 的新手，请查看 我们的点播网络研讨会 Excel 中 Python 简介。在本次网络研讨会中，我们涵盖了 Excel 中 Python 的基础知识、理解数据类型和输出模式、Pandas DataFrames 的简要介绍、自定义函数以及使用 Anaconda Toolbox for Excel 的简化 Python 图表体验。您可以在此处观看网络研讨会。