使用 Python 在 Excel 中进行数据可视化简介

将 Python 与 Excel 集成是一个突破性的插件，它充当连接两个流行但以前相互独立的生态系统的桥梁。将 Python 代码无缝集成到 Excel 工作簿中，使我们能够在 Excel 中直接利用 Python 丰富的库进行数据分析和可视化，使其成为数据爱好者和分析师的宝贵工具。在这篇博文中，我们将探讨 Python 在 Excel 中如何使用 Seaborn（一个流行的 Python 可视化库）进行数据可视化，而无需离开 Excel 网格。

注意：要重现本文中的示例，请安装Python 在 Excel 中的试用版。

在 Excel 中编写 Python 代码：“=py” 前缀

在 Excel 中使用 Python 非常简单。要在 Excel 单元格中编写 Python 代码，您只需在输入的开头加上 “=py” 前缀。例如，假设您在 “data” 工作簿中有一些数据，并且想要将其读入 pandas 数据帧中。在 Excel 单元格中，输入：=py(“. 然后，您可以像在常规 Python 环境中一样继续编写 Python 代码。要从 “data” 工作簿中读取数据并创建 pandas 数据帧，请使用以下语法：

df = xl("data!A1:I399", headers=True)

在此示例中，您将从 “data” 选项卡上的指定范围 “data!A1:I399” 中读取数据。“headers=True” 参数表示第一行包含列标题，允许 Excel 创建具有正确列名称的 pandas 数据帧。

要检查 Excel 中数据帧的前五行，您可以直接执行命令 “df.head()”。此示例展示了一个包含汽车技术规格的数据集。

为什么要使用 Seaborn？

Seaborn 是一个构建在 Matplotlib 之上的数据可视化库，Matplotlib 是 Python 中另一个流行的绘图库。虽然 Matplotlib 为创建静态、交互式和动画可视化提供了灵活的基础，但 Seaborn 提供了一个更高级的接口，简化了生成信息丰富且美观的统计图形的过程。

在 Excel 中进行 Seaborn 绘图

Seaborn 受欢迎的主要原因之一是它易于使用的绘图语法。只需几行代码，您就可以创建视觉上令人惊叹的绘图，而使用其他库则需要付出更大的努力。Seaborn 的高级函数使我们能够快速生成各种类型的绘图，例如散点图、条形图、直方图、箱线图等等，只需最少的编码。

• 显示每加仑英里数 (MPG) 分布的直方图

• 显示 MPG 分布的核密度图

• 显示 MPG 与重量之间关系的散点图

创建统计图

Seaborn 在创建统计图方面表现出色，可以揭示复杂数据集中的宝贵见解。通过在其绘图函数中加入统计估计方法，Seaborn 可以自动计算和显示必要的汇总统计数据，并拟合线性回归模型。这不仅节省了时间，而且还为我们的可视化表示提供了更多统计见解。

• 例如，您可以为重量与 MPG 之间的关系绘制线性回归模型。

• 为每个起源指定色调和标记，以创建三个线性回归模型。

可视化多个关系

在数据分析中，我们经常遇到包含多个变量的数据集。Seaborn 的能力在可视化多个变量（包括分类变量和数值变量）之间的关系方面表现出色。通过利用 jointplot() 和 pairplot() 等功能，Seaborn 使我们能够使用来自不同模块的多种类型的图，在一个图形中表示数据集的多个方面。

• 例如，您可以使用 jointplot() 来关注每个起源的重量与 MPG 之间的特定关系。此图使我们能够观察每个变量在每个起源中的分布，同时还可视化重量与 MPG 之间的相关性。

结论

总之，Python 在 Excel 中对于经常处理数据并依赖 Excel 和 Python 的任何人来说都是一个游戏规则的改变者。通过结合 Excel 和 Seaborn 的强大功能，您可以更轻松地访问强大的数据分析功能，并释放数据驱动见解的全部潜力。那么，为什么不深入了解 Python 在 Excel 中和 Seaborn 的世界，来发现隐藏的模式，并从您的数据中获得更深入的见解呢？祝您可视化愉快！

想要使用 Python 和 Excel 做更多的事情吗？请查看这篇博文 “从笔记本到工作簿：使用 Python 在 Excel 中进行数据报告”。

想要更深入地了解使用 Seaborn 可视化数据吗？请参加这个使用 Python 进行数据可视化简介课程。

免责声明：截至本文发表时，Microsoft Excel 中的 Python 集成处于 Beta 测试阶段。功能和函数可能会发生变化。如果您在此页面上发现错误，请随时联系我们。

个人简介

Sophia Yang 是 Anaconda 的高级数据科学家和开发者倡导者。她热衷于数据科学界和 Python 开源社区。她是多个 Python 开源库的作者，例如 condastats、cranlogs、PyPowerUp、intake-stripe 和 intake-salesforce。她担任 Python 开源可视化系统 HoloViz 的指导委员会和行为准则委员会成员。她还在 NumFOCUS、PyData 和 SciPy 大会上担任志愿者。她拥有得克萨斯大学奥斯汀分校的计算机科学硕士学位、统计学硕士学位和教育心理学博士学位。