Python di Excel: Analisis Lanjutan di Spreadsheet Excel Anda

Jika Anda pernah menghabiskan terlalu banyak waktu memilah rumus atau menggulir baris data yang tak berujung di Excel, Anda tidak sendiri. Ini adalah alat yang andal untuk pekerjaan data sehari-hari, terutama di bisnis. Namun

Saat dataset Anda semakin besar dan analisis Anda menjadi lebih kompleks, Excel mulai menunjukkan batasannya. Kinerja melambat, dan tugas seperti analisis lanjutan atau otomasi menjadi canggung.

Salah satu hal yang kurang dikenal adalah bahwa Excel menyertakan dukungan bawaan untuk Python. Anda dapat menulis kode Python langsung di spreadsheet dan Anda tidak perlu beralih antara Excel dan IDE seperti Spyder. Ini membuka peluang untuk grafik yang lebih baik, analisis lebih cepat, dan otomasi yang lebih fleksibel, tetapi hanya jika Anda dapat membuat Python di Excel bekerja untuk Anda dan tidak terjebak bug atau masalah menjengkelkan lainnya

Artikel ini memerlukan sedikit pengetahuan tentang Python. Jika Anda baru dengan Python, saya sarankan memeriksa kursus kami yang sangat relevan: Introduction to Importing Data in Python dan Python for Spreadsheet Users. Terakhir, saya ingin menambahkan bahwa

artikel ini berfokus pada cara menggunakan Python di dalam Excel untuk menyempurnakan spreadsheet Anda. Jika Anda tertarik bekerja di luar Excel (menggunakan skrip Python untuk membaca, menulis, dan memanipulasi file Excel secara langsung) saya juga merekomendasikan membaca tutorial Python Excel kami yang membahas ide ini secara mendetail.

Mengapa Python Bermanfaat di Excel

Sebelum membahas penyiapan dan sintaks, mari lihat mengapa integrasi ini penting. Anda mungkin sudah menggunakan Excel untuk hitung cepat, tabel, atau grafik. Namun untuk analisis yang lebih canggih, seperti pembersihan dataset besar atau pemodelan tren, Python memiliki alat yang tidak ditawarkan Excel saja. 

Akses ke pustaka pramuat

Python di Excel hadir dengan distribusi Anaconda secara default, sehingga Anda mendapatkan akses bawaan ke pustaka populer seperti pandas, NumPy, Seaborn, Matplotlib, dan scikit-learn. Alat-alat ini berguna saat bekerja dengan tabel, memvisualisasikan pola, atau melatih model. Dengan pustaka-pustaka tersebut sudah pramuat, Anda bisa langsung ke analisis tanpa memasang apa pun tambahan.

Sebagai alternatif, lihat Python Excel tutorial untuk mempelajari cara menggunakan Python untuk menulis dan memanipulasi lembar kerja Excel dari luar Excel.

Eksekusi berbasis cloud dan kolaborasi

Saat Anda menggunakan Python di Excel, kode Python berjalan di container aman di Microsoft Azure. Karena itu, Anda tidak perlu memasang atau memperbarui Python di komputer Anda. Selain itu, kinerjanya menskalakan sesuai beban kerja, menangani dataset yang besar sekalipun. Kolaborasi tim menjadi mudah dengan hasil yang konsisten dan dapat dibagikan serta seluruh kode dan output tersimpan dalam satu workbook terpusat.

Keamanan dan kepatuhan untuk pengguna enterprise

Microsoft membangun Python di Excel dengan mempertimbangkan keamanan. Kode Anda berjalan di lingkungan terisolasi, sepenuhnya terpisah dari perangkat atau jaringan Anda. Fitur ini sepenuhnya mematuhi GDPR dan regulasi lainnya, dan data tetap berada dalam batas organisasi Anda. 

Mulai Menggunakan Python di Excel

Python di Excel hanya tersedia melalui langganan Microsoft 365 untuk pengguna Windows. Versi pratinjau saat ini tersedia untuk macOS dan versi web.

Aktivasi dan penyiapan

Untuk mengaktifkan Python di Excel, buka tab Formulas dan aktifkan add-in Insert Python.

Karena Python di Excel menggunakan lingkungan Anaconda bawaan, Anda tidak memerlukan pemasangan manual berbagai pustaka.

Memverifikasi lingkungan

Setelah aktif, Anda akan melihat sebuah sel dengan rumus: =PY(). Anda dapat menulis kode Python di dalam fungsi itu lalu gunakan Ctrl+Enter untuk menjalankan kodenya.

Anda dapat menguji penyiapan dengan menjalankan kode ini, =PY("print('Hello, Excel')").

Jika Anda baru dengan Python atau memerlukan bantuan, Copilot dapat memandu Anda dengan menyarankan kode, memperbaiki kesalahan, atau menjelaskan cara menyusun analisis Anda.

Analitik dan Visualisasi yang Lebih Lanjutan

Python membawa Excel jauh melampaui batas tradisionalnya dalam analitik data dan visualisasi. Kini Anda dapat melakukan analisis lanjutan dengan visual yang kompleks melalui integrasi ini.

Visualisasi lanjutan dengan Matplotlib dan Seaborn

Anda mungkin sudah akrab dengan grafik bawaan Excel, seperti grafik batang atau pai. Grafik tersebut cepat dan mudah untuk visual standar. Namun saat Anda butuh kontrol lebih, seperti menggabungkan jenis grafik atau melapiskan data, Python memberi fleksibilitas lebih.

Misalkan Anda memiliki rentang data bernama dengan data karyawan dan ingin melihat rata-rata gaji di tiap departemen. Anda dapat menggunakan kode berikut yang diketik di sel Excel untuk membuat grafiknya. Perhatikan di sini fungsi xl() menghubungkan sel Excel dengan kode Python Anda. 

import pandas as pd 
import matplotlib.pyplot as plt

# Read the named range directly as a DataFrame
employee_data = xl("Employee[#All]", headers=True)

# Clean column names
employee_data.columns = employee_data.columns.str.strip()

# Convert numeric columns
employee_data["Age"] = pd.to_numeric(employee_data["Age"])
employee_data["YearsExperience"] = pd.to_numeric(employee_data["YearsExperience"])
employee_data["Salary"] = pd.to_numeric(employee_data["Salary"])

# Group by Department
grouped_data = employee_data.groupby("Department").agg({
    "Name": "count",
    "Salary": "mean"
}).rename(columns={"Name": "Headcount", "Salary": "AvgSalary"})

# Plot: Bar for headcount, Line for salary
fig, ax1 = plt.subplots(figsize=(10, 6))

# Bar chart for headcount
bars = ax1.bar(grouped_data.index, grouped_data["Headcount"], color="#00C74E", label="Headcount")
ax1.set_ylabel("Number of Employees", color="#00C74E")
ax1.set_xlabel("Department")
ax1.tick_params(axis='y', labelcolor="#00C74E")

# Line chart for average salary
ax2 = ax1.twinx()
line = ax2.plot(grouped_data.index, grouped_data["AvgSalary"], color="#0A66C2", marker="o", label="Avg Salary")
ax2.set_ylabel("Average Salary", color="#0A66C2")
ax2.tick_params(axis='y', labelcolor="#0A66C2")

# Title and layout
plt.title("Department Headcount vs. Average Salary")
fig.tight_layout()
plt.show()

Grafik di bawah ini akan tampil sebagai output dari kode tersebut dan akan memperbarui secara otomatis saat Anda memasukkan data baru dalam rentang.

Pemodelan statistik dan prediktif yang lebih dalam

Python juga memungkinkan Anda melakukan pemodelan statistik. Anda dapat menggunakan scikit-learn untuk regresi atau klasifikasi, dan statsmodels untuk ringkasan statistik.

Berikut contoh penggunaan Python di Excel untuk menganalisis data karyawan:

import pandas as pd
from scipy.stats import linregress

# Read data from Excel table
employee_data = xl("Employee[#All]", headers=True)

# Clean column names
employee_data.columns = employee_data.columns.str.strip()

# Convert relevant columns to numeric
employee_data["Age"] = pd.to_numeric(employee_data["Age"])
employee_data["YearsExperience"] = pd.to_numeric(employee_data["YearsExperience"])
employee_data["Salary"] = pd.to_numeric(employee_data["Salary"])

# 1️. Summary statistics
summary = employee_data[["Age", "YearsExperience", "Salary"]].describe()
print("📊 Summary Statistics:\n", summary)

# 2️. Average salary by gender
gender_salary = employee_data.groupby("Gender")["Salary"].mean()
print("\n💰 Average Salary by Gender:\n", gender_salary)

# 3️. Correlation between experience and salary
correlation = employee_data["YearsExperience"].corr(employee_data["Salary"])
print(f"\n📈 Correlation (Experience vs Salary): {correlation:.3f}")

Saya merekomendasikan mengikuti kursus Pandas Joins for Spreadsheet Users kami untuk mempelajari cara menggunakan Pandas guna melakukan analitik lanjutan pada dataset yang kompleks.

Pengodean bahasa natural dengan Copilot

Jika Anda tidak terbiasa menulis kode Python, Anda dapat menggunakan Copilot sebagai asisten AI. Dengan Copilot, Anda bisa menjelaskan tugas yang diinginkan dalam bahasa Inggris biasa dan biarkan asisten yang menanganinya untuk Anda. Copilot memungkinkan Anda mengakses berbagai fitur Python di Excel dengan kerumitan teknis minimal.

Dukungan Platform dan Pertimbangan Lisensi

Python di Excel masih berkembang, dan ketersediaannya bergantung pada platform yang Anda gunakan.

Platform yang didukung

Mari lihat di mana Python di Excel didukung dan pembatasan apa yang mungkin berlaku.

Ketentuan penggunaan dan kepatuhan

Fitur Python hanya tersedia dalam paket komersial Microsoft 365 dan memerlukan lisensi organisasi. Untuk pengguna enterprise, Microsoft memenuhi kebutuhan kepatuhan utama, termasuk kontrol residensi data, kepatuhan GDPR, dan sandbox aman. Fitur ini membuatnya menjadi opsi yang baik bahkan untuk tim dengan persyaratan regulasi yang ketat.

Keterbatasan Saat Ini dan Solusinya

Anda juga akan mendapati bahwa Python di Excel memiliki beberapa kekurangan yang mungkin membatasi penerapannya.

Kendala spesifik platform

Saya sarankan Anda mengingat hal-hal berikut saat menggunakan fitur ini:

• Memerlukan internet: Python berjalan di cloud, sehingga koneksi internet diperlukan.
• Tidak ada akses file lokal: Python di Excel tidak dapat mengakses file, perangkat, atau jaringan komputer lokal Anda. Ini membatasi penggunaannya pada workbook saat ini tanpa menghubungkan ke database lokal atau API eksternal.
• Pustaka kustom terbatas: Anda tidak dapat memasang paket atau pustaka Python Anda sendiri. Python di Excel hanya menyediakan akses ke kumpulan pustaka prainstal dari distribusi Anaconda. Untuk kebutuhan lanjutan, gunakan alat seperti Jupyter Notebooks, PyXLL, xlwings, atau add-in Excel.
• Kontrol perhitungan: Saat Anda mengubah sebuah sel, semua rumus Python di seluruh tab dalam workbook Anda mungkin menghitung ulang, yang bisa lambat dan menghabiskan kuota Anda secara tidak perlu. Anda dapat memilih "Manual Calculation" atau "Partial" untuk mengubah cara pembaruan otomatis terjadi. 

Debugging dan penanganan error

Pertimbangkan kiat-kiat ini untuk mengatasi bug atau fitur yang belum lengkap:

• Pahami pesan error: Banyak masalah muncul dari kesalahan sintaks atau masalah referensi.
• Masalah dependensi: Selalu tetap pada pustaka yang didukung untuk menghindari error impor. 
• Dukungan komunitas: Untuk bantuan, periksa dokumen dan forum komunitas Microsoft Python in Excel atau Anaconda.

Peta Jalan ke Depan

Untuk mendapatkan hasil maksimal dari penggunaan Python di Excel, pastikan Excel tetap diperbarui, jelajahi opsi cloud dan lokal seiring perkembangannya, dan biarkan Copilot membimbing Anda melalui pengodean. Microsoft sedang mengerjakan perluasan dukungan platform, menambahkan lebih banyak pustaka, dan meningkatkan integrasi dengan Copilot dan GitHub, sehingga ada lebih banyak hal yang bisa dinantikan.

Jika Anda ingin meningkatkan keterampilan Excel, saya sarankan mengikuti kursus Data Analysis in Excel kami. Kursus ini akan membantu Anda menguasai analitik lanjutan dan mendorong karier Anda. Saya juga ingin mengatakan bahwa, meskipun kita telah mengeksplorasi cara menggunakan Python langsung di dalam Excel, terkadang solusi terbaik melibatkan pekerjaan dari luar. Jika Anda ingin mengotomasi file Excel atau membuat laporan menggunakan skrip Python, lihat tutorial Python Excel kami.

Terakhir, jika Anda bekerja dengan Google Sheets, baca tutorial kami tentang Google Sheets menggunakan Python, karena Python di Excel dan Python di Google Sheets cukup berbeda sehingga Anda tidak bisa langsung mentransfer pengetahuan dari satu ke yang lain, tetapi mengetahui keduanya akan membantu.