Python in Excel: analisi avanzata nel tuo foglio di calcolo Excel

Se ti è mai capitato di passare troppo tempo a districarti tra formule o a scorrere righe infinite di dati in Excel, non sei il solo. È uno strumento affidabile per il lavoro quotidiano con i dati, soprattutto in ambito business. Ma o

Quando i dataset crescono e l’analisi si fa più complessa, Excel può iniziare a mostrare i suoi limiti. Le prestazioni rallentano e attività come analisi avanzate o automazione diventano macchinose.

Una cosa meno nota è che Excel include il supporto integrato per Python. Puoi scrivere codice Python direttamente nel foglio di calcolo e non devi passare continuamente da Excel a un IDE come Spyder. Questo apre la strada a grafici migliori, analisi più veloci e un’automazione più flessibile, ma solo se riesci a far funzionare Python in Excel per te senza incappare in bug o altri problemi frustranti

Questo articolo richiede una certa conoscenza di Python. Se sei alle prime armi, ti consiglio di dare un’occhiata ai nostri corsi molto pertinenti: Introduction to Importing Data in Python e Python for Spreadsheet Users. Infine, voglio aggiungere che

questo articolo si concentra su come usare Python all’interno di Excel per migliorare i tuoi fogli di calcolo. Se ti interessa lavorare al di fuori di Excel (usando script Python per leggere, scrivere e manipolare i file Excel direttamente) ti consiglio anche di leggere il nostro tutorial Python Excel, che tratta in dettaglio questo approccio.

Perché Python è utile in Excel

Prima di passare a configurazione e sintassi, vediamo perché questa integrazione è importante. Probabilmente usi Excel per calcoli rapidi, tabelle o grafici. Ma per analisi più avanzate, come la pulizia di grandi dataset o la modellazione di trend, Python ha strumenti che Excel da solo non offre. 

Accesso a librerie preinstallate

Python in Excel include di default la distribuzione Anaconda, quindi hai accesso integrato a librerie popolari come pandas, NumPy, Seaborn, Matplotlib e scikit-learn. Questi strumenti sono utili per lavorare con tabelle, visualizzare pattern o addestrare modelli. Con tutto già preinstallato, puoi passare direttamente all’analisi senza dover installare altro.

In alternativa, dai un’occhiata al tutorial Python Excel per apprendere come usare Python per scrivere e manipolare i fogli di lavoro Excel dall’esterno di Excel.

Esecuzione in cloud e collaborazione

Quando usi Python in Excel, il codice Python viene eseguito in container sicuri su Microsoft Azure. Quindi non devi installare o aggiornare Python sul tuo computer. Inoltre, le prestazioni si adattano al carico di lavoro, gestendo anche dataset di grandi dimensioni. La collaborazione in team è semplice, con risultati coerenti e condivisibili e tutto il codice e gli output conservati in un’unica cartella di lavoro centrale.

Sicurezza e conformità per utenti enterprise

Microsoft ha realizzato Python in Excel con particolare attenzione alla sicurezza. Il tuo codice gira in un ambiente isolato, completamente separato dal tuo dispositivo o dalla tua rete. Questa funzionalità è pienamente conforme al GDPR e ad altre normative, e i dati restano all’interno dei confini della tua organizzazione. 

Primi passi con Python in Excel

Python in Excel è disponibile solo tramite abbonamenti Microsoft 365 per utenti Windows. La versione di anteprima è attualmente disponibile per macOS e per le versioni web.

Attivazione e configurazione

Per attivare Python in Excel, vai alla scheda Formule e attiva il componente aggiuntivo Inserisci Python.

Poiché Python in Excel utilizza un ambiente Anaconda incorporato, non è necessaria l’installazione manuale delle diverse librerie.

Verifica dell’ambiente

Una volta attivo, vedrai una cella con la formula: =PY(). Puoi scrivere codice Python all’interno di quella funzione e poi usare Ctrl+Invio per eseguire il codice.

Puoi testare la configurazione eseguendo questo codice, =PY("print('Hello, Excel')").

Se sei nuovo a Python o hai bisogno di aiuto, Copilot può guidarti suggerendo codice, correggendo errori o spiegando come strutturare l’analisi.

Analisi e visualizzazioni più avanzate

Python porta Excel ben oltre i suoi tradizionali limiti di analisi dei dati e visualizzazione. Ora puoi eseguire analisi avanzate con visualizzazioni complesse grazie a questa integrazione.

Visualizzazioni avanzate con Matplotlib e Seaborn

Probabilmente conosci i grafici integrati di Excel, come istogrammi o grafici a torta. Sono rapidi e semplici per visualizzazioni standard. Ma quando ti serve più controllo, per esempio combinare tipi di grafici o sovrapporre dati, Python offre maggiore flessibilità.

Supponiamo di avere un intervallo di dati denominato con le informazioni sui dipendenti e di voler visualizzare lo stipendio medio per reparto. Puoi usare il seguente codice, digitato in una cella di Excel, per creare questo grafico. Nota che la funzione xl() collega le celle di Excel al tuo codice Python. 

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()

Il grafico qui sotto verrà visualizzato come output di questo codice e si aggiornerà automaticamente man mano che inserisci nuovi dati nell’intervallo.

Modellazione statistica e predittiva più approfondita

Python ti consente anche di fare modellazione statistica. Puoi usare scikit-learn per regressione o classificazione e statsmodels per riepiloghi statistici.

Ecco un esempio di utilizzo di Python in Excel per analizzare i dati dei dipendenti:

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}")

Ti consiglio di seguire il nostro corso Pandas Joins for Spreadsheet Users per imparare a usare Pandas ed eseguire analisi avanzate su dataset complessi.

Coding in linguaggio naturale con Copilot

Se non ti senti a tuo agio a scrivere codice Python, puoi usare Copilot come assistente AI. Con Copilot, descrivi a parole il compito che vuoi svolgere e lascia che l’assistente lo gestisca per te. Copilot ti consente di accedere alle varie funzionalità di Python in Excel con il minimo sforzo tecnico.

Supporto della piattaforma e considerazioni sulle licenze

Python in Excel è ancora in evoluzione e la disponibilità dipende dalla piattaforma che usi.

Piattaforme supportate

Vediamo dove è supportato Python in Excel e quali limitazioni potrebbero applicarsi.

Termini d’uso e conformità

Le funzionalità Python sono disponibili solo nei piani commerciali Microsoft 365 e richiedono licenze organizzative. Per gli utenti enterprise, Microsoft copre le principali esigenze di conformità, tra cui controlli di residenza dei dati, conformità al GDPR e sandboxing sicuro. Questa caratteristica lo rende una buona opzione anche per team con requisiti normativi stringenti.

Limitazioni attuali e soluzioni alternative

Noterai anche che Python in Excel ha alcuni aspetti negativi che possono limitarne l’applicazione.

Vincoli specifici della piattaforma

Ti suggerisco di tenere a mente quanto segue quando usi questa funzionalità:

• Internet obbligatoria: Python gira nel cloud, quindi è necessaria una connessione a Internet.
• Nessun accesso ai file locali: Python in Excel non può accedere ai file, ai dispositivi o alla rete del tuo computer locale. Questo ne limita l’uso alle cartelle di lavoro correnti, senza collegarsi a database locali o API esterne.
• Librerie personalizzate limitate: non puoi installare i tuoi pacchetti o librerie Python. Python in Excel fornisce solo l’accesso a un set preinstallato di librerie della distribuzione Anaconda. Per esigenze più avanzate, usa strumenti come Jupyter Notebook, PyXLL, xlwings o componenti aggiuntivi per Excel.
• Controllo del ricalcolo: quando modifichi una cella, tutte le formule Python su tutte le schede della cartella di lavoro potrebbero ricalcolarsi, con rallentamenti e consumo inutile della quota. Puoi scegliere "Calcolo manuale" o "Parziale" per modificare le modalità di aggiornamento automatico. 

Debug e gestione degli errori

Considera questi suggerimenti per risolvere bug o funzionalità incomplete:

• Comprendi i messaggi di errore: molti problemi derivano da errori di sintassi o di riferimento.
• Problemi di dipendenze: attieniti sempre alle librerie supportate per evitare errori di import. 
• Supporto della community: per assistenza, consulta la documentazione e i forum della community di Microsoft Python in Excel o di Anaconda.

Roadmap futura

Per ottenere il massimo da Python in Excel, mantieni Excel aggiornato, esplora le opzioni cloud e locali man mano che evolvono e lascia che Copilot ti guidi nella scrittura del codice. Microsoft sta lavorando per ampliare il supporto alle piattaforme, aggiungere più librerie e migliorare l’integrazione con Copilot e GitHub, quindi c’è molto da aspettarsi.

Se vuoi far crescere le tue competenze in Excel, ti consiglio il nostro corso Data Analysis in Excel. Ti aiuterà a padroneggiare l’analisi avanzata e a far decollare la tua carriera. Aggiungo anche che, sebbene abbiamo visto come usare Python direttamente dentro Excel, a volte la soluzione migliore è lavorare dall’esterno. Se vuoi automatizzare file Excel o creare report con script Python, dai un’occhiata al nostro tutorial Python Excel.

Infine, se lavori con Google Sheets, leggi il nostro tutorial su Google Sheets con Python, perché Python in Excel e Python in Google Sheets sono abbastanza diversi da non poter trasferire direttamente le conoscenze dall’uno all’altro, ma conoscerli entrambi è utile.