辅助 Excel 的数据计算 add-ins
对于大多数简单运算，Excel都提供了方便的实现手段，有时是易用的函数，有时是直观的按钮或菜单。但我们还是会遇到的一些较复杂或特殊的运算，依靠Excel本身很难实现。Excel提供了add-in接口，可以通过这个接口执行外部程序，从而借助外部语言或脚本实现这些较复杂或特殊的运算，达到辅助Excel的目的。下面，让我们深入了解一些Excel的常见数据计算add-ins，并评估它们的计算能力。Excel DNAExcel DNA是早期出现的一款Excel add-in，它可以把程序员写好的动态库函数放到Excel里使用，动态库可以使用C#/F#/VB.net等语言等编写。具体用法上，Excel DNA和其他所有add-ins都类似，首先要编写自定义函数。比如下面C#编写的代码中（引自Excel DNA官网），MyFunction是自定义函数名。using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;using ExcelDna.Integration;namespace MyLibrary{public class Class1{[ExcelFunction(Description="few people use this way!")]public static string MyFunction(string name){return "Bonjour" + name;}}}上面的代码须编译成动态库，之后才能在Excel中使用。接下来，一般要配置自定义函数和add-in的关系。比如下面的DnaSample.dna文件，表明本add-in的名字是"My name"，对应的动态库是Mylibrary.dll（含有多个自定义函数）。最后在Excel中配置该add-in，就可以在单元格中调用MyFunction这个函数了，如下：AA1=MyFunction("jason")press enter-->1Bonjour jason22应该注意到，上述过程有个编译的动作，因为编译过的程序可直接执行，且与Excel集成紧密，因此执行效率非常高。这便带来了Excel DNA最大的优点：顺滑无卡顿。Excel DNA的其他优点从名字就可以看出来，换句话说，该add-in可以充分利用微软DNA架构提供的便利，比如开发语言、开发工具、Excel集成、联动调试等。还应该注意到，C#/F#/VB.net等语言的通用性很强，理论上是无所不能的，但官网的代码例子却只是字符串输出，体现不出哪怕丝毫的能力，这到底是为什么呢？因为理论和实际是有差别的。C#/F#/VB.net等语言缺乏结构化计算类库，即使最基本的运算都要硬编码实现，代码因此非常繁琐，并不适合做复杂的数据计算。除了不适合数据计算，还应注意到C#/F#/VB.net是编译型语言，而不是解释型语言，这就要求用户必须维护一套编译环境，以备修改算法后编译所用，而微软的编译环境配置较复杂，桌面数据分析师不易掌握。事实上，C#/F#/VB.net等语言本身的技术门槛就很高，这就导致Excel DNA更适合专业程序员作为接口使用，并不适合大多数桌面数据分析师直接使用。除了Excel DNA，还有其他一些add-ins同样缺乏结构化计算类库，比如基于JAVA语言的JINX。很容易就能判断出，JINX也不适合数据计算。事实上，Excel 自带的VBA在语言能力上和Excel DNA/JINX相当（都不适合数据计算），但VBA免集成免编译，比Excel DNA/JINX更有竞争优势。Excel JavaScript显而易见，无论什么add-ins，至少要比VBA方便好用，才值得我们学习研究。微软也发现了这个问题，所以2013年推出了Excel JavaScript，一种比VBA更方便的add-ins专用语言。Excel JavaScript的用法和其他add-ins类似，这里以及后续都不再赘述。值得强调的是，Excel JavaScript是解释型语言，可以随时修改并立即执行，而无需编译，这一点和Excel DNA区别较大。既然是解释型语言，一般就会存在卡顿问题，但Excel JavaScript是Excel内置的语言，可以在同一个进程中执行，因此实际效果非常顺滑，执行效率仅次于Excel DNA。内置于Excel还会的带来其他好处，比如无需下载，可直接开发，这便省去了繁琐的部署过程。再比如Excel JavaScript继承了Excel跨平台的能力，只需编写一次，就可以在单机版、网页版、Mac版上无缝迁移。另外，Excel JavaScript可直接访问workbook、sheet、cell等Excel对象，开发效率显著提升。等一下，上面说的虽然都是Excel JavaScript的优势，但好像VBA也具备同等的优势，所以，说好的“更方便”到底体现在哪里？比VBA更方便，体现在Excel JavaScript的界面控制能力上。换句话说，Excel JavaScript可以用更简单的语法访问Excel菜单栏、面板按钮、弹出框，可以在JS文件中直接定义add-ins界面，比VBA方便太多了。唯一的问题是，界面控制并非数据计算add-ins的重点，不值得我们关注……不错，既然讲的是数据计算add-ins，那数据计算能力才是关注重点，而不是界面控制能力。但遗憾的是，JavaScript依然没有任何结构化计算函数，用于做Excel都难以实现的数据计算也没啥特别的优势，仅仅是让Excel多了一种不同于VBA的脚本语言而已。pyxll显然，只有具备结构化计算类库，才算是合格的数据计算add-ins，比如这里要讲的pyxll。Pyxll是基于Python语言的add-in，而Python拥有结构化计算类库Pandas。既然是合格的数据计算add-in，pyxll实现简单算法时自然无需硬编码，比如对指定区域分组汇总：选中Excel中的一批员工记录，传给自定义函数groupEmp，由pyxll执行分组汇总算法，并返回计算结果，只需编写如下代码：import pandas as pdimport numpy as npfrom pyxll import xl_func@xl_func("dataframe")def groupEmp(df):df=df.groupby("deptid")['salary'].agg([len, np.sum, np.mean]) #核心代码：分组汇总return df上面核心代码只有一行，其他代码基本都是定式。可以看到，具备结构化库函数的pyxll，可以用非常简洁的代码实现分组汇总等简单算法。当然，有时也会遇到较复杂或特殊的运算，需要用多个函数组合实现，而不是单独使用排序、过滤之类基本函数。遗憾的是，pyxll实现较复杂或特殊的运算时不太方便。比如规范化数据并分组汇总的例子：针对Excel中的住户户型明细表（A-E列），自定义函数需按STYLE和BEDROOMS分组，统计SQFEET、BATHS、PRICE的平均值，其中PRICE列原本是字符串，需去掉$符号，转为数值再计算。处理前数据ABCDE1STYLESQFEETBEDROOMSBATHSPRICE2RANCH125021.0$64,0003SPLIT119011.0$65,8504RANCH150033.0$86,6505CONDO140021.5$80,0506…处理后的数据在新sheet中。ABCDE1STYLEBEDROOMSSQFEETBATHSPRICE2CONDO21630.01.7595370.03CONDO31390.02.5079350.04CONDO42105.02.50127150.05RANCH1720.01.0034550.06…实现上述算法的自定义函数如下（只保留核心代码）：for i in range(1, len(b)):b[i][4] = b[i][4].replace(“$”,‘ ‘)b[i][4] = b[i][4].replace(“,”,‘ ‘)for i in range(1, len(b)):for j in [1, 2, 3, 4]:b[i][j] = eval(b[i][j])data = pandas.DataFrame(b[1:],columns=b[0])out = data.groupby([‘STYLE’,‘BEDROOMS’]).mean()return out分组还是只有一句，但前面的预处理却要6行，有点麻烦。再比如一行分多行的例子：A列存储ID，B列存储ID对应的列表List，List有多个成员，以空格为分隔符。自定义函数需将List按空格拆分，使每个ID对应一个成员。处理前的数据ABIDList1A1 B1 C1 D12A23A3 B3 C34A3 B4 D4……处理后的数据在新sheet中：ABIDList1A11B11C11D12A2……实现上述算法的自定义函数如下：split_dict = df.set_index('ID').T.to_dict('list')split_list = []for key,value in split_dict.items():anomalies = value[0].split(' ')key_array = np.tile(key,len(anomalies))split_df = pd.DataFrame(np.array([key_array,anomalies]).T,columns=['ID','ANOMALIES'])split_list.append(split_df)df = pd.concat(split_list,ignore_index=True)return df可以看到，即使只保留核心运算功能，pyxll的代码仍然有点复杂。这就是pyxll缺点之一：不擅长实现较复杂或特殊的运算。pyxll还有一个缺点：Excel要调用外部解释器来解释Python脚本，因此顿挫感较强烈，会严重影响用户体验。当然，顿挫并非pyxll独有的问题，而是所有外部解释型脚本共通的问题，比如XLwings、 Bert和RExcel。其中XLwings与pyxll同样是基于Python的add-ins，优缺点基本一样。Bert和RExcel是基于R的add-ins，R专注于科学模型算法，其结构化计算类库不够专业，因此这两款add-ins的计算能力还不如pyxll，顿挫感也会更强。当然，解释型语言也有优点，最大的优点是无需编译即可执行，维护修改都很方便。esProcesProc是专业的数据计算引擎，也提供了一个Excel add-in，可以使用esProc 的SPL语言编写计算脚本。它与pyxll有很多相似之处，比如两者都有丰富的结构化计算函数，因此可以轻松实现简单算法，比如对指定区域分组汇总，只需编写脚本groupEmp.dfx:AB1=create(eid, name,deptid,salary).record(arg1)/用arg1接收Excel二维表2=A1.groups(deptid;sum(salary),avg(salary))/核心代码：分组汇总核心代码只有A2一行，非常简洁。之后就可以在Excel单元格中引用自定义函数groupEmp，形如=dfx("groupEmp",A1:D20)。其他基本算法也可以轻松实现（只留核心代码）：AB3=A1.select(salary>8000 && salary<10000)/过滤4=A1.sort(-salary)/逆向排序5=A1.group(deptid).conj(~.sort(salary))/开窗，按工资对各部门内的员工进行排名6=connect@l("mssql").query("select * from dept")/从数据库读入部门记录7=A1.join@i(deptid,A6:deptid,deptname)/对Excel和数据库关联计算通过了解之前的add-ins，我们已经可以得出结论：是否能方便地实现较复杂或特殊的运算，才是判断一款add-in的数据计算能力的真正指标。esProc能够方便地实现较复杂或特殊的运算，这是它比pyxll更有优势的地方。比如规范化数据并分组汇总，前面用pyxll时显得很麻烦，但esProc就简单多了：A2=A2.run(int(replace(replace(#5,”$”,””),”,”,””)):PRICE)3=A3.groups(STYLE,BEDROOMS;avg(SQFEET):SQFEET,avg(BATHS):BATHS,avg(PRICE):PRICE)再比如一行分多行，esProc代码更简单：A2=A1.news(ANOMALIES.split(" ");ID,~:ANOMALIES)再举个逻辑更复杂的例子：计算分期贷款明细。Excel单元格记录着贷款信息，包括贷款 ID，贷款总额、按月分期数、年利率，示意如下：ABCD1LoanIDLoanAmtTermRate2L0110000054.83L022000025.04L03500000124.5自定义函数的目的是计算出各期明细，包括：当期还款额、当期利息、当期本金、剩余本金。计算结果在新sheet 中应当如下：ABCDEFGH1LoanIDLoanAmtPaymentTermRateinterestprincepalprinceplebalance2L0110000020238.1354.75395.8319842.2980159.713L0110000020238.1354.75317.2919920.8360236.874L0110000020238.1354.75238.4419999.6940237.185L0110000020238.1354.75159.2720078.8520158.336…上面的算法用pyxll实现会很麻烦，但esProc 就很方便：A2=A2.derive(Rate/100/12:mRate,LoanAmt*mRate*power((1+mRate),Term)/(power((1+mRate),Term)-1):mPayment)3=A3.news((t=LoanAmt,Term);LoanID, LoanAmt, mPayment:payment, Term, Rate, t* mRate:interest, payment-interest:principal, t=t-principal:principlebalance)看起来esProc的数据计算能力确实很强大，但是，非常遗憾的是，esProc也是基于外部解释器的add-in，还需要JVM来执行，它同样存在卡顿的问题。esProc through clipboard有没有办法既能利用esProc强大的计算能力，还能顺滑地操作esProc？用剪贴板代替自定义函数！比如求各科前3名的学生：A列是学生姓名，B-D列分别是数学、英语、物理成绩，需要求出每学科成绩前3名的学生，并追加到本科成绩之后。处理前数据ABCD1namemathenglishphysics2lily97100993Joshua100991004Sarah9899965Bertram9495856Paula9188917Sophia9281768Ben8780769Ruth92918710Pag958787选中这些单元格，先用ctrl+C复制到剪贴板，再在esProc脚本中执行如下代码：AB1=clipboard().import@t()/从剪切板获取数据2=A1.top(-3;math).(name)/math前3名3=A1.top(-3;english).(name)4=A1.top(-3;physics).(name)5=join@p(A2;A3;A4).export()/拼成二维表再转成字串6=clipboard(A5)/向剪切板导出数据执行上述脚本后，只需在Excel的B11格用ctrl+V，即可将剪切板中的数据复制到B11-D13，达到和自定义函数相同的效果，如下：ABCD…………9Ruth92918710Pag95878711JoshuaLilyJoshua12SarahSarahLily13lilyJoshuaSarah类似的，大多数自定义函数都可以用剪切板简单代替，除非遇到一些特殊情况，比如多片区域参与运算。应该注意到，上述过程虽然可以到达顺滑操作的目的，也可以利用到esProc强大的计算能力，但并没有使用add-in协议。事实上，如果愿意使用剪切板，就没必要部署复杂的add-ins，这对数据分析师来说，难道不是一件减轻负担的好事吗？还应该注意到，不仅esProc可以利用剪贴板来解决卡顿的问题，pyxll等add-ins理论上也完全可以，只要它们在将来的版本中提供类似的函数（从剪切板获取数据并转换成内部的结构化数据类型）。经过前面的比较，我们可以得出这样的结论：流畅的add-ins计算能力差；计算能力强的add-ins存在卡顿现象。配合剪切板使用esProc可以弥补卡顿的缺点，更适合桌面分析师使用。