辅助 Excel 的数据计算 add-ins
Excel 中遇到较复杂的运算，数据分析师常会用 add-ins 辅助解决。本文考察了一些常见的 add-ins，从部署难度、开发难度、流畅程度等方面进行深度对比，并着重考察了数据计算能力，集算器 SPL 在这些 add-ins 中的表现相对出色。点击辅助 Excel 的数据计算 add-ins了解详情。
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 DNA
Excel 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：
A |
A |
||||
1 |
=MyFunction("jason") |
press enter |
--> |
1 |
Bonjour jason |
2 |
2 |
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 pd import numpy as np from 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
A |
B |
C |
D |
E |
|
1 |
STYLE |
SQFEET |
BEDROOMS |
BATHS |
PRICE |
2 |
RANCH |
1250 |
2 |
1.0 |
$64,000 |
3 |
SPLIT |
1190 |
1 |
1.0 |
$65,850 |
4 |
RANCH |
1500 |
3 |
3.0 |
$86,650 |
5 |
CONDO |
1400 |
2 |
1.5 |
$80,050 |
6 |
… |
处理后的数据在新sheet中。
A |
B |
C |
D |
E |
|
1 |
STYLE |
BEDROOMS |
SQFEET |
BATHS |
PRICE |
2 |
CONDO |
2 |
1630.0 |
1.75 |
95370.0 |
3 |
CONDO |
3 |
1390.0 |
2.50 |
79350.0 |
4 |
CONDO |
4 |
2105.0 |
2.50 |
127150.0 |
5 |
RANCH |
1 |
720.0 |
1.00 |
34550.0 |
6 |
… |
实现上述算法的自定义函数如下（只保留核心代码）：
for i in range(1, len(b)): b[i][4] = b[i][4].replace(“$”,‘ ‘) 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
A |
B |
ID |
List |
1 |
A1 B1 C1 D1 |
2 |
A2 |
3 |
A3 B3 C3 |
4 |
A3 B4 D4 |
… |
… |
处理后的数据在新sheet中：
A |
B |
ID |
List |
1 |
A1 |
1 |
B1 |
1 |
C1 |
1 |
D1 |
2 |
A2 |
… |
… |
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。
集算器 SPL
集算器 SPL是专业的数据计算引擎，也提供了一个Excel add-in，可以使用SPL 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:
A |
B |
|
1 |
=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）：
A |
B |
|
3 |
=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。
SPL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SPL就简单多了：
A |
|
2 |
=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，SPL代码更简单：
A |
|
2 |
=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：
A |
B |
C |
D |
|
1 |
LoanID |
LoanAmt |
Term |
Rate |
2 |
L01 |
100000 |
5 |
4.8 |
3 |
L02 |
20000 |
2 |
5.0 |
4 |
L03 |
500000 |
12 |
4.5 |
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：
A |
B |
C |
D |
E |
F |
G |
H |
|
1 |
LoanID |
LoanAmt |
Payment |
Term |
Rate |
interest |
princepal |
princeplebalance |
2 |
L01 |
100000 |
20238.13 |
5 |
4.75 |
395.83 |
19842.29 |
80159.71 |
3 |
L01 |
100000 |
20238.13 |
5 |
4.75 |
317.29 |
19920.83 |
60236.87 |
4 |
L01 |
100000 |
20238.13 |
5 |
4.75 |
238.44 |
19999.69 |
40237.18 |
5 |
L01 |
100000 |
20238.13 |
5 |
4.75 |
159.27 |
20078.85 |
20158.33 |
6 |
… |
上面的算法用pyxll实现会很麻烦，但SPL就很方便：
A |
|
2 |
=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SPL的数据计算能力确实很强大，但是，非常遗憾的是，集算器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。
集算器 SPL through clipboard
有没有办法既能利用SPL强大的计算能力，还能顺滑地操作集算器？
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
A |
B |
C |
D |
|
1 |
name |
math |
english |
physics |
2 |
lily |
97 |
100 |
99 |
3 |
Joshua |
100 |
99 |
100 |
4 |
Sarah |
98 |
99 |
96 |
5 |
Bertram |
94 |
95 |
85 |
6 |
Paula |
91 |
88 |
91 |
7 |
Sophia |
92 |
81 |
76 |
8 |
Ben |
87 |
80 |
76 |
9 |
Ruth |
92 |
91 |
87 |
10 |
Pag |
95 |
87 |
87 |
选中这些单元格，先用ctrl+C复制到剪贴板，再在SPL脚本中执行如下代码：
A |
B |
||
1 |
=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：
A |
B |
C |
D |
|
… |
… |
… |
… |
|
9 |
Ruth |
92 |
91 |
87 |
10 |
Pag |
95 |
87 |
87 |
11 |
Joshua |
Lily |
Joshua |
|
12 |
Sarah |
Sarah |
Lily |
|
13 |
lily |
Joshua |
Sarah |
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SPL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，不仅集算器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。配合剪切板使用集算器 SPL可以弥补卡顿的缺点，更适合桌面分析师使用。
