Cái nào tốt hơn vba hay python?

Bài viết này cố gắng cung cấp một khuôn khổ tinh thần rõ ràng để phân tích cuộc tranh luận về Python và Excel, đồng thời giúp các cá nhân quyết định xem họ nên đầu tư thời gian học Python hay nâng cao kỹ năng Excel

Nói rõ hơn, nếu bạn làm việc trong lĩnh vực tài chính, kế toán, bán hàng, tiếp thị hoặc một số vai trò khác yêu cầu bạn đôi khi thực hiện phân tích dữ liệu, thì bằng mọi cách, hãy tiếp tục sử dụng Excel [có thể nâng cao kỹ năng của Tableau]. học một ngôn ngữ lập trình để thỉnh thoảng bạn có thể sử dụng nó có vẻ như là một điều xa xỉ hơn là cần thiết. Nhưng nếu công việc của bạn là xử lý dữ liệu thì bạn nên đầu tư vào Python

Suy nghĩ xung quanh Python vs Excel không phải lúc nào cũng rõ ràng. Tốc độ, hiệu quả, tính năng phân tích dữ liệu và dữ liệu lớn thường được trích dẫn là lý do tại sao không sử dụng Excel. Những lý do này đúng một phần, nhưng chúng bỏ lỡ bức tranh toàn cảnh. Hãy lấy những lý do này và khái quát hóa nó thành một lý thuyết bao quát hơn

Nói tóm lại, Excel là không đủ vì công việc của bạn với tư cách là một nhà phân tích có 3 phần

1. Lấy dữ liệu
2. Phân tích dữ liệu
3. Trình bày dữ liệu

Excel tốt cho bước 2, nhưng chỉ cung cấp các tùy chọn thủ công và giới hạn cho bước 1 và 3. Điều này làm cho Excel trở thành một giải pháp tuyệt vời để phân tích dữ liệu đặc biệt, một lần duy nhất, nhưng đối với bất kỳ điều gì định kỳ, Python tốt hơn

VBA có thể nâng cao khả năng thực hiện bước 1 và 3 của Excel. Đầu tư vào kỹ năng VBA gần như chắc chắn sẽ mang lại kết quả nhanh hơn so với học Python. Điều này không phải vì học VBA dễ hơn học Python, mà vì học VBA ít hơn Python.

Tuy nhiên, do ứng dụng hạn chế của VBA ngoài việc tương tác với Microsoft Office, cú pháp lỗi thời và khó hiểu cũng như cơ sở người dùng nhỏ hơn, học Python sẽ là một quyết định đầu tư tốt hơn trong thời gian dài, ít nhất là đối với những người có thể đầu tư thời gian để học.

Đây là phiên bản dài

1. Lấy dữ liệu

Lấy dữ liệu bằng Excel là một quy trình thủ công. Lấy dữ liệu bằng Python là một quy trình tự động. Nếu bạn đang làm một báo cáo đột xuất, hay một dự án nghiên cứu, dữ liệu chỉ cần tải một lần thì không cần Python, Excel là đủ. Tuy nhiên, nếu bạn đang làm báo cáo theo lịch trình, thì Python sẽ tăng năng suất của bạn lên đáng kể

Giả sử bạn đang làm một báo cáo tính toán chi phí lao động hàng ngày cho công ty của bạn và dữ liệu đến từ một trang web. Đây là quá trình của bạn

1. mở trang web
2. Tải xuống báo cáo CSV
3. Mở báo cáo CSV và Ctrl-C
4. Ctrl-V báo cáo vào báo cáo Excel chính

Trong Python, bạn có thể viết tập lệnh bằng cách sử dụng các yêu cầu và beautifulsoup để tìm nạp dữ liệu, sau đó sử dụng xlwings để ghi dữ liệu đã tìm nạp vào báo cáo chính của Excel. Dưới đây là các bước tương tự được đánh dấu bằng các gói Python để giúp bạn tự động hóa chúng

1. Mở trang web [yêu cầu hoặc Selenium]
2. Tải xuống báo cáo CSV [yêu cầu hoặc Selenium]
3. Mở báo cáo CSV và Sao chép [gấu trúc hoặc beautifulsoup]]
4. Dán báo cáo vào báo cáo Excel chính [xlwings]

Sau khi bạn viết mã, quy trình 4 bước này sẽ rút gọn thành một lệnh 'tập lệnh python. py'

Nếu đột nhiên bạn cần thêm 4 trang web bổ sung vào quy trình này, quy trình nhân rộng quy trình thủ công sẽ nhân bước 1–4 lên 4 lần, trong khi quy trình tự động, đó là 1 giờ mã hóa và quy trình sẽ vẫn là 'tập lệnh python'. py'

Khi bạn đã hoàn thành tập lệnh của mình, bạn cũng có thể sử dụng công cụ cron để lên lịch cho tác vụ tự động chạy

Ngoài ra, Python có thể lấy dữ liệu từ bất kỳ nguồn dữ liệu nào. Bạn có thể lấy dữ liệu từ một trang web mà không có tùy chọn tải xuống, kết nối với bất kỳ cơ sở dữ liệu nào [Mysql, PostgreSQL hoặc MongoDB], bất kỳ API nào hoặc tệp Excel khác. Nếu bạn thực sự muốn thú vị, bạn thậm chí có thể tạo một cổng thông tin web để người khác nhập dữ liệu bằng các khung web như Flask hoặc Django và lưu dữ liệu tự động vào cơ sở dữ liệu hoặc tệp Excel

2. Phân tích dữ liệu

Excel rất giỏi trong việc phân tích dữ liệu. Nó trực quan, đơn giản và linh hoạt. Trong công việc hàng ngày của tôi, tôi vẫn làm rất tốt trong Excel vì nó rất dễ dàng và nhanh chóng. Mặc dù bài viết này thiên về Python, nhưng nếu bạn muốn có một công việc là một nhà phân tích, bộ kỹ năng của bạn sẽ không đầy đủ nếu không có ít nhất một lượng kiến ​​thức Excel kha khá [vlookup, sumifs, Pivot Table]

Quy tắc tương tự vẫn được áp dụng ở đây. Dự án một lần, sử dụng Excel. Báo cáo định kỳ, sử dụng Python

Dưới đây là một số gói thú vị trong Python để phân tích dữ liệu

gấu trúc. về cơ bản nó là Excel không có GUI, khá trực quan để tìm hiểu nếu bạn đã biết Excel. Công cụ không thể thiếu nếu bạn muốn phân tích dữ liệu bằng Python

Scikit-học. Thư viện máy học để phân tích thống kê

3. trình bày

Điều này khá đơn giản, việc trình bày dữ liệu trong Excel thường liên quan đến việc tạo một trang tóm tắt và gửi toàn bộ sổ làm việc qua email cho đối tượng dự định. Hoặc sao chép và dán trang tóm tắt vào email

Trong Python, bạn không chỉ có thể tự động hóa các bước đó mà còn có thể sử dụng nhiều thư viện trực quan hóa của Python để tạo biểu đồ và trình bày dữ liệu qua trang web

Hãy tưởng tượng nhóm bán hàng của bạn không còn phải tìm kiếm dữ liệu trong tệp Excel trên máy tính xách tay của họ khi họ đi du lịch mà chỉ cần mở một dấu trang trong trình duyệt của họ và lấy tất cả dữ liệu

Lưu ý cuối cùng về việc nên đầu tư thời gian vào Python hay Excel. Để nhắc lại những gì tôi đã viết trong phần mở đầu, VBA, mặc dù khó học, nhưng sẽ mang lại kết quả nhanh hơn nhiều. Điều này là do mặc dù Python dễ học hơn, nhưng vẫn có nhiều thứ hơn để tìm hiểu về Python. Đây phải là một yếu tố quan trọng trong việc quyết định cách bạn đầu tư thời gian hạn hẹp của mình. Nếu bạn cần kết quả nhanh, hãy học VBA. Nếu bạn có đủ khả năng đầu tư thời gian cho một dự án dài hạn, Python có thể làm được nhiều hơn VBA, và do đó sẽ không chỉ giúp bạn trở thành một nhà phân tích giỏi hơn mà còn mở ra nhiều cơ hội việc làm hơn cho bạn

Đây là một ví dụ, phát triển mã VBA đơn giản như mở tệp Excel và nhấn alt+f11. Trong khi với Python, bạn không chỉ phải có trình soạn thảo văn bản hoặc IDE mà còn phải biết một chút dòng lệnh để thực thi tệp của mình. Để trình bày dữ liệu của bạn trên web như tôi đã mô tả trong bước 3, ít nhất bạn phải biết một khung web, Python cơ bản, Pandas, SQL, dòng lệnh, git và triển khai mã

Ngay cả việc cài đặt Python cũng có thể gây nhầm lẫn. Bạn không chỉ phải cài đặt Python mà còn phải tìm hiểu virtualenv là gì

Nhưng hãy coi đây là những rào cản gia nhập. Nếu chúng ta cho rằng nhu cầu đối với nhà phân tích hỗ trợ Python và nhà phân tích Excel là như nhau vì học Python không đơn giản như học Excel, thì kỹ năng Python có giá trị hơn nhiều

Trong bài tiếp theo, tôi sẽ xuất cách chuyển đổi từ chỉ sử dụng Excel sang học Python và sử dụng Python

Khi nào sử dụng VBA vs Python?

Python có thể thay thế VBA không?

VBA có còn phù hợp với năm 2022 không?

VBA có còn nhu cầu không?