下载掌阅APP，畅读海量书库
立即打开
本节将介绍Excel与Python的功能范围和功能组织方式，帮助读者了解二者功能的差异。
Excel的功能区是位于Excel窗口顶部的一排选项卡和图标，可以帮助用户快速查找、理解和使用数据分析功能。图1-1所示为Excel 2019的功能区，由4个部分构成，分别是选项卡、组、对话框启动器、特定功能按钮。
图1-1 Excel 2019的功能区
1.选项卡
选项卡是组的集合。图1-1中“开始”选项卡中包含了“剪贴板”“字体”“对齐方式”等组。Excel中各选项卡的功能说明如表1-3所示，需要注意有些选项卡只有在特定的情景下才会被激活。
表1-3 Excel中各选项卡功能说明
续表
2.组
组是紧密相关的功能的集合，通常同一组中的功能在逻辑上可以划分为同一类操作，如“字体”组中的功能用于对单元格的字体样式、大小、颜色、背景等进行设置。
3.对话框启动器
对话框启动器是组的右下角的一个箭头图标，单击后会打开对应的功能窗口，在窗口中可以选择更丰富的功能。
4.特定功能按钮
单击特定功能按钮可执行相应功能的操作，如单击“下划线”按钮可为单元格中的文本添加下划线。
在诸多Python数据处理、数据可视化包或工具中，有部分包或工具被广泛使用并持续优化。图1-2所示为常用的Python数据处理包或工具。下面将对图中各层级中的包或工具进行说明，并与Excel中的数据处理功能进行对比。
图1-2 Python数据处理包或工具
1.Python核心
图1-2中由下至上的第1层是Python的核心部分，包含Python的基础语法、保留关键字、原生数据结构、函数、解释器等。
2.Python扩展数据结构与解释器
图1-2中由下至上的第2层中的NumPy包提供了多维数组结构，以及CPython、Numba、IPython等解释器。
3.Python复杂数据结构与数据可视化
图1-2中由下至上的第3层中的Pandas包、SciPy包在NumPy包的基础上构建了更复杂的数据结构；而Bokeh包、matplotlib包则可以对这些数据结构进行可视化。
4.Python数据挖掘与人工智能
图1-2中由下至上的第4层中是TensorFlow、Scikit-learn等机器学习包，可对在Pandas包、NumPy包的基础上构建的数据进行数据挖掘。
5.Python在特定领域的数据处理
图1-2中由下至上的第5层中是在其下层包的基础上构建的特定领域的数据处理包，如太阳数据处理包SunPy，神经影像数据处理包NIPY。
1.3.1和1.3.2小节中分别介绍了Excel与Python的数据处理功能，下面对Excel和Python的数据处理功能进行对比。
1.交集
Excel与Python功能的交集是数据分析，因此Excel功能区中的功能与Python中的数据分析模块和包相对应。
2.差异
Excel与Python功能的差异，决定了它们的使用难度与适用对象，二者的主要差异体现在以下几个方面。
（1）入门的难度。
Excel中的操作是可视化操作，即所有功能“所见即所得”。对Excel选项卡中的功能进行探索就能大致理解功能的作用。而使用Python则需要一些编程基础，并且需要熟悉各种模块和包中的函数及调用方法。
（2）功能的明确性。
Excel中数据处理功能的入口很明确，便于记忆和使用。而Python中各种模块和包的功能可能重叠，但调用方法在细节上又可能不同。
（3）扩展集成性。
Excel作为一款成熟的商业软件，自行扩展使用的自由度受限。而Python可以按照自己的想法进行扩展。
（4）自动化处理。
自动化处理是Excel的弱项，需要借助其他工具才能完成。而Python自动化处理的能力很强，可通过Python实现Excel的自动化处理。