Hướng dẫn is excel good for programming? - excel có tốt cho lập trình không?

Ngày 27 tháng 12 năm 2018

Microsoft Excel có thể là phần mềm phổ biến nhất trong cộng đồng doanh nghiệp. Được phát hành hơn ba mươi năm trước, Excel vẫn được sử dụng hàng ngày ở các quốc gia trên toàn cầu để lưu trữ, thao túng và phân tích dữ liệu. Nó được sử dụng rộng rãi đến mức trở thành một phù thủy Excel có thể là một sự thúc đẩy đáng kể cho thu nhập của bạn.

Nhưng Excel, trong khi nó là tuyệt vời, có những hạn chế của nó. Nếu bạn làm việc với dữ liệu mỗi ngày, những hạn chế này là đáng kể. Chúng tôi đã nói chuyện với nhà khoa học dữ liệu Pacific Life Alyssa Columbus, người đã cho chúng tôi chín lý do tại sao bạn có thể thấy nó đáng để học một ngôn ngữ lập trình để phân tích dữ liệu, ngay cả khi bạn đã là một bậc thầy Excel và không cố gắng để có được một công việc trong dữ liệu khoa học.

Trong các điểm dưới đây, Alyssa đặc biệt so sánh Excel với việc phân tích dữ liệu trong R, một ngôn ngữ lập trình phổ biến để phân tích dữ liệu. Nhưng hầu hết những lợi thế này cũng đúng với Python, ngôn ngữ mã hóa phổ biến khác để làm việc với dữ liệu. Chúng tôi cung cấp các khóa học giới thiệu miễn phí trong cả hai, và sẽ là một nâng cấp sức mạnh đáng kể so với Excel.

1. Nhập và thao tác dữ liệu mạnh mẽ hơn

Không giống như Excel, Alyssa nói, về cơ bản, R R có thể đọc bất kỳ loại dữ liệu nào. Và các định dạng dữ liệu mà nó không thể đọc được vẫn có thể hoạt động: Ngoài ra còn có các gói R được thiết kế riêng để đọc các tệp dữ liệu XML, JSON, SPSS, Excel, SAS và Stata và bạn cũng có thể cạo dữ liệu từ các trang web và thực thi SQL truy vấn."

Thao tác dữ liệu-các nhiệm vụ như tập hợp, hợp nhất và mã hóa lại dữ liệu-cũng dễ dàng hơn nhiều ở R. Bất cứ ai đã dành nhiều thời gian để cố gắng hợp nhất và làm sạch một số bộ dữ liệu lớn trong Excel để phân tích có thể chứng thực rằng đó là một quá trình khó khăn và tốn thời gian . Nhưng R và một số gói phổ biến như dplyr, tidyr và plyr, làm cho quá trình này cả đơn giản hơn và nhanh hơn.

2. Tự động hóa dễ dàng hơn

Thực tế là Excel có GUI (giao diện người dùng nơi bạn có thể nhấp vào các nút thay vì viết mã) chắc chắn làm cho nó dễ tiếp cận hơn, nhưng đó có thể là một trở ngại lớn khi bạn đang cố gắng tự động hóa một quy trình hoặc chạy cùng một phân tích nhiều lần .

Sử dụng ngôn ngữ lập trình có thể làm cho điều này nhanh hơn nhiều. Ví dụ: nếu bạn cần chạy cùng một phân tích trên một bộ dữ liệu bán hàng mới mỗi tuần, thực hiện việc này trong Excel sẽ yêu cầu mở một tệp khác theo cách thủ công mỗi tuần và nhập lại các công thức và các yếu tố khác cần thiết cho phân tích. Nhưng bạn có thể tự động thực hiện phân tích đó bằng ngôn ngữ như R, viết một tập lệnh đơn giản nhập dữ liệu mới và chạy cùng một phân tích mỗi tuần, đưa ra kết quả ở bất kỳ định dạng nào bạn thích.

3. Làm việc dễ dàng hơn với nhiều dữ liệu

Trong Excel, các dự án được tổ chức thành các bảng hoặc tab và nếu bạn đã từng xử lý các tệp Excel có hàng tấn bảng hoặc nhiều mục dữ liệu trong mỗi tờ, bạn biết rằng nó có thể rất chậm. Làm việc với đủ dữ liệu trong Excel đôi khi thậm chí có thể gây ra sự cố. Tuy nhiên, các ngôn ngữ lập trình như R, có thể xử lý một lượng lớn dữ liệu nhanh hơn nhiều và chúng có thể thực sự gặp sự cố giống như cách Excel có thể, vì vậy bạn không phải lo lắng về việc mất công việc.

4. Có thể tái tạo hơn

Phân tích dữ liệu là hữu ích nhất khi bạn có thể giải thích những gì bạn đã làm cho người khác và những người khác có thể dễ dàng tái tạo công việc của bạn để xác nhận nó (hoặc bạn có thể tự sao chép lại để kiểm tra kỹ). Nhưng điều này là khó khăn trong Excel; Không có cách nào để ghi lại hoặc minh họa rõ ràng các bước bạn đã thực hiện trong phân tích của mình và làm lại nó sẽ đòi hỏi phải mở lại tệp Excel ban đầu và thực hiện lại tất cả các bước bạn đã thực hiện (nếu bạn có thể nhớ chúng).

Kết quả tái tạo dễ dàng hơn nhiều trong một ngôn ngữ lập trình như R. REVENTY Một phân tích cũng đơn giản như nhấn vào Enter Enter, và thật dễ dàng để thêm nhận xét vào mã của bạn để giải thích những gì đang xảy ra ở mỗi bước của quy trình, để bất kỳ ai cũng có thể kiểm tra kỹ tác phẩm của bạn.

5. Dễ dàng tìm thấy và sửa lỗi

Khi bạn đã mắc một lỗi trong Excel, việc tìm ra những gì mà sai lầm có thể khó khăn, vì bạn có thể phải cuộn qua hàng ngàn ô dữ liệu để tìm câu trả lời hoặc cố gắng theo dõi thủ công các bước của bạn.

Nhưng khi bạn mắc lỗi trong ngôn ngữ mã hóa như R, bạn sẽ thường nhận được thông báo lỗi giải thích những gì máy tính nghĩ đã sai. Và tất nhiên, bạn cũng nên có ý kiến ​​giải thích từng dòng mã của bạn, điều này giúp cho việc quay lại và kiểm tra lại từng bước để tìm kiếm sai lầm hơn. Thông thường, các lập trình viên cũng sử dụng một hệ thống để kiểm soát phiên bản, vì vậy nếu bạn gặp lỗi mà trước đây, bạn sẽ có thể so sánh mã hiện tại của mình với lần lặp trước đó để hiểu được những gì đã sai.

Điều này không có nghĩa là bạn sẽ luôn có thể sửa lỗi ngay lập tức. Nhưng những sai lầm trong phân tích dữ liệu là không thể tránh khỏi.

6. Khả năng truy cập nguồn mở

Excel là tuyệt vời, nhưng nó thuộc sở hữu của Microsoft, điều đó có nghĩa là cuối cùng bạn có thể là ý thích của công ty có trụ sở tại Washington về các lỗi, cập nhật và hỗ trợ tính năng. Không giống như Excel, Alyssa nói, R R không phải là một hộp đen. Bạn có thể kiểm tra mã R cho bất kỳ chức năng hoặc tính toán nào bạn thực hiện. Bạn thậm chí có thể sửa đổi và cải thiện các chức năng chính bằng cách thay đổi mã.

Python cũng là nguồn mở và trong trường hợp cả hai ngôn ngữ, điều này cũng có nghĩa là bất kỳ nhà phát triển nào (bao gồm cả bạn) đều có thể tạo các gói để tăng cường ngôn ngữ và thêm chức năng hoặc cải thiện dễ sử dụng. Cả hai ngôn ngữ đều có các gói và thư viện được sử dụng rộng rãi và được sử dụng rộng rãi được tạo bởi các nhà phát triển bên thứ ba để làm cho phân tích dữ liệu và trực quan hóa dễ dàng hơn.

Excel có một số tiện ích bổ sung của bên thứ ba, được thừa nhận, nhưng vì nó phần mềm độc quyền, nên họ không mạnh mẽ và nó không dễ dàng để bạn thêm bất kỳ chức năng nào bạn có thể muốn hoặc cần.

7. Thống kê nâng cao và khả năng học máy

Cả R và Python đều có khả năng thống kê tiên tiến hơn Excel (và điều này đặc biệt đúng với R, được thiết kế với các phân tích thống kê tiên tiến trong tâm trí). Cả hai ngôn ngữ cũng cho phép tạo ra các mô hình học máy (thường là tích hợp các gói và khung học máy như caret, scikit-learn và TensorFlow).

8. Khả năng trực quan hóa dữ liệu nâng cao

Rõ ràng, Excel có thể tạo ra một loạt các biểu đồ, nhưng các ngôn ngữ lập trình có thể làm nhiều hơn, và R đặc biệt có khả năng đồ họa tốt hơn, tiên tiến hơn và hiện đại hơn với các gói lattice, ggplot2 và shiny, Alyssa nói.

Khả năng tạo ra sự trực quan hóa hấp dẫn và thông tin đặc biệt quan trọng trong bối cảnh kinh doanh, vì những người đưa ra quyết định tại một công ty có thể không quen thuộc với phân tích thống kê hoặc lão luyện trong việc đọc các biểu đồ phức tạp. Bạn càng dễ dàng hiểu được dữ liệu của mình, càng có nhiều khả năng công việc của bạn sẽ có tác động thực sự.

9. Tính ổn định đa nền tảng

Các tập lệnh trong các ngôn ngữ lập trình như R và Python có thể được chạy trên bất kỳ nền tảng nào mà không cần trục trặc. Bạn có thể tự tin rằng tập lệnh R của bạn sẽ hoạt động trên các máy Windows, Mac và Linux, nhưng điều tương tự luôn luôn đúng với các tệp Excel.

Điều đó không thể nói rằng bạn hoàn toàn nên từ bỏ Excel, tất nhiên! Alyssa chỉ ra rằng nó có một số lợi thế so với các ngôn ngữ lập trình. Do giao diện người dùng đồ họa của nó, mục nhập dữ liệu thủ công thường dễ dàng hơn ở Excel và nếu bạn chỉ muốn quét qua bảng tính nhanh chóng, nhìn qua tệp Excel có thể nhanh hơn và dễ dàng hơn so với thực hiện mã đó. Cả Python và R đều có cách hiển thị các phần của dữ liệu bạn đang làm việc theo định dạng bảng trực quan để dễ dàng xem những gì bạn đang làm việc, nhưng trong Excel, bản trình bày dữ liệu trực quan này là mặc định chứ không phải là thứ gì đó Bạn phải thực hiện một cách có chủ ý.

Tuy nhiên, nó rõ ràng rằng nếu bạn đang thực hiện nhiều phân tích dữ liệu, sử dụng ngôn ngữ lập trình cung cấp một số lợi thế rất đáng kể so với Excel. Nếu bạn làm việc với Excel rất nhiều, việc học một chút chương trình R hoặc Python có thể giúp bạn tiết kiệm thời gian ở Excel mỗi tuần. Nếu bạn chỉ quen thuộc với Excel, ý tưởng học một ngôn ngữ lập trình như R hoặc Python có thể đáng sợ.If you’re only familiar with Excel, the idea of learning a programming language like R or Python can be intimidating.

Nhưng nó không khó như bạn nghĩ! Tại DataQuest, chúng tôi tin rằng bất kỳ ai cũng có thể học viết mã và chúng tôi cung cấp các lớp giới thiệu miễn phí trong R và Python mà bạn có thể thực hiện mà không cần bất kỳ kinh nghiệm mã hóa nào và không có bất kỳ nền tảng toán học hay kỹ thuật nào.

Nhận tài nguyên khoa học dữ liệu miễn phí

Đăng ký miễn phí để nhận bản tin hàng tuần của chúng tôi với các liên kết tài nguyên dữ liệu, Python, R và SQL. Thêm vào đó, bạn có quyền truy cập vào nội dung khóa học trực tuyến tương tác miễn phí của chúng tôi!Python, R, and SQL resource links. Plus, you get access to our free, interactive online course content!

ĐĂNG KÝ