Excel提供了方便的方法，包括易于使用的功能以及直观的按钮和菜单，用于执行简单的计算。但是，仅凭它很难完成复杂的计算和某些特殊的计算。因此，它提供了外接程序接口，通过该接口可以连接外部应用程序，以使用其语言或脚本来帮助Excel处理这些计算。
现在，我将研究几个常见的Excel加载项并评估其计算能力。
Excel DNA 福州小程序开发
Excel DNA是最早的Excel加载项之一，可让您使用C＃，F＃，VB.net等为Excel创建动态库功能。
首先，您需要编写一个用户定义的函数。下面是一个用C＃编写的示例，该示例在Excel DNA的官方网站上列出。MyFunction是用户定义函数的名称。
使用系统； 使用System.Collections.Generic; 使用System.Linq; 使用System.Text; 使用System.Threading.Tasks; 使用ExcelDna.Integration; 命名空间MyLibrary { 公共课Class1 { ExcelFunction（Description =“很少有人用这种方式！”）] 公共静态字符串MyFunction（字符串名称） { 返回“ Bonjour” +名称； } } }
需要将代码编译为要在Excel中使用的动态库。
然后，配置用户定义的功能和外接程序之间的关系。以下DnaSample.dna文件配置加载项的名称（“我的名称”）和相应的动态库Mylibrary.dll，其中包括多个用户定义的功能。
<DnaLibrary Name =“我的名字” RuntimeVersion =“ v4.0”>
<ExternalLibrary Path =“ Mylibrary.dll” />
</ DnaLibary>
最后，您在Excel中配置新的加载项，以便能够从单元格调用MyFunction，如下所示：
由于已编译的程序已准备好执行并且已紧密集成到Excel中，因此执行过程流畅，快速。因此，Excel DNA的最大优势是高流动性。
顾名思义，该加载项可以充分利用Windows DNA体系结构提供的功能，例如开发语言和工具，与Excel集成，交互式调试等。
从理论上讲，诸如C＃，F＃和VB.net之类的语言是通用且功能强大的。但是我注意到，他们网站上的示例程序都是关于字符串输出的。当然，这不是展示优势的好选择。那为什么呢？
因为它们的功能仅存在于纸上。
这些语言缺少用于结构化数据计算的类库。即使是最基本的计算，也需要硬编码。极其round回的代码不适合处理复杂的计算。
此外，C＃，F＃和VB.net是编译语言，而不是解释语言。这种类型的编程语言要求用户维护一个用于编译算法的编译环境，以防其被更改。但是，配置Windows编译环境非常复杂且难以学习。实际上，这些语言具有很高的技术门槛。这意味着Excel DNA更适合于将其用作界面的专业程序员，而不适合大多数直接将其用于桌面分析的数据分析师。
其他加载项，例如基于Java的JINX，也缺少用于结构化数据计算的类库。因此，JINX也不适用于数据计算。电子表格工具的内置加载项Excel VBA甚至在表达能力方面也没有更好的表现（这意味着它不适合计算数据）。但是由于不需要集成和编译，因此它比Excel DNA和/ JINX更具竞争力。
Excel JavaScript
外接程序需要比VBA更加方便和易于使用（至少要使其受欢迎）。因此，Microsoft在2013年发布了Excel JavaScript，这是一种旨在供加载项使用的语言，并且比VBA更方便。
Excel JavaScript与其他加载项语言具有相似的用途。关键是它是一种解释性语言，因此支持随时修改程序，然后立即执行而无需编译。这是Excel DNA之间的巨大差异。通常，解释语言的流动性较低。但是，作为内置的Excel，可以使用与电子表格工具相同的过程来执行Excel JavaScript。在实际实践中，执行是流畅且快速的，仅比Excel DNA慢。
n Excel内置加载项带来很多好处。您无需下载加载项，无需配置即可开发程序。Excel JavaScript继承了Excel的跨平台功能。可以在独立版，Web版和Mac版之间无缝迁移程序。加载项还可以访问Excel对象，包括工作簿，工作表和单元格。这大大加快了开发进度。
然而，这些优点正是VBA所具有的。那么Excel JavaScript有何独特之处？
具有强大的界面管理能力。它可以使用更简单的语法访问Excel菜单栏，按钮和弹出对话框，并在JS文件中定义加载项界面。这比VBA方便得多。
不幸的是，接口管理不是数据计算插件的关键方面。这不值得关注。
我们的重点应该是计算能力。很遗憾，JavaScript仍未配备任何结构化的计算功能。在处理复杂的计算中没有任何优势。它只是另一种基于Excel的脚本语言。
PyXLL
标准数据计算加载项应具有用于结构化计算的类库，例如PyXLL。PyXLL是基于Python的加载项。Python Pandas具有结构化的计算类库。
在实现简单算法（例如在指定区域内进行分组和聚合）时，PyXLL不需要硬编码。这是一个例子。从Excel工作表中选择一批员工记录，将它们传递给用户定义的函数groupEmp，在PyXLL中执行分组和聚合算法，然后返回结果。实现该过程的代码如下：
将熊猫作为pd导入 将numpy导入为np 从pyxll导入xl_func @xl_func（“ dataframe <index = False，columns = True>”） def groupEmp（df）： df = df.groupby（“ deptid”）['salary']。agg（[len，np.sum，np.mean]）＃核心代码：分组和聚合 返回df
核心代码仅占用一行。其他基本上是例行程序。该程序简洁。
当然，需要多个功能而不是单个基本功能的协作来执行复杂和特殊的计算。问题在于在PyXLL中这样做不方便。
这是标准化然后分组和聚合数据的一个示例。用户定义的函数基于Excel表格记录的单元样式（列AE），将记录按STYLE和BEDROOMS分组，并计算SQFEET列，BATHS列和PRICE列的平均值。您需要从字符串样式PRICE列的每个值中删除$并将其转换为数字样式以进行计算。
源数据：
处理后的数据存储在新的工作表中：
用于实现该算法的用户定义函数如下（仅显示核心代码）：
对于范围（1，len（b））中的i： b [i] [4] = b [i] [4] .replace（“ $”，''） b [i] [4] = b [i] [4] .replace（“，”，''）对于范围（1，len（b））中的i： 对于[1、2、3、4]中的j： b [i] [j] = eval（b [i] [j]）data = pandas.DataFrame（b [1：]，columns = b [0]） out = data.groupby（['STYLE'，'BEDROOMS']）。mean（） 返回
仅一行用于分组，而六行用于预处理。有点复杂。
另一个示例是将一行拆分为多行。列A存储ID，列B存储相应的列表值。有一些List值，其中多个成员之间用空格隔开。用户定义的函数需要将它们按空格分隔，并将每个对应于ID。
源代码：
处理后的数据存储在新的工作表中：
用于实现该算法的用户定义函数如下：
split_dict = df.set_index（'ID'）。T.to_dict（'list'）split_list = [] 对于split_dict.items（）中的键，值： 异常= value [0] .split（''） key_array = np.tile（key，len（异常）） 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） 返回df
核心代码很复杂。PyXLL不擅长处理复杂或特殊的计算。
PyXLL还有一个问题。Excel必须调用一个外部解释器来解析Python脚本。这导致非常低的流动性和严重不良的用户体验。然而，低流动性并不是唯一的PyXLL问题。在需要外部解释器（例如XLwings，Bert和RExcel）的所有脚本加载项中，这是常见的。XLwings是另一个基于Python的加载项，因此与PyXLL具有一些优缺点。Bert和RExcel都是基于R的。R语言旨在实现科学的建模算法。它的结构化计算类库不是专业的。因此，两个加载项都比PyXLL具有较弱的计算能力和较低的流动性。
解释语言的最大优点是它们支持无需编译即可立即执行，并且易于维护和修改。
集会
esProc是专业数据计算引擎，提供Excel加载项以使用其SPL语言编写脚本。与PyXLL相似，它拥有丰富的结构化计算功能，可以轻松实现简单的算法。例如，要对指定区域中的记录进行分组和聚合，您只需要以下脚本（groupEmp.dfx）：
核心代码是A2。简明扼要。然后，我们可以在Excel单元格中调用用户定义的函数。语法为= dfx（“ groupEmp”，A1：D20）。
集算器可以简单，轻松地处理其他基本算法（此处仅显示核心代码）：
现在我们可以看到，评估外接程序的计算能力的标准是其处理复杂或特殊计算的能力。
与PyXLL相比，集算器在这方面具有优势。
将数据转换为标准格式，然后在集算器中进行分组比在PyXLL中更容易，更简单：
在集算器中将一行拆分为多行非常简单：
一个更复杂的示例是计算分期付款。Excel工作表记录贷款信息，包括负荷ID，金额，期限（按月），年利率：
用户定义的功能需要获取每个条款的详细数据，包括应付金额，利息，本金和本金余额。新工作表中的预期结果如下：
在集算器中完成此操作相当方便：
尽管具有强大的计算能力，但集算器还是一个外接程序，其执行取决于外部解释器JVM。因此不流动问题仍然存在。
通过剪贴板集算器
有没有办法既保留计算能力又平稳地运行应用程序？
- 集算器通过用剪贴板替换用户定义的功能成功实现了这一目标！
例如，要找到每个科目的分数排在前三名的学生。A列包含学生姓名，BD列分别包含数学，英语和物理分数。现在，我们想找到合格的学生，将他们添加到大学分数中。
源数据：
选择有效的单元格，通过ctrl + C将其复制到剪贴板，然后执行以下esProc脚本：
执行上述脚本后，只需选择单元格B11并按ctrl + V，然后将剪贴板中的数据复制到B11-D13中。所得到的结果与用户定义的函数相同，如下所示：
使用esProc，除某些情况（例如在计算中涉及多个区域）外，您始终可以使用剪贴板而不是编写用户定义的函数。
通过剪贴板，您可以拥有流畅的计算过程和强大的计算能力，而无需复杂的外接程序部署。对于数据分析师来说，这确实很方便。
从理论上讲，包括PyXLL在内的所有外接程序只有在将来的版本中能够提供相应的功能（从剪贴板中获取数据并将其转换为Excel中的结构化数据）时，才能通过剪贴板解决流动性问题。
简而言之，流畅的加载项具有较弱的计算能力，而具有强大的计算能力的加载项却并非如此。esProc具有可以弥补流动性限制的剪贴板方法，是数据分析人员的合适外接程序。
