На прошлой неделе коллега показал мне свой Excel-файл с анализом продаж. Три листа, формулы вложены в формулы, VLOOKUP через всю таблицу. Работает, но я посмотрел на это и подумал — а что если переписать всё на Python? С Copilot получилось за час. Сейчас расскажу, как это было.
Почему я вообще полез в Python
Excel хорош для быстрых расчётов. Но когда у тебя данных больше 50 тысяч строк, а анализ нужно запускать каждую неделю — начинаются проблемы. Файл тормозит. Формулы ломаются от одного неверного клика. А воспроизвести логику через месяц почти невозможно.
Python решает это иначе. Пишешь скрипт один раз — дальше просто запускаешь. Ошибся? Откатил изменения в Git. Нужно добавить новый расчёт? Дописал пару строк, а не копировал формулы на 10 тысяч ячеек.
Раньше я бы не полез — порог входа высокий. С Copilot оказалось проще, чем думал.
Как я перенёс расчёты из Excel
Начал с простого. Открыл VS Code, установил расширение GitHub Copilot, создал файл analysis.py. Написал комментарий:
# Загрузить данные из sales_data.xlsx, посчитать общую выручку по каждому менеджеру
Copilot сразу предложил код с pandas. Я нажал Tab — и у меня уже был каркас:
import pandas as pd
df = pd.read_excel('sales_data.xlsx')
revenue_by_manager = df.groupby('manager')['revenue'].sum()
print(revenue_by_manager)
Запустил — работает. Дальше добавил фильтрацию по датам, группировку по продуктам, построение графиков. Каждый раз писал комментарий на русском — Copilot допиливал код. Где-то ошибался, я правил, но в целом за час я воспроизвёл то, на что в Excel ушло полдня.
Где Copilot реально помог
Сначала я думал, что Copilot — это просто автодополнение на стероидах. На деле он вытащил меня из нескольких тупиков.
Первый раз споткнулся на объединении двух таблиц. В Excel это делается через VLOOKUP или INDEX+MATCH, а в pandas синтаксис другой. Написал комментарий "объединить df_sales и df_products по product_id" — Copilot выдал pd.merge() с правильными параметрами. Я даже не помнил, что там left, right или inner join — он сам подставил то, что нужно.
Второй раз застрял на обработке дат. У меня в Excel были даты в формате "01.03.2024", а pandas их не понимал. Copilot предложил pd.to_datetime() с параметром format='%d.%m.%Y'. Сработало.
Третий раз — визуализация. Написал "построить график выручки по месяцам", получил код с matplotlib. График корявый, но рабочий. Потом допилил через Seaborn — получилось уже прилично.
Чему я научился по пути
Копипастить код от Copilot без понимания — плохая идея. Первые пару раз я просто жал Tab и запускал. Потом получил ошибку, которую не мог исправить, потому что не понимал, что там вообще происходит.
Теперь делаю так: Copilot предлагает — я читаю код построчно. Не понимаю функцию? Гуглю документацию или спрашиваю у того же Copilot в чате. Занимает лишние пять минут, зато потом не приходится разгребать баги.
Ещё заметил: комментарии на русском работают хорошо, но иногда надо уточнять. "Посчитать среднее" — мало информации. "Посчитать среднюю выручку по менеджерам за последние 30 дней" — уже конкретика, и код получается точнее.
Что изменилось в работе
Теперь я запускаю анализ одной командой в терминале: python analysis.py. Данные обновились? Просто перезапустил скрипт. Нужно изменить логику? Правлю код, коммичу в Git — версионность из коробки.
Коллега, которому я показал результат, сначала скептически отнёсся. "Зачем усложнять, если в Excel работает?" Но когда я за минуту добавил новый график и пересчитал всё с новыми данными — задумался. Сейчас он сам пытается перенести свои отчёты в Python.
Единственное — первый запуск требует настройки окружения. Установить Python, pandas, jupyter, разобраться с виртуальными окружениями. Это заняло у меня пару часов. Делается один раз, дальше всё работает стабильно.
Стоит ли переходить
Если ты делаешь анализ раз в квартал на 500 строках — Excel вполне достаточно. Но если данных много, анализ повторяется регулярно, а формулы превратились в лапшу — попробуй Python. С Copilot порог входа стал намного ниже.
Я не стал гуру Python за неделю. Но я перестал бояться кода и начал автоматизировать рутину. Это уже результат.
