Excel умер — примерно так мне сказал тимлид на прошлом году. Я тогда сидел в Google Sheets, строил сводные таблицы и не понимал, что именно должно умереть. Всё работает. Данные собираются. Графики строятся. Но потом мне дали файлик на 800 тысяч строк, и Excel просто закрылся. Без предупреждения, без ошибки. Просто — закрылся.
Так началось моё погружение в Python. С ChatGPT. Потом с Copilot. И вот что я понял за это время: вопрос не в том, переходить или нет. Вопрос — как именно переходить так, чтобы не потерять три недели на отладку формул, которые ты не понимаешь.
Почему Excel реально не хватает
Excel хорош для задач, которые ты понимаешь с первой попытки. Собрать отчёт за неделю, посчитать выручку, нарисовать график для презентации — всё это делается быстро и интуитивно. Ты видишь клетки, двигаешь мышку, формулы понятны.
Проблемы начинаются, когда данных становится много. Или когда задача повторяется. Или когда нужно автоматизировать что-то, что раньше делалось руками.
Я месяц держал в Excel скрипт на Power Query, который обновлял данные из API. Работало через раз. Однажды макрос сломался из-за обновления Windows, и я три дня переделывал отчёт вручную. После этого я понял: Power Query — это костыль. Он пытается вписать программирование в таблицу, и результат получается ровно таким, каким и выглядит — неуклюжим.
Python решает эти проблемы не потому что он магический. А потому что он для этого создан. Работа с данными — его основная задача. Pandas, NumPy, Matplotlib — всё это инструменты, которые появились в экосистеме Python и развиваются там уже двадцать лет.
Copilot: не магия, но близко
Когда я первый раз открыл Copilot в VS Code, я ожидал чего-то вроде автодополнения, только умнее. Ну, подсказывает следующую строку — и ладно.
Оказалось, он умеет гораздо больше. Мне нужно было загрузить CSV-файл, отфильтровать строки по условию и посчитать среднее. Я написал в комментарии: "загрузи данные из sales.csv, возьми только строки где region == 'APAC', посчитай средний чек". И он написал код. Рабочий код. С первого раза.
Настораживает. Я не то чтобы хорошо знал Pandas, и то, что он сгенерировал, выглядело разумно. Я начал проверять — и всё совпадало с тем, что получал в Excel. Совпадало точно.
За месяц я перенёс в Python три отчёта, которые до этого делал вручную. Каждый раз процесс выглядел примерно одинаково: описывал задачу на человеческом языке, Copilot генерировал черновик, я проверял результат и правил мелочи. Иногда ошибался он, иногда я — неправильно объяснял задачу, и он делал то, что я сказал, а не то, что имел в виду.
Где Copilot реально экономит время
Самое ценное — не генерация кода с нуля. Самое ценное — объяснения. Мне регулярно попадался код, который я находил в интернете, копировал, и он не работал. Или работал, но я не понимал почему. С Copilot всё проще: выделяешь непонятную строку, спрашиваешь "что здесь происходит", и он объясняет по-человечески.
Например, мне попался код с groupby() и agg(), который я тупо скопировал из StackOverflow. Работал — но я не понимал, что именно делает .agg({'revenue': 'sum', 'orders': 'count'}). Copilot объяснил за минуту. После этого я уже сам писал похожие конструкции.
Второе — когда забываешь синтаксис. Pandas огромный, и я не помню половину методов. Вместо того чтобы лезть в документацию, пишу "сделай value_counts по колонке status и отсортируй по убыванию". И получаю готовую строку.
Где всё ломается
Буду честен: Copilot не заменяет понимание. Он ускоряет работу, но не избавляет от необходимости разбираться.
Первый серьёзный затык случился, когда нужно было смерджить три таблицы по разным ключам. Я описал задачу — он выдал код с merge(). Код выглядел логично. Но результат был неправильный: строк стало меньше, чем я ожидал. Оказалось, в данных были дубликаты в ключевых колонках, и merge по умолчанию удаляет их не так, как мне было нужно.
Я потратил полдня, разбираясь, что пошло не так. И понял главное: Copilot хорошо генерирует типичные паттерны. Но как только задача чуть отклоняется от стандартного сценария — начинается зона, где нужно думать самому. Хорошо, если ты хотя бы примерно понимаешь, что должен делать код. Без этого ты просто слепо доверяешь результату — и это путь к ошибкам, которые заметишь не сразу.
Второй косяк: скорость. На маленьких данных Python с Copilot быстрее, чем Excel. На больших — тоже. Но пока учишься, каждый скрипт превращается в эксперимент. Написал — запустил — ошибка — поправил — запустил снова. Это нормальный процесс, но он занимает время. Первые две недели я тратил на задачи больше времени, чем в Excel. Потом стало быстрее.
Как я сейчас работаю
Собственно, никакой революции. Excel никуда не делся — для быстрых разовых задач я всё ещё открываю Google Sheets. Если нужно посмотреть на данные "здесь и сейчас", визуализировать что-то для презентации, сделать простую сортировку — электронная таблица быстрее.
Python плюс Copilot — для всего, что повторяется. Еженедельные отчёты, обработка данных из нескольких источников, всё, что раньше делалось макросами. Раз написал скрипт — потом запускаешь одной командой.
Между ними — граница размытая, и я до сих пор иногда открываю Excel, когда проще накидать формул, чем писать код. Но эта граница постепенно сдвигается в сторону Python.
Стоит ли начинать
Если ты работаешь с данными и Excel уже тесен — начни. Не с курсов, не с книг по Python с нуля. Начни с конкретной задачи, которая тебя раздражает. Возьми файл, который обрабатываешь вручную, открой Copilot и попробуй автоматизировать. Что-то сломается, что-то не получится — и это нормально. Главное, что каждая решённая задача сдвигает тебя дальше, чем любая теория.
У меня ушло примерно полгода от первого скрипта до момента, когда Python стал основным рабочим инструментом. Это небыстро. Но с Copilot — ощутимо быстрее, чем было бы без него. Он не сделает тебя программистом за неделю. Но он избавит от самого утомительного этапа: синтаксической мороки, когда ты знаешь что делать, но не помнишь как.
