Ideas clave
Trate las hojas de cálculo esenciales para la misión como software y protéjalas con garantías propias del software
Los errores en las hojas de cálculo tienen consecuencias. Las pérdidas de JPMorgan por las operaciones de la «Ballena de Londres» estuvieron vinculadas a un modelo de riesgo repartido en varias hojas de Excel, actualizado manualmente mediante copiar y pegar y debilitado por un cálculo que usaba una suma donde correspondía un promedio. En otro caso, Excel convirtió la etiqueta de un gen en una fecha, mientras que un formato de archivo antiguo contribuyó a que se omitieran de un informe 16.000 resultados de pruebas de COVID-19. La lección no es que Excel sea peligroso por naturaleza. Es que las hojas de cálculo complejas son programas, aunque quienes las crean no se consideren programadores.
Incorpore las medidas de protección de manera deliberada. Separe las entradas, los cálculos y los resultados; evite duplicar la lógica; pruebe automáticamente los cálculos importantes y use control de versiones para registrar y revisar los cambios. Estas prácticas facilitan la detección de errores antes de que un libro llegue a manos de quien toma las decisiones.
Lo sorprendente es cómo funciones corrientes de las hojas de cálculo pueden combinarse para crear un sistema frágil: las fórmulas, los pasos manuales y las suposiciones ocultas conviven en la misma superficie. Tratar un libro como software fomenta un cambio de enfoque: en vez de comprobar si un resultado parece plausible, se comprueba si el proceso sigue siendo correcto con diferentes entradas y modificaciones. Aun así, los controles formales deben ser proporcionales al riesgo. Un registro personal no requiere la gobernanza de un modelo de operaciones financieras, pero cualquier hoja de cálculo que afecte al dinero, la seguridad o la elaboración de informes merece cambios trazables y pruebas reproducibles.
Mantenga Excel como la interfaz conocida y traslade a Python el procesamiento de datos repetible
Combine fortalezas, no lealtades. Excel sigue siendo un lugar útil para que las personas introduzcan supuestos, examinen resultados y compartan informes. Python aporta un lenguaje de propósito general para automatizar tareas, obtener y limpiar datos, analizarlos y visualizarlos. Así se puede evitar repartir un flujo de trabajo entre las fórmulas de Excel, VBA, el lenguaje M de Power Query y DAX de Power Pivot.
Mantenga una vía de salida. Los conocimientos de Python y la lógica empresarial se pueden reutilizar fuera de Excel, por ejemplo, en la nube o en una aplicación web. La idea del libro no es que todas las hojas de cálculo deban desaparecer. Es que los cálculos y los flujos de trabajo con datos no tienen por qué quedar atrapados en un solo libro o ecosistema de software.
Este es un argumento pragmático sobre las interfaces tanto como sobre la programación. Las herramientas conocidas reducen el coste de adopción, mientras que un núcleo computacional separado puede facilitar las pruebas y la reutilización de la lógica. Esta división también crea una nueva obligación: los usuarios necesitan una forma fiable de trasladar datos entre la interfaz y el código. Python no simplifica automáticamente un flujo de trabajo si añade cargas de instalación, implementación o mantenimiento que el equipo no puede asumir. El mejor diseño conserva la experiencia del usuario y, a la vez, hace más comprensible la maquinaria que la sustenta.
Elija pandas, bibliotecas de archivos o xlwings según sea necesario ejecutar Excel
Decida primero dónde estará el límite. Para explorar y analizar, los cuadernos de Jupyter combinan código, notas y gráficos. Para scripts y proyectos más grandes, resulta más adecuado un editor de código como Visual Studio Code. pandas se ocupa del análisis tabular y puede leer o escribir muchos archivos de Excel sin iniciar Excel. Los paquetes de lectura y escritura de nivel más bajo ofrecen más control sobre el contenido de los archivos. xlwings automatiza la propia aplicación de Excel, por lo que requiere que Excel esté instalado.
Tenga en cuenta las dependencias. Los flujos de trabajo basados en archivos funcionan en Windows, macOS y Linux. La automatización con xlwings funciona en Windows y macOS, donde está disponible Excel. Los entornos de Conda mantienen separados los paquetes y las versiones de Python específicos de cada proyecto, lo que reduce los conflictos. La opción adecuada depende de si la tarea consiste en procesar datos, crear libros o interactuar con una hoja de cálculo abierta.
No son rutas intercambiables para llegar al mismo resultado. La cuestión de diseño fundamental es si la aplicación necesita el motor de cálculo y la interfaz activa de Excel o si solo necesita manipular un archivo de libro. Esa distinción repercute en la compatibilidad con los sistemas operativos, la implementación y la fiabilidad. También es útil separar la experimentación del código de producción: los cuadernos hacen visible el análisis, pero el orden de ejecución oculto puede confundir a quienes los leen. Un script es menos interactivo, pero resulta más fácil de ejecutar de manera uniforme. La elección de herramientas es más acertada cuando responde al flujo de trabajo y no a la costumbre.
Deje que los DataFrame sustituyan las cadenas de fórmulas por transformaciones etiquetadas y vectorizadas
Piense en tablas, no en celdas. Un DataFrame (marco de datos) de pandas es una tabla bidimensional con columnas con nombre y un índice; una Series (serie) es una columna o fila unidimensional etiquetada. NumPy y pandas permiten la vectorización: una operación puede aplicarse a muchos valores sin un bucle de Python ni una fórmula copiada de una celda a otra. Una sola expresión puede calcular valores en columnas enteras, filtrar filas, agrupar registros o crear un resumen en forma de tabla dinámica.
Las etiquetas cumplen una función útil. Cuando se combinan o se calculan juntos dos DataFrame, pandas alinea los valores según las etiquetas de sus filas y columnas. Esto puede evitar desajustes accidentales que son fáciles de producir al copiar fórmulas. Pero las etiquetas que no coinciden generan valores ausentes, no los ceros implícitos de Excel. Examine esas lagunas y decida si representan información ausente o si deben tratarse como ceros.
Pasar de las coordenadas de las celdas a los datos etiquetados es más que un cambio de sintaxis. Las etiquetas facilitan la inspección del significado de un cálculo, mientras que las operaciones vectorizadas reducen el trabajo mecánico y repetitivo. La alineación automática solo sirve de protección cuando se comprenden los valores ausentes: una tabla ordenada que contiene NaN todavía puede ocultar una unión incompleta o fechas desajustadas. La práctica útil consiste en tratar la alineación como una comprobación explícita de la calidad de los datos, no como prueba de que dos conjuntos de datos se corresponden correctamente.
Asigne un índice a las marcas de tiempo antes de pedir a pandas que las compare o remuestree
Haga explícito el tiempo. Un índice de fechas y horas (DatetimeIndex) es un índice de DataFrame compuesto por marcas de tiempo. Una vez que las fechas se han convertido al formato correspondiente y ordenado en ese índice, pandas puede seleccionar un período a partir de una cadena de fecha, tener en cuenta las zonas horarias y remuestrear las observaciones con otra frecuencia. El libro muestra estas operaciones con precios de acciones de Microsoft: los precios diarios se convierten en rendimientos logarítmicos o simples, y se pueden alinear varias acciones por fecha antes de comparar su rendimiento.
Cambie la escala temporal con cuidado. El remuestreo puede convertir los precios diarios en observaciones de fin de mes, mientras que una ventana móvil puede calcular un promedio móvil para un número determinado de observaciones. La conversión de zona horaria es importante al comparar mercados que registran los cierres a horas locales. Estas operaciones sustituyen las incómodas fórmulas que comparan filas contiguas, pero los resultados siguen dependiendo de elegir la marca de tiempo, el intervalo y la regla de agregación adecuados.
Las series temporales suelen fallar por supuestos ocultos sobre el calendario, no por matemáticas difíciles. Un índice de marcas de tiempo hace visible la dimensión temporal y proporciona al análisis una estructura coherente, mientras que las zonas horarias explícitas ayudan a distinguir una hora indicada por el reloj de un momento en el tiempo. El remuestreo también plantea una pregunta útil: ¿debe el valor mensual ser la última observación, el promedio o la suma? El código puede ejecutar cualquier opción con rapidez. Solo el conocimiento del ámbito permite determinar cuál responde a la pregunta.
Use pandas para los informes habituales y recurra después a bibliotecas de escritura para darles el acabado final
Automatice el montón de tareas recurrentes. En el ejemplo de elaboración de informes, Python busca en carpetas que contienen libros de ventas mensuales, lee archivos xlsx más recientes y archivos xls antiguos, combina sus filas, suma las ventas por tienda y fecha, y genera un informe mensual de Excel. pandas permite expresar este flujo de trabajo de forma compacta, incluidas la tabla dinámica y la agregación, y no necesita ejecutar la aplicación de Excel.
Añada detalles cuando haga falta. pandas ofrece una interfaz práctica, pero su exportación básica a Excel no permite añadir un título o un gráfico y ofrece un control limitado del formato. OpenPyXL puede leer, escribir y editar archivos modernos de Excel compatibles; XlsxWriter sirve para escribir libros nuevos. pyxlsb lee archivos binarios xlsb, mientras que xlrd, xlwt y xlutils se ocupan de tareas con archivos xls antiguos. Empiece con pandas y recurra a un paquete de nivel más bajo cuando importe el control adicional que ofrece.
El ejemplo muestra las ventajas de automatizar el proceso completo, no solo de acelerar una exportación aislada. Una vez codificados los pasos, el proceso se puede repetir sin depender de que alguien reúna los archivos y pegue las filas correctamente. La contrapartida es un ecosistema de paquetes más fragmentado, con distintos niveles de compatibilidad de formatos y distintas API. Por eso es importante documentar lo básico: quien se encargue del mantenimiento después debería saber por qué se eligió una biblioteca determinada y qué funciones del libro puede conservar.
Deje que xlwings conserve la interfaz de Excel mientras Python se encarga de la lógica empresarial
Automatice la aplicación activa. xlwings conecta Python con el modelo de objetos de Excel: los libros contienen hojas, y las hojas contienen rangos y otros objetos. Python puede leer o escribir un DataFrame, llamar al código VBA existente, actualizar gráficos o insertar un gráfico en un libro. Los usuarios pueden seguir trabajando con una hoja de cálculo conocida mientras Python se ocupa de los cálculos y las tareas repetitivas.
Use plantillas y referencias estables. En el ejemplo del informe de ventas, Python prepara el resumen y xlwings lo inserta en una plantilla de Excel con formato, ajusta automáticamente el ancho de las columnas y actualiza un gráfico. Los rangos con nombre pueden reducir la dependencia del código de direcciones de celdas fijas. Como cada llamada entre Python y Excel lleva tiempo, por lo general es más eficaz transferir un rango completo que leer y escribir las celdas una por una.
xlwings resulta convincente cuando el libro no es solo un archivo, sino la interfaz que las personas usan activamente. Las plantillas conservan los formatos y controles conocidos, mientras que los rangos con nombre reducen la fragilidad de las coordenadas codificadas de forma rígida. Sin embargo, automatizar una aplicación de escritorio tiene costes operativos: Excel debe estar instalado y las ejecuciones desatendidas pueden ser menos estables que el procesamiento basado en archivos. Por eso xlwings es muy adecuado para herramientas interactivas y trabajos basados en plantillas, pero no es automáticamente la mejor opción para todos los trabajos de elaboración de informes en servidores.
Separe la interfaz, la lógica y el almacenamiento antes de que un libro se convierta en una aplicación
Asigne una función a cada capa. Python Package Tracker usa Excel como capa de presentación, Python para la lógica empresarial y SQLite para el almacenamiento. El usuario introduce el nombre de un paquete, Python solicita información sobre sus versiones a PyPI y los resultados se guardan en una base de datos y se muestran en Excel. SQLAlchemy y pandas permiten consultar esos datos almacenados.
Prevea los fallos y los cambios. Las solicitudes web pueden fallar o tardar demasiado, por lo que necesitan límites de tiempo de espera y una gestión de errores útil. Las consultas SQL deben usar entradas parametrizadas en vez de insertar directamente el texto del usuario en las cadenas de consulta, lo que puede exponer una aplicación a la inyección SQL. Si se mantienen separadas la interfaz, el procesamiento y el almacenamiento, es más fácil modificar cada parte, aunque cada conexión entre ellas sigue requiriendo mantenimiento.
Esta pequeña aplicación concreta los consejos arquitectónicos del libro: un libro de Excel puede ser cliente de servicios reales, no un contenedor para todas las funciones. La separación también permite identificar dónde se producen los fallos. Un tiempo de espera agotado en la red no es lo mismo que un error de base de datos o una entrada de usuario no válida, así que cada caso requiere una respuesta distinta. La modularidad no elimina la complejidad, sino que la traslada a las interfaces entre componentes. Los contratos claros y los mensajes de error informativos son lo que permite gestionar esas uniones.
Haga que las funciones definidas por el usuario de Python devuelvan matrices completas, no mil llamadas celda por celda
Incorpore funciones a las celdas. Una función definida por el usuario (UDF) es una función de Python que se puede llamar desde una fórmula de Excel mediante xlwings. Las funciones definidas por el usuario pueden devolver DataFrame de pandas, lo que permite sustituir una fórmula larga o traer directamente datos externos a una hoja de cálculo. En el ejemplo de Google Trends, Python obtiene datos sobre el interés de búsqueda y los devuelve en forma de tabla; otra función definida por el usuario crea un gráfico a partir de esos datos.
Reduzca el trabajo repetido. Una sola fórmula matricial puede procesar un rango de una vez, en lugar de llamar a Python por separado desde cada celda. Las matrices dinámicas de Excel expanden automáticamente el resultado a las celdas contiguas. Las versiones anteriores requieren matrices CSE de tamaño fijo o una opción de redimensionamiento de xlwings. Para solicitudes lentas y deterministas, el almacenamiento en caché permite reutilizar un resultado. En la configuración del libro, las funciones definidas por el usuario solo están disponibles en Windows, y la conexión con Google Trends depende de un paquete no oficial.
Las funciones definidas por el usuario que trabajan con matrices encajan de forma natural con pandas, donde los cálculos ya se aplican a tablas en vez de a celdas aisladas. También pueden reducir el costoso intercambio continuo entre Excel y Python. El almacenamiento en caché es valioso cuando se espera que entradas idénticas produzcan resultados idénticos, pero deja de ser seguro cuando cambian los datos o la función tiene efectos secundarios. Los servicios externos añaden otra incertidumbre: una interfaz no oficial puede dejar de funcionar sin previo aviso. Por tanto, el diseño de la función debe hacer visibles tanto sus entradas como sus límites operativos.
Análisis
El argumento central de Zumstein propone un puente, no una cruzada contra las hojas de cálculo. Excel sigue siendo valioso porque ya está integrado en las prácticas empresariales y ofrece a los usuarios una interfaz visual flexible. Python aporta capacidades que a menudo faltan en los libros de Excel: código reutilizable, un amplio ecosistema de paquetes, análisis tabular eficiente y una vía para ampliar la capacidad de cálculo más allá del ordenador de escritorio. La contribución distintiva del libro consiste en mostrar cómo situar estas herramientas en distintos niveles, en vez de obligar a una a sustituir a la otra.
La distinción organizativa más útil es la que se establece entre analizar datos, editar archivos de libros y automatizar la aplicación de Excel. pandas se ocupa de transformar datos etiquetados; los paquetes de lectura y escritura manipulan archivos sin Excel; xlwings controla el propio Excel. Estas vías resuelven problemas distintos y conllevan diferentes costes de implementación. Comprender la diferencia evita un error frecuente: elegir una biblioteca por familiaridad y descubrir después que no puede conservar una función necesaria o ejecutarse en el entorno de destino.
Los ejemplos también sostienen con fuerza que los riesgos de las hojas de cálculo son arquitectónicos. La historia de la Ballena de Londres no es solo una advertencia sobre las fórmulas. La copia manual, la lógica empresarial oculta, las pruebas deficientes y el mal seguimiento de los cambios hicieron difícil auditar un modelo importante. Python puede facilitar la separación, las pruebas y el control de versiones, pero no garantiza que los resultados sean correctos. Un script de Python mal diseñado puede limitarse a automatizar con mayor eficacia una suposición equivocada.
Las instrucciones técnicas del libro, publicado en 2021, están necesariamente ligadas a las versiones de Python, Excel y los paquetes de aquel momento. Su valor duradero no reside tanto en memorizar cada comando como en aprender a identificar el nivel adecuado, hacer explícito el movimiento de datos, probar las transformaciones y planificar la implementación. El resultado más maduro no es un lugar de trabajo sin Excel. Es un flujo de trabajo en el que los usuarios conservan una interfaz práctica mientras los cálculos y los procesos de datos se vuelven visibles, reutilizables y más fáciles de verificar.
Resumen de reseñas
Python para Excel recibe críticas positivas: los lectores elogian su enfoque práctico para integrar Python con Excel. Los reseñistas valoran la presentación equilibrada de diversos métodos por parte del autor y su tono nada promocional. Se destaca la claridad de la escritura y la visión integral de las técnicas de integración entre Python y Excel. Algunos lectores señalan problemas con los archivos de ejemplo debido a las actualizaciones de paquetes posteriores a la publicación. Los lectores consideran que el libro es útil para aprender a automatizar Excel y procesar datos con Python, y destacan en particular su cobertura de pandas y otros paquetes útiles.
También leyeron
Glosario
DataFrame (marco de datos)
Tabla bidimensional con etiquetasUn DataFrame de pandas es una estructura de datos bidimensional con filas y columnas etiquetadas. A diferencia de una matriz de NumPy, sus columnas pueden contener distintos tipos de datos, y sus etiquetas ayudan a pandas a alinear registros durante los cálculos y las combinaciones. Es la estructura principal del libro para limpiar, analizar, resumir e intercambiar datos tabulares.
Series (serie)
Datos unidimensionales con etiquetasUna Series de pandas es una colección unidimensional de valores con un índice. Seleccionar una columna o fila de un DataFrame suele devolver una Series. Se parece a una matriz unidimensional de NumPy, pero sus etiquetas permiten alinearla con otros datos de pandas y su nombre puede conservar la identidad de la columna seleccionada.
índice de fechas y horas (DatetimeIndex)
Índice de filas basado en marcas de tiempoUn DatetimeIndex es un índice de pandas cuyas entradas son marcas de tiempo. Permite que un DataFrame represente observaciones a lo largo de un eje temporal y facilita la selección de períodos, el tratamiento de zonas horarias y el remuestreo a otra frecuencia. Convertir las fechas a este índice es un paso fundamental en los ejemplos de series temporales del libro.
vectorización
Operaciones en matrices completasLa vectorización aplica una operación a una matriz o tabla de valores sin escribir explícitamente un bucle para cada elemento. NumPy y pandas utilizan este enfoque para expresar cálculos de forma compacta, como sumar un valor a cada entrada o calcular rendimientos a lo largo de una serie temporal. Sus operaciones numéricas pueden utilizar código compilado subyacente a Python.
difusión de dimensiones (broadcasting)
Ajuste automático de dimensionesLa difusión de dimensiones es el mecanismo de NumPy para realizar operaciones elemento a elemento en matrices con dimensiones compatibles. Se trata una matriz más pequeña o un escalar como si se extendiera a lo largo de la matriz mayor cuando las dimensiones lo permiten. Así se evita copiar valores manualmente o escribir bucles, pero las dimensiones incompatibles generan un error en lugar de un cálculo significativo.
alineación de datos
Correspondencia de valores según sus etiquetasLa alineación de datos es el comportamiento de pandas que hace corresponder valores según los índices de fila y las etiquetas de columna durante operaciones entre estructuras de datos etiquetadas. Ayuda a evitar que los cálculos emparejen observaciones solo porque ocupan la misma posición. Si las etiquetas no coinciden, el resultado puede contener valores ausentes, por lo que hay que comprobar la alineación en vez de dar por hecho que es correcta.
xlwings
Control de Excel desde Pythonxlwings es un paquete de Python de código abierto para automatizar la aplicación Excel en Windows y macOS. Sigue el modelo de objetos de Excel, lo que permite que Python trabaje con libros, hojas, rangos, gráficos y otros objetos. Puede conectar Excel con scripts y funciones definidas por el usuario en Python, pero requiere una instalación local de Excel.
función definida por el usuario (UDF)
Función personalizada invocable desde ExcelUna función definida por el usuario es un cálculo personalizado que se invoca desde una fórmula de una celda de Excel, en lugar de seleccionar una función integrada como SUM. Con xlwings, las funciones de Python pueden importarse a Excel como UDF. Pueden aceptar valores o rangos de celdas y devolver valores, matrices o DataFrames, con ciertas restricciones de plataforma y versión de Excel.
matrices dinámicas
Resultados de fórmulas que se expanden automáticamenteLas matrices dinámicas son una función de Excel que permite que una fórmula devuelva automáticamente varios valores en las celdas adyacentes. El rango resultante se ajusta a las dimensiones de los datos devueltos, lo que resulta útil cuando las UDF de Python devuelven tablas cuyo tamaño puede cambiar. En versiones anteriores de Excel se usan fórmulas matriciales de tamaño fijo o el comportamiento de redimensionamiento de xlwings.
Descargar PDF
Descargar EPUB
.epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.