Python dans Excel : analyser et visualiser avec pandas

C'est quoi Python dans Excel ?

Python dans Excel te permet d'écrire et d'exécuter du code Python directement dans une cellule, grâce à la fonction =PY(). Tu tapes ton code, tu valides, et le résultat (un nombre, un tableau, un graphique) revient dans la feuille comme s'il s'agissait d'une formule.

La particularité, c'est que ce code ne s'exécute pas sur ton ordinateur. Il part vers les serveurs cloud de Microsoft, s'y exécute dans un environnement sécurisé qui contient déjà les bibliothèques d'analyse les plus courantes (pandas, numpy, matplotlib, seaborn), puis le résultat redescend dans ta cellule. Tu n'as donc rien à installer ni à configurer.

La disponibilité : qui peut l'utiliser ?

Avant tout, vérifie si tu y as accès. Python dans Excel est réservé aux abonnements Microsoft 365. Il n'existe pas dans les versions à licence perpétuelle comme Excel 2021, 2019 ou 2016.

À noter : certaines fonctionnalités avancées (bibliothèques supplémentaires, exécutions plus longues) peuvent dépendre du type d'abonnement et faire l'objet d'options payantes. Pour un usage courant (manipuler des données, tracer des graphes), l'accès Microsoft 365 standard suffit.

Écrire ta première cellule Python

Le passage en mode Python se fait en quatre temps. L'essentiel à retenir : tu restes dans une cellule, mais tu y écris du Python au lieu d'une formule.

# Dans une cellule en mode PY :
import pandas as pd

# Récupérer un tableau Excel sous forme de DataFrame
df = xl("Ventes[#All]", headers=True)

# Afficher les 5 premières lignes
df.head()

Manipuler les données avec pandas

pandas est la bibliothèque Python de référence pour travailler des données tabulaires. Son objet central, le DataFrame, ressemble à un tableau Excel : des colonnes nommées, des types, des lignes. Une fois que tu as ce réflexe, quatre opérations couvrent l'essentiel de ce que tu feras au quotidien.

D'abord, tu récupères ton tableau. df = xl("Ventes[#All]", headers=True) charge ton tableau Excel dans un DataFrame nommé df, prêt à être interrogé en quelques lignes. C'est le point de départ de presque toutes tes cellules Python.

Ensuite, tu filtres les lignes. df[df["Montant"] > 1000] ne garde que les lignes dont le montant dépasse 1000. La syntaxe paraît dense au début, mais elle remplace les filtres manuels et reste reproductible à chaque réexécution du code, sans toucher à la souris.

Puis tu groupes et tu agrèges. df.groupby("Region")["Montant"].sum() calcule le chiffre d'affaires par région en une ligne. C'est l'équivalent d'un tableau croisé dynamique, mais scriptable et combinable avec d'autres traitements statistiques.

Enfin, tu explores d'un coup d'œil. df.describe() sort les statistiques clés (moyenne, écart-type, minimum, maximum et quartiles) de chaque colonne numérique. Idéal pour prendre la température d'un jeu de données avant de l'analyser en détail.

import pandas as pd
df = xl("Ventes[#All]", headers=True)

# Chiffre d'affaires par région, du plus élevé au plus faible
ca_region = (
    df[df["Montant"] > 0]
    .groupby("Region")["Montant"]
    .sum()
    .sort_values(ascending=False)
)
ca_region

Visualiser avec matplotlib et seaborn

C'est l'un des points forts de Python dans Excel : produire des graphiques que les graphiques natifs d'Excel ne savent pas faire facilement. Les bibliothèques matplotlib et seaborn sont déjà disponibles, et le graphe revient directement dans ta cellule sous forme d'image.

import seaborn as sns
df = xl("Ventes[#All]", headers=True)
sns.histplot(df["Montant"], bins=20)

Le graphe apparaît comme une image dans la cellule. Tu peux l'extraire « sur la grille » pour le redimensionner et le déplacer comme une image classique. Au-delà de l'histogramme, seaborn dessine des nuages de points, des matrices de corrélation, des box plots, des cartes de chaleur, tous très lisibles dès la première tentative.

Faire circuler les données entre Excel et Python

Tout l'intérêt tient dans cet aller-retour fluide : Excel fournit les données, Python les traite, Excel récupère le résultat. Deux directions à connaître.

D'Excel vers Python, c'est la fonction xl(). Tu pointes une plage ou un tableau avec xl("Ventes[#All]", headers=True) et Python reçoit un DataFrame pandas. Si les données Excel changent, le code se réexécute et le résultat se met à jour tout seul.

De Python vers Excel, tu choisis entre objet et valeurs. Le résultat d'une cellule PY() peut rester un objet Python compact, réutilisable dans une autre cellule PY(), ou se déverser en valeurs Excel classiques, que tu tries, filtres et mets en forme normalement. Le choix se fait via l'icône à gauche de la cellule.

Python, formules ou Power Query : quand choisir quoi ?

Les trois cohabitent dans un même classeur. Voici comment trancher selon ce que tu cherches à faire.

Les formules, pour le calcul interactif et rapide. Quand le résultat doit réagir instantanément à chaque saisie, rester entièrement sur ta machine et se comprendre d'un coup d'œil, les formules gardent l'avantage. SOMME.SI.ENS, RECHERCHEX, SI : c'est le terrain naturel d'Excel, et rien ne le détrône sur la réactivité.

Power Query, pour importer et nettoyer en boucle. Quand tu reçois régulièrement des données externes à nettoyer et structurer de la même façon, Power Query enregistre les étapes et les rejoue à chaque actualisation, sans écrire la moindre ligne de code. C'est l'outil du nettoyage répétable.

Python, pour l'analyse poussée et la visualisation. Quand tu as besoin de statistiques avancées, de graphiques que les formules ne savent pas produire ou de machine learning, Python prend le relais là où Excel atteint ses limites, au prix d'un aller-retour vers le cloud.

Les limites à connaître (et à respecter)

Python dans Excel est puissant, mais le fait que le code tourne dans le cloud impose des contraintes réelles. Mieux vaut les connaître avant de bâtir un classeur dessus.

Questions fréquentes sur Python dans Excel