数据分析前，先配置Excel 高级函数插件，并且配置Python集成jupyter环境。插件配置，可参加以下文章。

Excel Python插件配置

一、数据准备

分析数据集为某风电场现场SCADA系统采集的环境和功率数据。通过Excel Python插件，探索分析数据基本分布。

环境及功率数据

开始数据分析前，先启动jupyter 编辑器。需要说明的是，启动编辑器前，需要先启动jupyter notebook。启动方法有两种，一种通过程序开始菜单或者CMD命令方式启动，另外一种是在插件内启动。不管哪种方式启动，效果是一样的，唯一不同的是，插件内启动，没有CMD命令窗口。

在Excel内，通过Ctrl+A快捷键或者Ctrl+shift+方向箭头快捷键。将所有数据选中。右键jupyter 高级-》数据可视化-》直方图。将数据载入到jupyter之中。

二、数据分布探索分析

插件直方图分析工具，有两个面板，数据面板和参数面板。

• 数据面板内，选择要分析的数据，后者分类数据
• 参数面板内可以控制直方图分割数量，图形颜色，是否显示核密度，及是否显示分类等。下图为数据面板和参数面板。

需要说明的是，该分析直方图，利用的是seaborn可视化功能模块，该模块必须要求Python在3.7版本以上。如果提示未安装，请先安装。因为版本问题，如果提示函数错误，是因为seaborn版本问题，请升级到最新版本。

风速分布

​

由风速分布密度曲线形状，初步可判定，该风电场分布模型初步服从威布尔分布。在数据面板内，数值类型数据，切换不同字段，将会展示对应数据的直方图。

切换分析变量

​

气温分布

​

由气温数据可知，气温数据服从驼峰分布，该分布不服从每日气温气温特点，因为数据采集频率为4条记录/每小时，采集时长为1年。通过该分布可知，数据不能够以每日气温分布类推。该分布特点，应该蕴含了地球公转和自转规律。

按照年分组

​

按季度分组

​

有了第一个猜想后，将数据按年和按季度分组后，可以发现17、18年数据均符合驼峰分布，而且二者分布曲线基本类似。造成一年数据服从驼峰分布，主要来自于季度温度分布特点。

以上为Excel Python插件EFunction直方图用法基本显示。感兴趣的可以演练下。