RFM分析是一种常见的数据分析方法，普遍应用于Excel、powerbi、python进行数据分析，但是往往要么比较复杂，要么根本不是人能学懂的。
现在，因为Excel中的Python高级分析来了，我们可以很从容地在Excel中，使用自然语言一键对数据进行RFM分析。
过程方法
在Excel的copilot侧边栏中，有一个"高级分析"按钮，可以使用python获取更深入的数据分析结果：
点击此按钮后，出现"启动高级分析"的按钮，点击启动：
地址栏会显示已经进入PY环境，并且将数据整理为dataframe：
接下来就可以对此数据进行提问分析了。
比如，我们直接在copilot中提问"能否使用ABC分析法或者RFM分析法，将用户进行分类打分排序"，很快，copilot给我们展示了整个流程：
-
第一步：深度思考计算流程；
-
第二步：自动生成Python代码；
-
第三步：运行Python代码输出结果
以下是自动生成的Python代码：
"=PY(""#使用RFM分析法对用户进行分类打分排序# 使用RFM分析法对用户进行分类打分排序# 计算每个用户的R（最近一次购买时间）、F（购买频率）和M（购买金额）import datetime as dt
_2_df=xl("表2[[#标题],[#数据]]", headers=True)
# 当前日期now = dt.datetime.now()
# 计算RFM值rfm = _2_df.groupby('客户ID').agg({ '订单日期': lambda x: (now - x.max()).days, '订单ID': 'count', '销售额': 'sum'}).reset_index()
# 重命名列rfm.columns = ['客户ID', 'R', 'F', 'M']
# 对RFM值进行评分rfm['R_Score'] = pd.qcut(rfm['R'], 5, labels=[5, 4, 3, 2, 1])rfm['F_Score'] = pd.qcut(rfm['F'], 5, labels=[1, 2, 3, 4, 5])rfm['M_Score'] = pd.qcut(rfm['M'], 5, labels=[1, 2, 3, 4, 5])
# 计算RFM总分rfm['RFM_Score'] = rfm[['R_Score', 'F_Score', 'M_Score']].sum(axis=1)
# 按RFM总分排序rfm = rfm.sort_values('RFM_Score', ascending=False)
# 显示结果rfm"",1)"右侧边栏输出效果：
输出在Excel表内的结果，dataframe默认显示了前后各5行：
如果想要显示所有的数据，可以右键dataframe单元格，选择"Python输出"→"Excel值"：
就会得到所有数据的展示：
RFM分析的评分可以作为数据分析的最终结果，也可以作为下一步继续分析的依据。
结论
本文介绍了使用Copilot in Excel with Python高级数据分析的超级能力，并展示了一键实现RFM分析的流程。这项能力大大缩减了用户对数据进行复杂分析的时间，并且让用户可以在对Excel公式毫不熟悉、对Python代码毫不熟悉、不需要安装Python软件或配置环境的情况下，可以顺利地完成复杂数据分析要求。
Excel内置，无需安装任何其他插件，copilot原生，甚至不需要安装python，就可以直接在Excel中，使用最强大的AI工具，自然语言直接生成可以拿来用的可视化图表，这一切，只需要订阅Copilot for Microsoft 365商业版。
不要相信什么ChatGPT、DeepSeek等各种大模型嵌入插件调用，然后生成vba代码，再插入word、Excel和PPT等。看上去好像这个免费，那个免费，免费的才是最贵的。
虽然它们的确很强，但是，只要在Microsoft office中，没人打得过copilot：
如何快速开始享用Copilot for Microsoft 365？****