牛掰!用Python處理Excel的14個(gè)常用操作總結(jié)!

自從 學(xué) 了Python后就逼迫用Python來處理Excel，所有操作用Python實(shí)現(xiàn)。 目的是鞏固Python，與增強(qiáng)數(shù)據(jù)處理能力。 這也是我寫這篇文章的初衷。廢話不說了，直接進(jìn)入正題。

數(shù)據(jù)是網(wǎng)上找到的銷售數(shù)據(jù)，長這樣：

一、關(guān)聯(lián)公式:Vlookup

vlookup是excel幾乎最常用的公式，一般用于兩個(gè)表的關(guān)聯(lián)查詢等。所以我先把這張表分為兩個(gè)表。

    df1=sale[['訂單明細(xì)號(hào)','單據(jù)日期','地區(qū)名稱',?'業(yè)務(wù)員名稱','客戶分類',?'存貨編碼',?'客戶名稱',?'業(yè)務(wù)員編碼',?'存貨名稱',?'訂單號(hào)',
???????'客戶編碼',?'部門名稱',?'部門編碼']]
df2=sale[['訂單明細(xì)號(hào)','存貨分類',?'稅費(fèi)',?'不含稅金額',?'訂單金額',?'利潤',?'單價(jià)','數(shù)量']]

  

需求：想知道df1的每一個(gè)訂單對(duì)應(yīng)的利潤是多少。

利潤一列存在于df2的表格中，所以想知道df1的每一個(gè)訂單對(duì)應(yīng)的利潤是多少。用excel的話首先確認(rèn)訂單明細(xì)號(hào)是唯一值，然后在df1新增一列寫：=vlookup(a2,df2!a:h,6,0) ，然后往下拉就ok了。（剩下13個(gè)我就不寫excel啦）

那用python是如何實(shí)現(xiàn)的呢？

    #查看訂單明細(xì)號(hào)是否重復(fù)，結(jié)果是沒。
df1["訂單明細(xì)號(hào)"].duplicated().value_counts()
df2["訂單明細(xì)號(hào)"].duplicated().value_counts()

df_c=pd.merge(df1,df2,on="訂單明細(xì)號(hào)",how="left")
  

二、數(shù)據(jù)透視表

需求：想知道每個(gè)地區(qū)的業(yè)務(wù)員分別賺取的利潤總和與利潤平均數(shù)。

    pd.pivot_table(sale,index="地區(qū)名稱",columns="業(yè)務(wù)員名稱",values="利潤",aggfunc=[np.sum,np.mean])

  

三、對(duì)比兩列差異

因?yàn)檫@表每列數(shù)據(jù)維度都不一樣，比較起來沒啥意義，所以我先做了個(gè)訂單明細(xì)號(hào)的差異再進(jìn)行比較。

需求：比較訂單明細(xì)號(hào)與訂單明細(xì)號(hào)2的差異并顯示出來。

    sale["訂單明細(xì)號(hào)2"]=sale["訂單明細(xì)號(hào)"]

#在訂單明細(xì)號(hào)2里前10個(gè)都+1.
sale["訂單明細(xì)號(hào)2"][1:10]=sale["訂單明細(xì)號(hào)2"][1:10]+1

#差異輸出
result=sale.loc[sale["訂單明細(xì)號(hào)"].isin(sale["訂單明細(xì)號(hào)2"])==False]

  

四、去除重復(fù)值

需求：去除業(yè)務(wù)員編碼的重復(fù)值

    sale.drop_duplicates("業(yè)務(wù)員編碼",inplace=True)
  

五、缺失值處理

先查看銷售數(shù)據(jù)哪幾列有缺失值。

    #列的行數(shù)小于index的行數(shù)的說明有缺失值，這里客戶名稱329<335,說明有缺失值
sale.info()

  

需求：用0填充缺失值或則刪除有客戶編碼缺失值的行。 實(shí)際上缺失值處理的辦法是很復(fù)雜的，這里只介紹簡(jiǎn)單的處理方法，若是數(shù)值變量，最常用平均數(shù)或中位數(shù)或眾數(shù)處理，比較復(fù)雜的可以用隨機(jī)森林模型根據(jù)其他維度去預(yù)測(cè)結(jié)果填充。若是分類變量，根據(jù)業(yè)務(wù)邏輯去填充準(zhǔn)確性比較高。比如這里的需求填充客戶名稱缺失值：就可以根據(jù)存貨分類出現(xiàn)頻率最大的存貨所對(duì)應(yīng)的客戶名稱去填充。

這里我們用簡(jiǎn)單的處理辦法：用0填充缺失值或則刪除有客戶編碼缺失值的行。

    #用0填充缺失值
sale["客戶名稱"]=sale["客戶名稱"].fillna(0)
#刪除有客戶編碼缺失值的行
sale.dropna(subset=["客戶編碼"])

  

六、多條件篩選

需求：想知道業(yè)務(wù)員張愛，在北京區(qū)域賣的商品訂單金額大于6000的信息。

    sale.loc[(sale["地區(qū)名稱"]=="北京")&(sale["業(yè)務(wù)員名稱"]=="張愛")&(sale["訂單金額"]>5000)]
  

七、 模糊篩選數(shù)據(jù)

需求:篩選存貨名稱含有"三星"或則含有"索尼"的信息。

    sale.loc[sale["存貨名稱"].str.contains("三星|索尼")]
  

八、分類匯總

需求:北京區(qū)域各業(yè)務(wù)員的利潤總額。

    sale.groupby(["地區(qū)名稱","業(yè)務(wù)員名稱"])["利潤"].sum()
  

九、條件計(jì)算

需求：存貨名稱含“三星字眼”并且稅費(fèi)高于1000的訂單有幾個(gè)？這些訂單的利潤總和和平均利潤是多少？（或者最小值，最大值，四分位數(shù)，標(biāo)注差）

    sale.loc[sale["存貨名稱"].str.contains("三星")&(sale["稅費(fèi)"]>=1000)][["訂單明細(xì)號(hào)","利潤"]].describe()

  

十、刪除數(shù)據(jù)間的空格

需求：刪除存貨名稱兩邊的空格。

    sale["存貨名稱"].map(lambda?s?:s.strip(""))
  

十一、數(shù)據(jù)分列

需求：將日期與時(shí)間分列。

    sale=pd.merge(sale,pd.DataFrame(sale["單據(jù)日期"].str.split("?",expand=True)),how="inner",left_index=True,right_index=True)

  

十二、異常值替換

首先用describe()函數(shù)簡(jiǎn)單查看一下數(shù)據(jù)有無異常值。

    #可看到銷項(xiàng)稅有負(fù)數(shù)，一般不會(huì)有這種情況，視它為異常值。
sale.describe()

  

需求：用0代替異常值。

    sale["訂單金額"]=sale["訂單金額"].replace(min(sale["訂單金額"]),0)
  

十三、分組

需求：根據(jù)利潤數(shù)據(jù)分布把地區(qū)分組為："較差","中等","較好","非常好"

首先，當(dāng)然是查看利潤的數(shù)據(jù)分布呀，這里我們采用四分位數(shù)去判斷。

    sale.groupby("地區(qū)名稱")["利潤"].sum().describe()

  

根據(jù)四分位數(shù)把地區(qū)總利潤為[-9,7091]區(qū)間的分組為“較差”，(7091,10952]區(qū)間的分組為"中等" (10952,17656]分組為較好，(17656,37556]分組為非常好。

    #先建立一個(gè)Dataframe
sale_area=pd.DataFrame(sale.groupby("地區(qū)名稱")["利潤"].sum()).reset_index()

#設(shè)置bins,和分組名稱
bins=[-10,7091,10952,17656,37556]
groups=["較差","中等","較好","非常好"]

#使用cut分組
#sale_area["分組"]=pd.cut(sale_area["利潤"],bins,labels=groups)
  

十四、根據(jù)業(yè)務(wù)邏輯定義標(biāo)簽

需求：銷售利潤率（即利潤/訂單金額）大于30%的商品信息并標(biāo)記它為優(yōu)質(zhì)商品，小于5%為一般商品。

    sale.loc[(sale["利潤"]/sale["訂單金額"])>0.3,"label"]="優(yōu)質(zhì)商品"
sale.loc[(sale["利潤"]/sale["訂單金額"])<0.05,"label"]="一般商品"

  

其實(shí)excel常用的操作還有很多，我就列舉了14個(gè)自己比較常用的，若還想實(shí)現(xiàn)哪些操作可以評(píng)論一起交流討論，另外我自身也知道我寫python不夠精簡(jiǎn)，慣性使用loc。（其實(shí)query會(huì)比較精簡(jiǎn)）。若大家對(duì)這幾個(gè)操作有更好的寫法請(qǐng)務(wù)必評(píng)論告知我，感謝！

最后想說說，我覺得最好不要拿excel和python做對(duì)比，去研究哪個(gè)好用，其實(shí)都是工具，excel作為最為廣泛的數(shù)據(jù)處理工具，壟斷這么多年必定在數(shù)據(jù)處理方便也是相當(dāng)優(yōu)秀的，有些操作確實(shí)python會(huì)比較簡(jiǎn)單，但也有不少excel操作起來比python簡(jiǎn)單的。

比如一個(gè)很簡(jiǎn)單的操作：對(duì)各列求和并在最下一行顯示出來，excel就是對(duì)一列總一個(gè)sum()函數(shù)，然后往左一拉就解決，而python則要定義一個(gè)函數(shù)（因?yàn)閜ython要判斷格式，若非數(shù)值型數(shù)據(jù)直接報(bào)錯(cuò)。）

總結(jié)一下就是：無論用哪個(gè)工具，能解決問題就是好數(shù)據(jù)分析師！