自从学了Python后就逼迫用Python来处理Excel           ，所有操作用Python实现           。目的是巩固Python
  
 
  
 
  
 
  
 
  
 
 ，与增强数据处理能力
  
 
  
 
  
 
  
 
  
 
 。

这也是我写这篇文章的初衷










。废话不说了










，直接进入正题 
  
  
  
  
  。

数据是网上找到的销售数据 
  
  
  
  
  ，长这样：

一           、关联公式:Vlookup

vlookup是excel几乎最常用的公式
  
  
  
  
  
 ，一般用于两个表的关联查询等
  
  
  
  
  
 。所以我先把这张表分为两个表
 


 


 


 


 


。

df1=sale[[订单明细号,单据日期,地区名称, 业务员名称,客户分类, 存货编码, 客户名称, 业务员编码, 存货名称, 订单号, 客户编码, 部门名称, 部门编码]] df2=sale[[订单明细号,存货分类, 税费, 不含税金额, 订单金额, 利润, 单价,数量]]

需求：想知道df1的每一个订单对应的利润是多少 
 
 
 
 
 。

利润一列存在于df2的表格中
 


 


 


 


 


，所以想知道df1的每一个订单对应的利润是多少
   
   
   
   
   
 。用excel的话首先确认订单明细号是唯一值 
 
 
 
 
 ，然后在df1新增一列写：=vlookup(a2,df2!a:h,6,0) 
   
   
   
   
   
 ，然后往下拉就ok了
 

 

 

 

 

。（剩下13个我就不写excel啦）

那用python是如何实现的呢？

#查看订单明细号是否重复
 

 

 

 

 

，结果是没 

 

 

 

 

 。 df1["订单明细号"].duplicated().value_counts() df2["订单明细号"].duplicated().value_counts() df_c=pd.merge(df1,df2,on="订单明细号",how="left")

兄弟们学习python 

 

 

 

 

 ，有时候不知道怎么学           ，从哪里开始学           。掌握了基本的一些语法或者做了两个案例后

 
 

 
 

 
 

 
 

 
 

，不知道下一步怎么走









，不知道如何去学习更加高深的知识

 
 

 
 

 
 

 
 

 
 

。

那么对于这些大兄弟们                 ，我准备了大量的免费视频教程
 
 
 
 
 
 
 
 
 
 
，PDF电子书籍















，以及源代码！

还会有大佬解答！

文末名片扫码自取哈

二
  
 
  
 
  
 
  
 
  
 
 、数据透视表

需求：想知道每个地区的业务员分别赚取的利润总和与利润平均数









。

pd.pivot_table(sale,index="地区名称",columns="业务员名称",values="利润",aggfunc=[np.sum,np.mean])

三










、对比两列差异

因为这表每列数据维度都不一样           ，比较起来没啥意义
  
 
  
 
  
 
  
 
  
 
 ，所以我先做了个订单明细号的差异再进行比较                 。

需求：比较订单明细号与订单明细号2的差异并显示出来
 
 
 
 
 
 
 
 
 
 
。

sale["订单明细号2"]=sale["订单明细号"] #在订单明细号2里前10个都+1. sale["订单明细号2"][1:10]=sale["订单明细号2"][1:10]+1 #差异输出 result=sale.loc[sale["订单明细号"].isin(sale["订单明细号2"])==False]

四 
  
  
  
  
  、去除重复值

需求：去除业务员编码的重复值

sale.drop_duplicates("业务员编码",inplace=True)

五
  
  
  
  
  
 、缺失值处理

先查看销售数据哪几列有缺失值















。

#列的行数小于index的行数的说明有缺失值










，这里客户名称329<335,说明有缺失值 sale.info()

需求：用0填充缺失值或则删除有客户编码缺失值的行           。 实际上缺失值处理的办法是很复杂的 
  
  
  
  
  ，这里只介绍简单的处理方法
  
  
  
  
  
 ，若是数值变量
 


 


 


 


 


，最常用平均数或中位数或众数处理 
 
 
 
 
 ，比较复杂的可以用随机森林模型根据其他维度去预测结果填充
  
 
  
 
  
 
  
 
  
 
 。若是分类变量
   
   
   
   
   
 ，根据业务逻辑去填充准确性比较高










。

比如这里的需求填充客户名称缺失值： 就可以根据存货分类出现频率最大的存货所对应的客户名称去填充 
  
  
  
  
  。

这里我们用简单的处理办法：用0填充缺失值或则删除有客户编码缺失值的行
  
  
  
  
  
 。

#用0填充缺失值 sale["客户名称"]=sale["客户名称"].fillna(0) #删除有客户编码缺失值的行 sale.dropna(subset=["客户编码"])

六
 


 


 


 


 


、多条件筛选

需求：想知道业务员张爱
 

 

 

 

 

，在北京区域卖的商品订单金额大于6000的信息
 


 


 


 


 


。

sale.loc[(sale["地区名称"]=="北京")&(sale["业务员名称"]=="张爱")&(sale["订单金额"]>5000)]

七 
 
 
 
 
 、 模糊筛选数据

需求:筛选存货名称含有"三星"或则含有"索尼"的信息 
 
 
 
 
 。

sale.loc[sale["存货名称"].str.contains("三星|索尼")]

八
   
   
   
   
   
 、分类汇总

需求:北京区域各业务员的利润总额
   
   
   
   
   
 。

sale.groupby(["地区名称","业务员名称"])["利润"].sum()

九
 

 

 

 

 

、条件计算

需求：存货名称含“三星字眼           ”并且税费高于1000的订单有几个？这些订单的利润总和和平均利润是多少？（或者最小值 

 

 

 

 

 ，最大值           ，四分位数

 
 

 
 

 
 

 
 

 
 

，标注差）

sale.loc[sale["存货名称"].str.contains("三星")&(sale["税费"]>=1000)][["订单明细号","利润"]].describe()

十 

 

 

 

 

 、删除数据间的空格

需求：删除存货名称两边的空格
 

 

 

 

 

。

sale["存货名称"].map(lambda s :s.strip(""))

十一           、数据分列

需求：将日期与时间分列 

 

 

 

 

 。

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

十二

 
 

 
 

 
 

 
 

 
 

、异常值替换

首先用describe()函数简单查看一下数据有无异常值           。

#可看到销项税有负数









，一般不会有这种情况                 ，视它为异常值

 
 

 
 

 
 

 
 

 
 

。 sale.describe()

需求：用0代替异常值









。

sale["订单金额"]=sale["订单金额"].replace(min(sale["订单金额"]),0)

十三









、分组

需求：根据利润数据分布把地区分组为：“较差
  
 
  
 
  
 
  
 
  
 
 ”,“中等










”,“较好 
  
  
  
  
  ”,“非常好
  
  
  
  
  
 ”

首先
 
 
 
 
 
 
 
 
 
 
，当然是查看利润的数据分布呀















，这里我们采用四分位数去判断                 。

sale.groupby("地区名称")["利润"].sum().describe()

根据四分位数把地区总利润为[-9,7091]区间的分组为“较差
 


 


 


 


 


”           ，(7091,10952]区间的分组为"中等" (10952,17656]分组为较好
  
 
  
 
  
 
  
 
  
 
 ，(17656,37556]分组为非常好
 
 
 
 
 
 
 
 
 
 
。

#先建立一个Dataframe sale_area=pd.DataFrame(sale.groupby("地区名称")["利润"].sum()).reset_index() #设置bins,和分组名称 bins=[-10,7091,10952,17656,37556] groups=["较差","中等","较好","非常好"] #使用cut分组 #sale_area["分组"]=pd.cut(sale_area["利润"],bins,labels=groups)

十四                 、根据业务逻辑定义标签

需求：销售利润率（即利润/订单金额）大于30%的商品信息并标记它为优质商品










，小于5%为一般商品















。

sale.loc[(sale["利润"]/sale["订单金额"])>0.3,"label"]="优质商品" sale.loc[(sale["利润"]/sale["订单金额"])<0.05,"label"]="一般商品"

其实excel常用的操作还有很多 
  
  
  
  
  ，我就列举了14个自己比较常用的
  
  
  
  
  
 ，若还想实现哪些操作可以评论一起交流讨论
 


 


 


 


 


，另外我自身也知道我写python不够精简 
 
 
 
 
 ，惯性使用loc           。（其实query会比较精简）
  
 
  
 
  
 
  
 
  
 
 。若大家对这几个操作有更好的写法请务必评论告知我
   
   
   
   
   
 ，感谢！

最后想说说
 

 

 

 

 

，我觉得最好不要拿excel和python做对比 

 

 

 

 

 ，去研究哪个好用           ，其实都是工具

 
 

 
 

 
 

 
 

 
 

，excel作为最为广泛的数据处理工具









，垄断这么多年必定在数据处理方便也是相当优秀的                 ，有些操作确实python会比较简单
 
 
 
 
 
 
 
 
 
 
，但也有不少excel操作起来比python简单的










。

比如一个很简单的操作：对各列求和并在最下一行显示出来















，excel就是对一列总一个sum()函数           ，然后往左一拉就解决
  
 
  
 
  
 
  
 
  
 
 ，而python则要定义一个函数（因为python要判断格式










，若非数值型数据直接报错 
  
  
  
  
  。）

总结一下就是：无论用哪个工具 
  
  
  
  
  ，能解决问题就是好数据分析师！