自從學了Python后就逼迫用Python來處理Excel，所有操作用Python實作，目的是鞏固Python，與增強資料處理能力，
這也是我寫這篇文章的初衷，廢話不說了，直接進入正題，
資料是網上找到的銷售資料，長這樣：
一、關聯公式:Vlookup
vlookup是excel幾乎最常用的公式，一般用于兩個表的關聯查詢等，所以我先把這張表分為兩個表，
df1=sale[['訂單明細號','單據日期','地區名稱', '業務員名稱','客戶分類', '存貨編碼', '客戶名稱', '業務員編碼', '存貨名稱', '訂單號', '客戶編碼', '部門名稱', '部門編碼']] df2=sale[['訂單明細號','存貨分類', '稅費', '不含稅金額', '訂單金額', '利潤', '單價','數量']]
需求：想知道df1的每一個訂單對應的利潤是多少，
利潤一列存在于df2的表格中，所以想知道df1的每一個訂單對應的利潤是多少，用excel的話首先確認訂單明細號是唯一值，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個我就不寫excel啦）
那用python是如何實作的呢？
#查看訂單明細號是否重復，結果是沒， df1["訂單明細號"].duplicated().value_counts() df2["訂單明細號"].duplicated().value_counts() df_c=pd.merge(df1,df2,on="訂單明細號",how="left") # 新的一年，必須卷死同學、同事，狠狠的提升一波自己的Python實力，這里我給大家準備了2023最新的Python學習資料、電子書、基礎視頻教程、實戰案例，直接在這個摳裙 708525271 自取即可
二、資料透視表
需求：想知道每個地區的業務員分別賺取的利潤總和與利潤平均數，
pd.pivot_table(sale,index="地區名稱",columns="業務員名稱",values="利潤",aggfunc=[np.sum,np.mean])
三、對比兩列差異
因為這表每列資料維度都不一樣，比較起來沒啥意義，所以我先做了個訂單明細號的差異再進行比較，
需求：比較訂單明細號與訂單明細號2的差異并顯示出來，
sale["訂單明細號2"]=sale["訂單明細號"] #在訂單明細號2里前10個都+1. sale["訂單明細號2"][1:10]=sale["訂單明細號2"][1:10]+1 #差異輸出 result=sale.loc[sale["訂單明細號"].isin(sale["訂單明細號2"])==False]
四、去除重復值
需求：去除業務員編碼的重復值
sale.drop_duplicates("業務員編碼",inplace=True)
五、缺失值處理
先查看銷售資料哪幾列有缺失值，
#列的行數小于index的行數的說明有缺失值，這里客戶名稱329<335,說明有缺失值 sale.info()
需求：用0填充缺失值或則洗掉有客戶編碼缺失值的行，
實際上缺失值處理的辦法是很復雜的，這里只介紹簡單的處理方法，若是數值變數，最常用平均數或中位數或眾數處理，比較復雜的可以用隨機森林模型根據其他維度去預測結果填充，若是分類變數，根據業務邏輯去填充準確性比較高，
比如這里的需求填充客戶名稱缺失值： 就可以根據存貨分類出現頻率最大的存貨所對應的客戶名稱去填充，
這里我們用簡單的處理辦法：用0填充缺失值或則洗掉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) #洗掉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：想知道業務員張愛，在北京區域賣的商品訂單金額大于6000的資訊，
sale.loc[(sale["地區名稱"]=="北京")&(sale["業務員名稱"]=="張愛")&(sale["訂單金額"]>5000)]
七、 模糊篩選資料
需求:篩選存貨名稱含有"三星"或則含有"索尼"的資訊，
sale.loc[sale["存貨名稱"].str.contains("三星|索尼")]
八、分類匯總
需求:北京區域各業務員的利潤總額，
sale.groupby(["地區名稱","業務員名稱"])["利潤"].sum()
九、條件計算
需求：存貨名稱含“三星字眼”并且稅費高于1000的訂單有幾個？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，標注差）
sale.loc[sale["存貨名稱"].str.contains("三星")&(sale["稅費"]>=1000)][["訂單明細號","利潤"]].describe()
十、洗掉資料間的空格
需求：洗掉存貨名稱兩邊的空格，
sale["存貨名稱"].map(lambda s :s.strip(""))
十一、資料分列
需求：將日期與時間分列，
sale=pd.merge(sale,pd.DataFrame(sale["單據日期"].str.split(" ",expand=True)),how="inner",left_index=True,right_index=True)
十二、例外值替換
首先用describe()函式簡單查看一下資料有無例外值，
#可看到銷項稅有負數，一般不會有這種情況，視它為例外值， sale.describe()
需求：用0代替例外值，
sale["訂單金額"]=sale["訂單金額"].replace(min(sale["訂單金額"]),0)
十三、分組
需求：根據利潤資料分布把地區分組為：“較差”,“中等”,“較好”,“非常好”
首先，當然是查看利潤的資料分布呀，這里我們采用四分位數去判斷，
sale.groupby("地區名稱")["利潤"].sum().describe()
根據四分位數把地區總利潤為[-9,7091]區間的分組為“較差”，(7091,10952]區間的分組為"中等" (10952,17656]分組為較好，(17656,37556]分組為非常好，
#先建立一個Dataframe sale_area=pd.DataFrame(sale.groupby("地區名稱")["利潤"].sum()).reset_index() #設定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、根據業務邏輯定義標簽
需求：銷售利潤率（即利潤/訂單金額）大于30%的商品資訊并標記它為優質商品，小于5%為一般商品，
sale.loc[(sale["利潤"]/sale["訂單金額"])>0.3,"label"]="優質商品" sale.loc[(sale["利潤"]/sale["訂單金額"])<0.05,"label"]="一般商品"
其實excel常用的操作還有很多，我就列舉了14個自己比較常用的，若還想實作哪些操作可以評論一起交流討論，另外我自身也知道我寫python不夠精簡，慣性使用loc，（其實query會比較精簡），若大家對這幾個操作有更好的寫法請務必評論告知我，感謝！
最后想說說，我覺得最好不要拿excel和python做對比，去研究哪個好用，其實都是工具，excel作為最為廣泛的資料處理工具，壟斷這么多年必定在資料處理方便也是相當優秀的，有些操作確實python會比較簡單，但也有不少excel操作起來比python簡單的，
比如一個很簡單的操作：對各列求和并在最下一行顯示出來，excel就是對一列總一個sum()函式，然后往左一拉就解決，而python則要定義一個函式（因為python要判斷格式，若非數值型資料直接報錯，）
總結一下就是：無論用哪個工具，能解決問題就是好資料分析師！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/544564.html
標籤：Python
下一篇：Python關于例外處理的教程