自從學了Python後就逼迫用Python來處理Excel，所有操作用Python實現。目的是鞏固Python，與增強數據處理能力。這也是我寫這篇文章的初衷。廢話不說了，直接進入正題。 數據是網上找到的銷售數據，長這樣： 一、關聯公式:Vlookup vlookup是excel幾乎最常用的公式，一般 ...
自從學了Python後就逼迫用Python來處理Excel，所有操作用Python實現。目的是鞏固Python，與增強數據處理能力。
這也是我寫這篇文章的初衷。廢話不說了，直接進入正題。
數據是網上找到的銷售數據，長這樣：
一、關聯公式:Vlookup
vlookup是excel幾乎最常用的公式，一般用於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。
利潤一列存在於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，然後在df1新增一列寫：=vlookup(a2,df2!a:h,6,0) ，然後往下拉就ok了。（剩下13個我就不寫excel啦）
那用python是如何實現的呢？
#查看訂單明細號是否重覆，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，必須捲死同學、同事，狠狠的提升一波自己的Python實力，這裡我給大家準備了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、數據透視表
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
因為這表每列數據維度都不一樣，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的差異並顯示出來。
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、去除重覆值
需求：去除業務員編碼的重覆值
sale.drop_duplicates("業務員編碼",inplace=True)
五、缺失值處理
先查看銷售數據哪幾列有缺失值。
#列的行數小於index的行數的說明有缺失值，這裡客戶名稱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。
實際上缺失值處理的辦法是很複雜的，這裡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，比較複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。
比如這裡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。
這裡我們用簡單的處理辦法：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：想知道業務員張愛，在北京區域賣的商品訂單金額大於6000的信息。
sale.loc[(sale["地區名稱"]=="北京")&(sale["業務員名稱"]=="張愛")&(sale["訂單金額"]>5000)]
七、 模糊篩選數據
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、分類彙總
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”並且稅費高於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，標註差）
sale.loc[sale["存貨名稱"].str.contains("三星")&(sale["稅費"]>=1000)][["訂單明細號","利潤"]].describe()
十、刪除數據間的空格
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、數據分列
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、異常值替換
首先用describe()函數簡單查看一下數據有無異常值。
#可看到銷項稅有負數，一般不會有這種情況，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：根據利潤數據分佈把地區分組為：“較差”,“中等”,“較好”,“非常好”
首先，當然是查看利潤的數據分佈呀，這裡我們採用四分位數去判斷。
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、根據業務邏輯定義標簽
需求：銷售利潤率（即利潤/訂單金額）大於30%的商品信息並標記它為優質商品，小於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，若還想實現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！
最後想說說，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作為最為廣泛的數據處理工具，壟斷這麼多年必定在數據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：對各列求和併在最下一行顯示出來，excel就是對一列總一個sum()函數，然後往左一拉就解決，而python則要定義一個函數（因為python要判斷格式，若非數值型數據直接報錯。）
總結一下就是：無論用哪個工具，能解決問題就是好數據分析師！
