Python處理Excel，學會這十四個方法，作業量減少大半！

現在Python橫行的年代，財務、人事、行政等等崗位多少得學點Python，省事又不費腦！
所有操作都用Python自動實作，加班？不存在的！

excel和python其實都是工具，不要也不用拿去做對比，研究哪個好用，excel作為最為全球廣泛的資料處理工具，壟斷多年，肯定在資料處理方面有自己的優點，Python只是令 一些龐大的，費時間的操作加速處理，方便作業嘛，

當然也有很多excel的操作比用Python自動處理更加簡單方便，

比如：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，python要判斷格式，若非數值型資料會直接，我就不一一舉例了！

好了，我們開始正題，

在網上找的銷售資料，差不多長這樣，
銷售資料
1、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])

#兄弟們學習python，有時候不知道怎么學，從哪里開始學，掌握了基本的一#些語法或者做了兩個案例后，不知道下一步怎么走，不知道如何去學習更加高#深的知識，
#那么對于這些大兄弟們，我準備了大量的免費視頻教程，PDF電子書籍，以及#視頻源的源代碼！
#還會有大佬解答！
#都在這個裙里了 872937351
#歡迎加入，一起討論 一起學習！

2、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)

3、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()

4、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，

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")

5、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()

6、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)

7、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]

8、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)

9、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"])

10、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)

11、 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")]

12、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(""))

13、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"

14、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)]

這里只是列舉了一些比較常用的，但是excel常用的操作還有很多，如果還想實作哪些操作，大家可以在評論區一起交流，大家如果對這這些操作有更好的寫法，也可以在評論區一起交流！感謝！

.

標籤：Python

上一篇：【Python爬蟲】入門級爬蟲案例，20行代碼爬取網站圖片（附原始碼）

下一篇：使用python進行視頻圖片提取