入職資料崗快兩個月了，多數時間還是和excel打交道。以至於上週想寫下Python，卻發覺有點生疏，突然慌了起來，也想起以前看過的一篇學Python的文章，大意是自從學了Python後就逼迫自己不用Excel，所有操作用Python實現。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。

學習Python中有不明白推薦加入交流裙
                                       號：735934841

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？

#檢視訂單明細號是否重複，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")

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裡前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、去除重複值

需求：去除業務員編碼的重複值

sale.drop_duplicates("業務員編碼",inplace=True)

五、缺失值處理

先檢視銷售資料哪幾列有缺失值。

#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、刪除資料間的空格

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、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、異常值替換

首先用describe()函式簡單檢視一下資料有無異常值。

#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：根據利潤資料分佈把地區分組為："較差","中等","較好","非常好"

首先，當然是檢視利潤的資料分佈呀，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籤

需求：銷售利潤率（即利潤/訂單金額）大於30%的商品資訊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作為最為廣泛的資料處理工具，壟斷這麼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：對各列求和並在最下一行顯示出來，excel就是對一列總一個sum()函式，然後往左一拉就解決，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！