大家好，我是菜鳥(niǎo)哥！

數(shù)據(jù)是網(wǎng)上找到的銷(xiāo)售數(shù)據(jù)，長(zhǎng)這樣：

一、關(guān)聯(lián)公式:Vlookup

vlookup是excel幾乎最常用的公式，一般用于兩個(gè)表的關(guān)聯(lián)查詢(xún)等。所以我先把這張表分為兩個(gè)表。

df1=sale[['訂單明細(xì)號(hào)','單據(jù)日期','地區(qū)名稱(chēng)', '業(yè)務(wù)員名稱(chēng)','客戶(hù)分類(lèi)', '存貨編碼', '客戶(hù)名稱(chēng)', '業(yè)務(wù)員編碼', '存貨名稱(chēng)', '訂單號(hào)',
      '客戶(hù)編碼', '部門(mén)名稱(chēng)', '部門(mén)編碼']]
df2=sale[['訂單明細(xì)號(hào)','存貨分類(lèi)', '稅費(fèi)', '不含稅金額', '訂單金額', '利潤(rùn)', '單價(jià)','數(shù)量']]

需求：想知道df1的每一個(gè)訂單對(duì)應(yīng)的利潤(rùn)是多少。

利潤(rùn)一列存在于df2的表格中，所以想知道df1的每一個(gè)訂單對(duì)應(yīng)的利潤(rùn)是多少。用excel的話(huà)首先確認(rèn)訂單明細(xì)號(hào)是唯一值，然后在df1新增一列寫(xiě)：=vlookup(a2,df2!a:h,6,0) ，然后往下拉就ok了。（剩下13個(gè)我就不寫(xiě)excel啦）

那用python是如何實(shí)現(xiàn)的呢？

#查看訂單明細(xì)號(hào)是否重復(fù)，結(jié)果是沒(méi)。
df1["訂單明細(xì)號(hào)"].duplicated().value_counts()
df2["訂單明細(xì)號(hào)"].duplicated().value_counts()
df_c=pd.merge(df1,df2,on="訂單明細(xì)號(hào)",how="left")

二、數(shù)據(jù)透視表

需求：想知道每個(gè)地區(qū)的業(yè)務(wù)員分別賺取的利潤(rùn)總和與利潤(rùn)平均數(shù)。

pd.pivot_table(sale,index="地區(qū)名稱(chēng)",columns="業(yè)務(wù)員名稱(chēng)",values="利潤(rùn)",aggfunc=[np.sum,np.mean])

三、對(duì)比兩列差異

因?yàn)檫@表每列數(shù)據(jù)維度都不一樣，比較起來(lái)沒(méi)啥意義，所以我先做了個(gè)訂單明細(xì)號(hào)的差異再進(jìn)行比較。

需求：比較訂單明細(xì)號(hào)與訂單明細(xì)號(hào)2的差異并顯示出來(lái)。

sale["訂單明細(xì)號(hào)2"]=sale["訂單明細(xì)號(hào)"]
#在訂單明細(xì)號(hào)2里前10個(gè)都+1.
sale["訂單明細(xì)號(hào)2"][1:10]=sale["訂單明細(xì)號(hào)2"][1:10]+1
#差異輸出
result=sale.loc[sale["訂單明細(xì)號(hào)"].isin(sale["訂單明細(xì)號(hào)2"])==False]

四、去除重復(fù)值

需求：去除業(yè)務(wù)員編碼的重復(fù)值

sale.drop_duplicates("業(yè)務(wù)員編碼",inplace=True)

五、缺失值處理

先查看銷(xiāo)售數(shù)據(jù)哪幾列有缺失值。

#列的行數(shù)小于index的行數(shù)的說(shuō)明有缺失值，這里客戶(hù)名稱(chēng)329<335,說(shuō)明有缺失值
sale.info()

需求：用0填充缺失值或則刪除有客戶(hù)編碼缺失值的行。實(shí)際上缺失值處理的辦法是很復(fù)雜的，這里只介紹簡(jiǎn)單的處理方法，若是數(shù)值變量，最常用平均數(shù)或中位數(shù)或眾數(shù)處理，比較復(fù)雜的可以用隨機(jī)森林模型根據(jù)其他維度去預(yù)測(cè)結(jié)果填充。若是分類(lèi)變量，根據(jù)業(yè)務(wù)邏輯去填充準(zhǔn)確性比較高。比如這里的需求填充客戶(hù)名稱(chēng)缺失值：就可以根據(jù)存貨分類(lèi)出現(xiàn)頻率最大的存貨所對(duì)應(yīng)的客戶(hù)名稱(chēng)去填充。

這里我們用簡(jiǎn)單的處理辦法：用0填充缺失值或則刪除有客戶(hù)編碼缺失值的行。

#用0填充缺失值
sale["客戶(hù)名稱(chēng)"]=sale["客戶(hù)名稱(chēng)"].fillna(0)
#刪除有客戶(hù)編碼缺失值的行
sale.dropna(subset=["客戶(hù)編碼"])

六、多條件篩選

需求：想知道業(yè)務(wù)員張愛(ài)，在北京區(qū)域賣(mài)的商品訂單金額大于6000的信息。

sale.loc[(sale["地區(qū)名稱(chēng)"]=="北京")&(sale["業(yè)務(wù)員名稱(chēng)"]=="張愛(ài)")&(sale["訂單金額"]>5000)]

七、 模糊篩選數(shù)據(jù)

需求:篩選存貨名稱(chēng)含有"三星"或則含有"索尼"的信息。

sale.loc[sale["存貨名稱(chēng)"].str.contains("三星|索尼")]

八、分類(lèi)匯總

需求:北京區(qū)域各業(yè)務(wù)員的利潤(rùn)總額。

sale.groupby(["地區(qū)名稱(chēng)","業(yè)務(wù)員名稱(chēng)"])["利潤(rùn)"].sum()

九、條件計(jì)算

需求：存貨名稱(chēng)含“三星字眼”并且稅費(fèi)高于1000的訂單有幾個(gè)？這些訂單的利潤(rùn)總和和平均利潤(rùn)是多少？（或者最小值，最大值，四分位數(shù)，標(biāo)注差）

sale.loc[sale["存貨名稱(chēng)"].str.contains("三星")&(sale["稅費(fèi)"]>=1000)][["訂單明細(xì)號(hào)","利潤(rùn)"]].describe()

十、刪除數(shù)據(jù)間的空格

需求：刪除存貨名稱(chēng)兩邊的空格。

sale["存貨名稱(chēng)"].map(lambda s :s.strip(""))

十一、數(shù)據(jù)分列

需求：將日期與時(shí)間分列。

sale=pd.merge(sale,pd.DataFrame(sale["單據(jù)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(shù)簡(jiǎn)單查看一下數(shù)據(jù)有無(wú)異常值。

#可看到銷(xiāo)項(xiàng)稅有負(fù)數(shù)，一般不會(huì)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(jù)利潤(rùn)數(shù)據(jù)分布把地區(qū)分組為："較差","中等","較好","非常好"

首先，當(dāng)然是查看利潤(rùn)的數(shù)據(jù)分布呀，這里我們采用四分位數(shù)去判斷。

sale.groupby("地區(qū)名稱(chēng)")["利潤(rùn)"].sum().describe()

根據(jù)四分位數(shù)把地區(qū)總利潤(rùn)為[-9,7091]區(qū)間的分組為“較差”，(7091,10952]區(qū)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(gè)Dataframe
sale_area=pd.DataFrame(sale.groupby("地區(qū)名稱(chēng)")["利潤(rùn)"].sum()).reset_index()
#設(shè)置bins,和分組名稱(chēng)
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(rùn)"],bins,labels=groups)

十四、根據(jù)業(yè)務(wù)邏輯定義標(biāo)簽

需求：銷(xiāo)售利潤(rùn)率（即利潤(rùn)/訂單金額）大于30%的商品信息并標(biāo)記它為優(yōu)質(zhì)商品，小于5%為一般商品。

sale.loc[(sale["利潤(rùn)"]/sale["訂單金額"])>0.3,"label"]="優(yōu)質(zhì)商品"
sale.loc[(sale["利潤(rùn)"]/sale["訂單金額"])<0.05,"label"]="一般商品"

其實(shí)excel常用的操作還有很多，我就列舉了14個(gè)自己比較常用的，若還想實(shí)現(xiàn)哪些操作可以評(píng)論一起交流討論，另外我自身也知道我寫(xiě)python不夠精簡(jiǎn)，慣性使用loc。（其實(shí)query會(huì)比較精簡(jiǎn)）。若大家對(duì)這幾個(gè)操作有更好的寫(xiě)法請(qǐng)務(wù)必評(píng)論告知我，感謝！

最后想說(shuō)說(shuō)，我覺(jué)得最好不要拿excel和python做對(duì)比，去研究哪個(gè)好用，其實(shí)都是工具，excel作為最為廣泛的數(shù)據(jù)處理工具，壟斷這么多年必定在數(shù)據(jù)處理方便也是相當(dāng)優(yōu)秀的，有些操作確實(shí)python會(huì)比較簡(jiǎn)單，但也有不少excel操作起來(lái)比python簡(jiǎn)單的。

比如一個(gè)很簡(jiǎn)單的操作：對(duì)各列求和并在最下一行顯示出來(lái)，excel就是對(duì)一列總一個(gè)sum()函數(shù)，然后往左一拉就解決，而python則要定義一個(gè)函數(shù)（因?yàn)閜ython要判斷格式，若非數(shù)值型數(shù)據(jù)直接報(bào)錯(cuò)。）