Python处理Excel，学会这十四个方法，工作量减少大半！(1)

根据利润数据分布把地区分组为：“较差”,“中等”,“较好”,“非常好”

首先，当然是查看利润的数据分布呀，这里我们采用四分位数去判断。

sale.groupby(“地区名称”)[“利润”].sum().describe()

根据四分位数把地区总利润为[-9,7091]区间的分组为“较差”，(7091,10952]区间的分组为"中等"

(10952,17656]分组为较好，(17656,37556]分组为非常好。

#先建立一个Dataframe

sale_area=pd.DataFrame(sale.groupby(“地区名称”)[“利润”].sum()).reset_index()

#设置bins,和分组名称

bins=[-10,7091,10952,17656,37556]

groups=[“较差”,“中等”,“较好”,“非常好”]

#使用cut分组

#sale_area[“分组”]=pd.cut(sale_area[“利润”],bins,labels=groups)

7、对比两列差异

因为这表每列数据维度都不一样，比较起来没啥意义，所以我先做了个订单明细号的差异再进行比较。

需求：比较订单明细号与订单明细号2的差异并显示出来。

sale[“订单明细号2”]=sale[“订单明细号”]

#在订单明细号2里前10个都+1.

sale[“订单明细号2”][1:10]=sale[“订单明细号2”][1:10]+1

#差异输出

result=sale.loc[sale[“订单明细号”].isin(sale[“订单明细号2”])==False]

8、异常值替换

首先用describe()函数简单查看一下数据有无异常值。

#可看到销项税有负数，一般不会有这种情况，视它为异常值。

sale.describe()

需求

用0代替异常值。

sale[“订单金额”]=sale[“订单金额”].replace(min(sale[“订单金额”]),0)

9、缺失值处理

先查看销售数据哪几列有缺失值

#列的行数小于index的行数的说明有缺失值，这里客户名称329<335,说明有缺失值

sale.info()

需求

用0填充缺失值或则删除有客户编码缺失值的行

实际上缺失值处理的办法是很复杂的，这里只介绍简单的处理方法，若是数值变量，最常用平均数或中位数或众数处理，比较复杂的可以用随机森林模型根据其他维度去预测结果填充。

若是分类变量，根据业务逻辑去填充准确性比较高。

比如这里的需求填充客户名称缺失值：就可以根据存货分类出现频率最大的存货所对应的客户名称去填充。

这里我们用简单的处理办法：用0填充缺失值或则删除有客户编码缺失值的行。

#用0填充缺失值

sale[“客户名称”]=sale[“客户名称”].fillna(0)

#删除有客户编码缺失值的行

sale.dropna(subset=[“客户编码”])

10、数据分列

需求

将日期与时间分列

sale=pd.merge(sale,pd.DataFrame(sale[“单据日期”].str.split(" ",expand=True)),how=“inner”,left_index=True,right_index=True)

11、 模糊筛选数据

需求

筛选存货名称含有"三星"或则含有"索尼"的信息

sale.loc[sale[“存货名称”].str.contains(“三星|索尼”)]

12、删除数据间的空格

需求

删除存货名称两边的空格

sale[“存货名称”].map(lambda s 😒.strip(“”))

13、根据业务逻辑定义标签

需求

销售利润率（即利润/订单金额）大于30%的商品信息并标记它为优质商品，小于5%为一般商品。

sale.loc[(sale[“利润”]/sale[“订单金额”])>0.3,“label”]=“优质商品”

sale.loc[(sale[“利润”]/sale[“订单金额”])<0.05,“label”]=“一般商品”

14、多条件筛选

需求

想知道业务员张爱，在北京区域卖的商品订单金额大于6000的信息。

sale.loc[(sale[“地区名称”]“北京”)&(sale[“业务员名称”]“张爱”)&(sale[“订单金额”]>5000)]

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

加入社区：https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0