目录
首先，我先总结一下用Excel和Python用来做数据分析的优缺点
首先，我先总结一下用Excel和Python用来做数据分析的优缺点
老话说知己知彼才能百战不怠，我们先把两者的优缺点分析好，就会知道什么场景下该用Excel，什么场景下该用Python，如果不想看的小伙伴可以直接跳转到操作部分
Excel做数据分析的优点：
-
易用性：Excel是一个广泛使用和易学习的工具，几乎每个人都能够使用它来进行基本的数据处理和分析。
-
快速分析：Excel提供了一系列图表和函数，可以快速分析数据并获得结果。
-
适合小规模数据处理：如果数据集比较小，Excel可以轻松地处理这些数据。Excel还可以使用筛选器、排序和分组等功能来进一步细化分析。
-
Excel扩展性强：Excel支持VBA编程，用户可以通过编写宏程序来进一步扩展其功能。
-
可视化功能强大：Excel内置的绘图功能非常强大，可以快速绘制各种图表和统计图。
Excel做数据分析的缺点：
-
处理大型数据集：在处理大型数据集时，Excel的性能表现会受到限制。Excel可能会崩溃或运行缓慢。
-
数据不规范：如果数据有问题或不规范，Excel很难对其进行处理。例如，在字符分割方面，Excel的能力很有限。
-
数据安全性：Excel中的数据安全性较差，如果数据需要经常共享或与其他人交换，则需要使用诸如密码保护等其他技术来保护数据。
-
扩展性：Excel对于扩展性的支持比较有限，仅支持VBA宏编程。
Python做数据分析的优点：
-
处理庞大数据集：Python在处理大型数据集方面比Excel更有效率。numpy和pandas库针对大型数据集提供了高效的处理和存储技术。
-
灵活性更强：Python语言本身非常灵活，可以执行更多的数据处理和分析操作。Python还支持大量的第三方库，例如matplotlib和seaborn用于可视化，scikit-learn用于机器学习等，可以满足不同数据分析需求。
-
自动化：Python可以实现自动化数据分析过程，能够大幅度提高数据分析的效率和准确性。可以通过编写Python程序来自动化执行数据读取、清洗、转换和建模等操作。
-
代码管理：Python代码可以集成到版本控制工具中，使代码管理变得更加容易。这对于多人协作的情况非常有帮助。
-
开放源代码社区支持：Python拥有一个庞大的开放源代码的社区，这个社区为Python用户提供了丰富的支持、文档和示例。
Python做数据分析的缺点：
-
上手难度：相较于Excel，Python学习曲线较高，需要具备一定的编程基础。
-
可视化难度：尽管Python有很多数据可视化库，但与Excel的可视化工具相比，它们可能需要更多的代码和操作。
-
缺少Excel的特定功能：Excel还有一些Python不太适用（或没有）的具体功能，例如共享文档的实时转发、权限控制等。
-
计算机配置：Python处理大型数据集需要计算机配置较高。需要更大的内存空间来容纳数据，更快的处理器来加速运算。
我相信各位聪明的小伙伴都看出来了，虽然学习Python确实是会有一些难度，但是好处可不只一星半点。
如果是数据量并不大，使用Excel还是比较方便的，
不过你得知道：Python更适合处理比更大容量的数据，灵活性更强，老板总会有奇葩的需求但是会了Python这个利器，无疑是给我们如虎添翼。
它可以自动化处理好老板的需求，而且Python还能操作一些Excel内容，那么下面我们就来请出Python练个手吧！
下面我们会通过python与excel的功能对比，来详细介绍一下我们应该如何使用python通过函数式编程完成excel中的数据处理及分析工作。
1.展示本例子中使用的数据
网上某药店2021年上半年销售数据
2.开始动手
一、导入数据以及理解数据部分
import pandas as pd # 导入pandas库，用于处理Excel数据
medicineData = pd.ExcelFile('d:/data/数据分析实例.xlsx') # 选择文件
sales = medicineData.parse('药物销售单') # 选择要导入的sheet名,确定要导哪张表
sales.head(10) # 显示表格的前10行
运行结果：
这里有用到Jupter Notebook来做演示。
1.1查看数据维度(行列)
shape可以查看该表中的行数和列数
2.2.查看数据格式
Dtypes是一个查看数据格式的函数，可以一次性查看数据表中所有数据的格式，也可以指定一列来单独查看。
1.3指定一列查看：
1.4查看统计信息
使用Describe函数可以查看统计信息计数，平均值，标准差，最小值，四分位数，中位数，最大值。
1.5查看列名称
使用columns函数查看列名称
二、数据清洗部分
2.1删除缺失值
Excel做法：
Python做法
Python中处理空值的方法比较灵活，可以使用dropna函数用来删除数据表中包含空值的数据，也可以使用fillna函数对空值进行填充
2.2使用fillna函数把空值用0填充
2.3更改列名称
rename是更改列名称的函数，我们将来数据表中的应收金额列更改为应收金额(元)
2.4删除重复值
Excel做法：
Python做法：
使用drop_duplicates()方法删除重复值
2.5分列
Excel做法：
Python做法：
sales_split = pd.DataFrame((x.split(' ') for x in sales['购药时间']), index = sales.index, columns = ['日期', '星期'])
如果你执行代码，会出现下面的错误，这是什么原因呢？
这里，我们需要注意的是缺失值会被当作浮点型 而split函数需要字符串类型，要先删除缺失值。
2.6将完成分列后的数据表与原数据表进行匹配
sales = pd.merge(sales, sales_split, right_index = True, left_index = True) 
2.7删除列
Excel做法
Python做法：
Python中使用drop方法来删除列，下面两种方式都是可以的。
sales = sales.drop('购药时间', 1)
sales = sales.drop('购药时间', axis = 1, inplace = True)
使用drop删除了购药时间这一列
2.8修改日期格式
Excel做法：
Python做法：
使用to_datetime函数进行修改
sales.loc[:,'日期'] = pd.to_datetime(sales.loc[:,'日期'], format = '%Y-%m-%d', errors = 'coerce')
format='%Y-%m-%d'：指定输入日期字符串的格式为 %Y-%m-%d，其中 %Y 表示四位数年份， %m 表示两位数月份， %d 表示两位数日期
errors='coerce'：当遇到无法解析的日期字符串时，强制将其设为缺失值 NaT，而不是抛出异常。
sales.loc 表示通过标签（label）定位DataFrame中的元素，冒号 : 表示选取所有行，'日期' 则指定选取的列名称为 日期 。最终返回的结果是一个由所有行组成的Series对象，其中索引为原DataFrame行索引，值为原DataFrame中该列的值。
2.9排序
By:按哪一列排序
ascending=True降序
ascending=Falses升序
sales = sales.sort_values(by = '日期', ascending = True)
2.10重命名行名
使用reset_index重命名行名
2.11 删除异常值
由于销量、应收金额、实收金额都不应为负，所以应该清除异常值。
使用查询条件删除了异常值
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
