Excel——利用excel爬取网页中的表格类型的数据以及对数据进行初步的清洗（1）

一、案例一：从天天基金网，获取163407这支基金的历史净值。每次打开文件自动更新数据。

参考数据来源：http://fund.eastmoney.com/163407.html

1.爬取数据

• 首先，打开该网站，然后寻找163407这支基金的相关数据，可以看到网页就是显示这只基金的相关数据，见下图1-1所示：

  

  图1-1

• 然后，我们点击“历史净值”，便可以得到图1-2：

  

  图1-2

• 最下面有显示该基金“历史净值明细”的具体情况，我们需要爬取的就是这些数据。我们复制这个页面的网址（https://fundf10.eastmoney.com/jjjz_163407.html），然后对这些数据进行爬取，爬取数据的步骤是：在excel中选择“数据”选卡下的“获取数据”中的“自其他源”中的“自网站”（详细步骤见Excel——如何利用excel的功能爬取网页表格类型的数据以及自动更新-CSDN博客），结果如下图1-3所示：

  

  图1-3

•  可以看到，下面有两张表格，我们分别点击Table 0 和Table 1可以看到Table 1是我们所需要的数据（如果不清楚的可以选择Web视图进行查看是否我们所需要的数据），数据见下图1-4

  

  图1-4

• 我们把Table 1 的数据加载到现有的excel表格中，结果见下图1-5：

  

  图1-5

 2.对数据进行清洗

（1）修改表头的标题

• 特别注意一点的就是：有时候爬取得到的表格数据表头的标签可能没办法爬取下来，所以爬取得到的数据的表头就会变成Column 1 、Column 2等等，那么要对表头的标签进行修改的话，直接点击excel当中的单元格是无法进行修改的，在这里我们就要使用一个插件（office 2016及以上版本内置此插件，2013以及一下版本需要另外安装）。
• 我们点击一下这个表格，然后在上方的选项卡中点击“查询”下的“编辑”，就会弹出一个编辑器，结果如下图2-1所示：

  

  图2-1

       此编辑器是Power Query编辑器，右边的Table 1是这个表格的名称，如果我们有很多的表格的        话，为了区分要对其名称进行修改，双击Table 1 即可进行修改，这里修改为163407。 同样修        改表头的标题也是双击便可以进行修改，修改完之后，点击该页面左上角“关闭并上载”就修改        完毕了。

（2） 筛选出日增长率为正的数据

• 点击编辑器中的“日增长率”这一列右边的小三角，再点击数字筛选器中的大于等于，就会得到下图2-2的页面：

  

  图2-2

• 在大于或等于的框右边中输入0，然后点击确认就可以筛选得到日增长率为正的数据，见图2-3、图2-4所示：

  

  图2-3

   

  

  图2-4

（3）删除多余的数据，保留所需要的数据

• 假如我们只需要“净值日期”、“单位净值”、“累计净值”和“日增长率”这些数据

•  我们先点击“申购状态”这列数据，然后按住shift键，再依次点击“赎回状态”、“分红配送”，然后点击上面“删除列”，见图2-5，得到的结果见图2-6：

  

  图2-5

图2-6

 （4）对数据进行排序

• 假如要对“单位净值”的数据进行排序，那么点击“单位净值”旁边的小三角形就可以选择是按升序排序或者是降序排序，见下图2-7所示：

  

  图2-7

• 若是按升序排序，结果就如图2-8所示：

  

  图2-8

• 最后，记得点击左上角的“关闭并上载” ，得到的结果如图2-9所示：

  

  图2-9

 3.设置每次打开文件时自动更新 

• 点击表格，然后选择“数据”选卡下的“全部刷新”中的“连接属性” ，结果见下图3-1所示：

  

  图3-1

• 然后我们勾选“打开文件时刷新数据”，再点击确认即可 

注意： 本文中的案例以及Excel的使用方法均来自哔哩哔哩中的珞珈AI办公up主！！！

            如若有侵权，请联系删除。

            本文是作者个人学习后的总结，未经作者授权，禁止转载，谢谢配合。

             珞珈AI办公的个人空间-珞珈AI办公个人主页-哔哩哔哩视频 (bilibili.com)https://space.bilibili.com/308552985