本文探讨了在数据处理中Excel的局限性和Python的优势。通过对比Excel的操作，如读取、筛选、排序、去重、合并、统计等，展示了Python（特别是pandas库）如何简化这些任务。Python不仅易于入门，还能处理大数据量，运行速度快，适合自动化和维护复杂的分析流程。选择正确的工具对于提高数据分析效率至关重要。
现在很多行业，都离不开Excel：
做财务的，要用Excel做报表；
做物流的，会用Excel来跟踪订单情况；
做HR的，会用Excel算工资；
做运营的，会用Excel记录数据做分析。
不知道你有没有这样的经历，每次你用Excel做数据分析时，往往都要生成好多张工作簿，做中间计算的时候，鼠标要一路移到最后一页，才出现最终结果。
如果其中某个数据出了些问题，你可能要从头开始，排查错误，很容易看花眼，错上加错。
为了避免这种情况，很多人开始学Excel的高级技能 - VBA。
但其实，VBA并不容易学，而且在数据量大的情况下，VBA运行很耗时。
那么我们应该怎么解决呢？用Python呀！
相比VBA,Python非常容易入门，而且用途广泛。别人用Excel花2天做的事情，Python1ge 小时就能搞定。
下面就用几个常见的操作带你感受一下：
数据读取、生成、存储
Excel读取本地数据需要打开目标文件夹选中该文件并打开
Pandas支持读取本地Excel、txt文件，也支持从网页直接读取表格数据，只用一行代码即可，
例如读取上述本地Excel数据可以使用pd.read_excel("示例数据.xlsx")
以生成10*2的0—1均匀分布随机数矩阵为例，在Excel中需要使用rand()函数生成随机数，并手动拉取指定范围
在Pandas中可以结合NumPy生成由指定随机数(均匀分布、正态分布等)生成的矩阵，例如同样生成10*2的0—1均匀分布随机数矩阵为，使用一行代码即可：pd.DataFrame(np.random.rand(10,2))
在Excel中需要点击保存并设置格式/文件名
在Pandas中可以使用
pd.to_excel("filename.xlsx")来将当前工作表格保存至当前目录下，当然也可以使用to_csv保存为csv等其他格式，也可以使用绝对路径来指定保存位置
筛选、排序、去重数据
使用我们之前的示例数据，在Excel中筛选出薪资大于5000的数据步骤如下
在Pandas中，可直接对数据框进行条件筛选，例如同样进行单个条件(薪资大于5000)的筛选可以使用df[df['薪资水平']>5000]，如果使用多个条件的筛选只需要使用&(并
最低0.47元/天 解锁文章
扫一扫
9812
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
