python去除文本的首字符空格_数据工作中常用到的EXCEL技巧之文本分析类

Notice：做完下面的处理后要记得将处理结果粘贴为文本形式。

1 统计单元格中某个字符出现的次数，可用len()和substitute()函数。

业务背景：如果某个字符在一条文本中出现了N次以上，我们想把这条文本剔除。

若统计A2单元格中字符"#"出现的次数，则 = len(A2) - len(subtitute(A2,"#", ""))。也就是用单元格中总字符长度减去某字符替换为空后的字符长度。

2 随机抽取一定数量的样本或者将样本顺序打乱，可用randbetween()函数。

业务背景：针对一批大量的数据，想随机抽取一些数据进行校核。

解决方案：如果总共3000样本，我们要随机选取100样本进行质检，可以怎么做呢？其实就是 =randbetween(1,30)，也就是将样本随机分成30份，那么每一个便能得到100左右数量的样本。因为是随机数，所以不能精确到100，自己处理后可以进行微调。如果是将3000样本的样本顺序打乱，则直接为 =randbetween(1,3000),再下拉，便能得到3000个随机数，然后升序或降序排列便是打乱后的样本。

3 文本去重。

业务背景：表里有很多字段，其他字段跟文本是否重复没关系。

解决方案：先将文本升序或降序排列。在新的一列，第一条文本为0，后面每条文本用if()函数，即 = if(A3 = A2, 1，0)，再筛选出标号为1的数据即为重复数据，可进行剔除。虽然python的duplicate函数也可以快速去除，但是想想对于小数据量，开下软件，跑下脚本这个时间可能没有直接在excel中操作几下来得快，不过python的duplicate函数不会打乱样本的原有顺序。

4 将前后空格去除，转换英文大小写。

业务背景：有时针对不同的sheet表要做一些关联匹配，文本内容是对的，但是严格匹配后会因为前后有空格，大小写不一导致匹配不上。

解决方案：将文本转换为大写用 =upper()，转换为小写用lower()，去前后空格用trim()。比如将A2单元格中的英文文本转换为小写，并去除前后空格，则=trim(lower(A2))。

5 提取文本中的薪资信息。

业务背景：想从文本中将所有的薪资信息单独提取出来。比如7k-12k,8k-11k,11k-15k,20k-25k等。

解决方案：用find函数定位到k的位置，再用left函数提取。比如薪资信息是J列，则使用下式再下拉即可提取薪资下限（减1是因为想把k直接去掉）。同理，可提取薪资上限。

提取文本中的薪资下限

提取文本中的薪资上限

6 将不同列的薪水进行拼接。可以有两种解决方案，一种是用"&"，一种是用concatenate函数。如下图（注意双引号为英文状态下）。

AND拼接文本

concatenate函数拼接文本

7 替换。这里讲用replace函数替换。比如将上图中的"到"替换为" and "。当然，一般简单的场景是直接用替换功能。

用replace函数替换

8 文本作减法。也就是A列中把包含B列的信息去掉。可直接用substitute函数。

文本作减法

9 检测是否为纯英文。业务场景：一列数据，包含纯中文，纯英文和中英文混合内容，需要将里面的纯英文内容筛选出来。将纯英文内容筛选：=IF（LEN(A1) = LENB(A1)，1，0），则标记为1的内容即为纯英文内容。

10 将EXCEL表中同一ID的不同内容合并。先对ID进行排序，然后按以下列举内容函数表示为：=IF(A1=A2,B1&"|"&C2,B1)。再以A1去重，即保留每个ID第一个最长内容项。