【数据分析入门】如何用Python代替Excel

之前写了一篇如何用Python代替Excel，【数据分析入门】之：如何用Python代替Excel（1）

觉得对新手来说还是有点笼统，今天有空，就比较详细的再写一篇。

新手如何入门？

想必这是很多想学Python的同学很想知道的。我当初也是一股脑的想多学些技能，毕竟数据分析的职位要求，Python出现的频率可不少。

但问题是，之前不熟悉Python或者压根就不熟悉编程的人，该如何入门呢？

如果你的Excel没问题，那么这篇文章可能对你有帮助。（什么？Excel都不熟？亲，你不该来这里，而是去搜一搜Excel的文章）

1. 该买一本书从头看吗？

你以为这是在大学，还有老师考试么？

买书，倒是不反对。但是不建议跟着书学，我曾经也走过这样的弯路，后来被路上的石头绊死了。跟着视频学，也是效率不高的办法。虽然当时是学到了，但是没用上，过后照样忘。

2. 那该怎么学？

如果你已经工作，并且从事数据相关工作，那就很容易了。如果你还没工作或者想入门数据分析，那可以在网上找个简单的例子——用Excel处理数据的例子。

边学边用，学以致用。是最高效最聪明的方法。

Python代替Excel?

Excel好用，废话。但是当遇到数据量稍微大点（超过10M）或者经常重复操作的时候，学Python来提升效率，就必不可少了。对于处理数据的功能上，Excel会的，Python基本上没有不会的。本次例子的数据源：data2

1. 用Excel怎么处理数据？

用Excel打开数据：

字段和数据一目了然。可以用Excel做条件筛选、计数、求和、均值。最常用的就是数据透视表。比如：想看看各个代理商已出售的金额总计

2. Python怎么处理数据？

就这么个简单的操作，如何用Python代替呢？

• 读取文件

数据源是存放在Excel文档里，怎么在Python里读取Excel文档。

此处用到的是Pandas库当中的read_excel：

import pandas as pd  #导入pandas库，最常用的数据处理库
data=pd.read_excel(r'D:\feng\python_data\data2.xlsx')   #读取相关目录下的指定文件

括号内的 r 是防止字符串转译的，最好都添加上。Excel文件类型有：xls\xlsx，注意查看自己的文件类型是什么，在后缀上要用对。

pandas.read_excel(文档存储目录, sheetname='Sheet1', header=0, skiprows=None) 常用参数，可百度了解。

此外，读取csv，就用 pd.read_csv( ) 即可。

• 查看数据及格式

读完数据之后，怎么知道读出来的是个什么东东，怎么预览数据呢？

读出来的是dataframe格式。在你搞不清这是什么对象的时候，可以用 type() 这个函数来查看。知道了对象的格式，就可以百度它有什么方法、属性，怎么使用它了。

data.head(10) 查看前10行的数据，可以在不清楚是什么数据的情况下，预先了解下数据。

• 操作数据

1）查看是否有空值

对于某些分析或者操作，有空值会影响结果。data.isnull() 可以知道是否存在空值，但返回的是布尔类型（即True和False）：

观察“价格”字段，是否存在空值：

data[data['价格(元)'].isnull()]    #价格字段为空的数据

2）空值填充

对价格为空的，填充“价格”字段的均值：

data['价格(元)'].fillna(value=data['价格(元)'].mean(),inplace=True)    #价格为空的，填充本列均值

data['价格(元)'].mean() 即价格字段的均值

values还可以是固定的数值，0或者其他：value=0

inplace=True 即改变原data数据，默认是False

填充完之后，价格字段就没有空值了。可以继续下一步。

3）代替Excel

目的是要完成上方Excel的功能：每个代理商已出售的金额

data_sold=data[data['状态']=='已出售']     #条件筛选出状态为“已出售”的数据
result=data_sold.groupby('代理商')['价格(元)'].sum()   #按代理商分组，价格求和

最终得到结果。

温馨提示：

groupby是分组方法，可以配合着使用的，除了sum() ，还有 mean() 均值、count() 计数、max() 、 min() 。大家可以自己尝试一下，看看得到什么结果。