用Python处理Excel的14个常用操作！

小楼细雨

自从学了Python后就逼迫用Python来处理Excel，所有操作用Python实现。目的是巩固Python，与增强数据处理能力。1这也是我写这篇文章的初衷。废话不说了，直接进入正题。数据是网上找到的销售数据，长这样：一、关联公式:Vlookupvlookup是excel几乎最常用的公式，一般用于两个表的关联查询等。所以我先把这张表分为两个表。df1=sale[['订单明细号','单据日期','地区名称','业务员名称','客户分类','存货编码','客户名称','业务员编码','存货名称','订单号','客户编码','部门名称','部门编码']]df2=sale[['订单明细号','存货分类','税费','不含税金额','订单金额','利润','单价','数量']]123需求：想知道df1的每一个订单对应的利润是多少。利润一列存在于df2的表格中，所以想知道df1的每一个订单对应的利润是多少。用excel的话首先确认订单明细号是唯一值，然后在df1新增一列写：=vlookup(a2,df2!a:h,6,0)，然后往下拉就ok了。（剩下13个我就不写excel啦）那用python是如何实现的呢？#查看订单明细号是否重复，结果是没。df1["订单明细号"].duplicated().value_counts()df2["订单明细号"].duplicated().value_counts()df_c=pd.merge(df1,df2,on="订单明细号",how="left")12345二、数据透视表需求：想知道每个地区的业务员分别赚取的利润总和与利润平均数。pd.pivot_table(sale,index="地区名称",columns="业务员名称",values="利润",aggfunc=[np.sum,np.mean])1三、对比两列差异因为这表每列数据维度都不一样，比较起来没啥意义，所以我先做了个订单明细号的差异再进行比较。需求：比较订单明细号与订单明细号2的差异并显示出来。sale["订单明细号2"]=sale["订单明细号"]#在订单明细号2里前10个都+1.sale["订单明细号2"][1:10]=sale["订单明细号2"][1:10]+1#差异输出result=sale.loc[sale["订单明细号"].isin(sale["订单明细号2"])==False]1234567四、去除重复值需求：去除业务员编码的重复值sale.drop_duplicates("业务员编码",inplace=True)1五、缺失值处理先查看销售数据哪几列有缺失值。#列的行数小于index的行数的说明有缺失值，这里客户名称3295000)]1七、模糊筛选数据需求:筛选存货名称含有"三星"或则含有"索尼"的信息。sale.loc[sale["存货名称"].str.contains("三星|索尼")]1八、分类汇总需求:北京区域各业务员的利润总额。sale.groupby(["地区名称","业务员名称"])["利润"].sum()1九、条件计算需求：存货名称含“三星字眼”并且税费高于1000的订单有几个？这些订单的利润总和和平均利润是多少？（或者最小值，最大值，四分位数，标注差）sale.loc[sale["存货名称"].str.contains("三星")&(sale["税费"]>=1000)][["订单明细号","利润"]].describe()1十、删除数据间的空格需求：删除存货名称两边的空格。sale["存货名称"].map(lambdas:s.strip(""))1十一、数据分列需求：将日期与时间分列。sale=pd.merge(sale,pd.DataFrame(sale["单据日期"].str.split("",expand=True)),how="inner",left_index=True,right_index=True)1十二、异常值替换首先用describe()函数简单查看一下数据有无异常值。#可看到销项税有负数，一般不会有这种情况，视它为异常值。sale.describe()12需求：用0代替异常值。sale["订单金额"]=sale["订单金额"].replace(min(sale["订单金额"]),0)1十三、分组需求：根据利润数据分布把地区分组为：“较差”,“中等”,“较好”,“非常好”首先，当然是查看利润的数据分布呀，这里我们采用四分位数去判断。sale.groupby("地区名称")["利润"].sum().describe()1根据四分位数把地区总利润为[-9,7091]区间的分组为“较差”，(7091,10952]区间的分组为"中等"(10952,17656]分组为较好，(17656,37556]分组为非常好。#先建立一个Dataframesale_area=pd.DataFrame(sale.groupby("地区名称")["利润"].sum()).reset_index()#设置bins,和分组名称bins=[-10,7091,10952,17656,37556]groups=["较差","中等","较好","非常好"]#使用cut分组#sale_area["分组"]=pd.cut(sale_area["利润"],bins,labels=groups)123456789十四、根据业务逻辑定义标签需求：销售利润率（即利润/订单金额）大于30%的商品信息并标记它为优质商品，小于5%为一般商品。sale.loc[(sale["利润"]/sale["订单金额"])>0.3,"label"]="优质商品"sale.loc[(sale["利润"]/sale["订单金额"])