在以前，商業(yè)分析對應(yīng)的英文單詞是Business Analysis，大家用的分析工具是Excel，后來數(shù)據(jù)量大了，Excel應(yīng)付不過來了(Excel最大支持行數(shù)為1048576行)，人們開始轉(zhuǎn)向python和R這樣的分析工具了，這時(shí)候商業(yè)分析對應(yīng)的單詞是Business Analytics。
其實(shí)python和Excel的使用準(zhǔn)則一樣，都是[We don't repeat ourselves]，都是盡可能用更方便的操作替代機(jī)械操作和純體力勞動(dòng)。
用python做數(shù)據(jù)分析，離不開著名的pandas包，經(jīng)過了很多版本的迭代優(yōu)化，pandas現(xiàn)在的生態(tài)圈已經(jīng)相當(dāng)完整了，官網(wǎng)還給出了它和其他分析工具的對比：
本文用的主要也是pandas，繪圖用的庫是plotly，實(shí)現(xiàn)的Excel的常用功能有：
Python和Excel的交互
vlookup函數(shù)
數(shù)據(jù)透視表
繪圖
以后如果發(fā)掘了更多Excel的功能，會(huì)回來繼續(xù)更新和補(bǔ)充。開始之前，首先按照慣例加載pandas包：
Python和Excel的交互
pandas里最常用的和Excel I/O有關(guān)的四個(gè)函數(shù)是read_csv/ read_excel/ to_csv/ to_excel，它們都有特定的參數(shù)設(shè)置，可以定制想要的讀取和導(dǎo)出效果。
比如說想要讀取這樣一張表的左上部分：
可以用pd.read_excel("test.xlsx", header=1, nrows=17, usecols=3)，返回結(jié)果：
輸出函數(shù)也同理，使用多少列，要不要index，標(biāo)題怎么放，都可以控制。
vlookup函數(shù)
vlookup號(hào)稱是Excel里的神器之一，用途很廣泛，下面的例子來自豆瓣，VLOOKUP函數(shù)最常用的10種用法，你會(huì)幾種?
案例一
問題：A3:B7單元格區(qū)域?yàn)樽帜傅燃?jí)查詢表，表示60分以下為E級(jí)、60~69分為D級(jí)、70~79分為C級(jí)、80~89分為B級(jí)、90分以上為A級(jí)。D:G列為初二年級(jí)1班語文測驗(yàn)成績表，如何根據(jù)語文成績返回其字母等級(jí)?
方法：在H3:H13單元格區(qū)域中輸入=VLOOKUP(G3, 3:7, 2)
python實(shí)現(xiàn)：
案例二
問題：在Sheet1里面如何查找折舊明細(xì)表中對應(yīng)編號(hào)下的月折舊額?(跨表查詢)
方法：在Sheet1里面的C2:C4單元格輸入 =VLOOKUP(A2, 折舊明細(xì)表!AG$12, 7, 0)
python實(shí)現(xiàn)：使用merge將兩個(gè)表按照編號(hào)連接起來就行
案例三
問題：類似于案例二，但此時(shí)需要使用近似查找
方法：在B2:B7區(qū)域中輸入公式=VLOOKUP(A2&"*", 折舊明細(xì)表!B2:G12, 6, 0)
python實(shí)現(xiàn)：這個(gè)比起上一個(gè)要麻煩一些，需要用到一些pandas的使用技巧
案例四
問題：在Excel中錄入數(shù)據(jù)信息時(shí)，為了提高工作效率，用戶希望通過輸入數(shù)據(jù)的關(guān)鍵字后，自動(dòng)顯示該記錄的其余信息，例如，輸入員工工號(hào)自動(dòng)顯示該員工的信命，輸入物料號(hào)就能自動(dòng)顯示該物料的品名、單價(jià)等。
如圖所示為某單位所有員工基本信息的數(shù)據(jù)源表，在“2010年3月員工請假統(tǒng)計(jì)表”工作表中，當(dāng)在A列輸入員工工號(hào)時(shí)，如何實(shí)現(xiàn)對應(yīng)員工的姓名、身份證號(hào)、部門、職務(wù)、入職日期等信息的自動(dòng)錄入?
方法：使用VLOOKUP+MATCH函數(shù)，在“2010年3月員工請假統(tǒng)計(jì)表”工作表中選擇B3:F8單元格區(qū)域，輸入下列公式=IF(A3="","",VLOOKUP(A3,員工基本信息!A:H,MATCH(B2,員工基本信息!2:$2,0),0))，按下【Ctrl+Enter】組合鍵結(jié)束。
python實(shí)現(xiàn)：上面的Excel的方法用得很靈活，但是pandas的想法和操作更簡單方便些
案例五
問題：用VLOOKUP函數(shù)實(shí)現(xiàn)批量查找，VLOOKUP函數(shù)一般情況下只能查找一個(gè)，那么多項(xiàng)應(yīng)該怎么查找呢?如下圖，如何把張一的消費(fèi)額全部列出?
方法：在C9：C11單元格里面輸入公式=VLOOKUP(B$9&ROW(A1),IF({1,0},$B$2:$B$6&COUNTIF(INDIRECT("b2:b"&ROW($2:$6)),B$9),$C$2:$C$6),2,)，按SHIFT+CTRL+ENTER鍵結(jié)束。
python實(shí)現(xiàn)：vlookup函數(shù)有兩個(gè)不足(或者算是特點(diǎn)吧)，一個(gè)是被查找的值一定要在區(qū)域里的第一列，另一個(gè)是只能查找一個(gè)值，剩余的即便能匹配也不去查找了，這兩點(diǎn)都能通過靈活應(yīng)用if和indirect函數(shù)來解決，不過pandas能做得更直白一些。
數(shù)據(jù)透視表
數(shù)據(jù)透視表是Excel的另一個(gè)神器，本質(zhì)上是一系列的表格重組整合的過程。這里用的案例來自知乎，Excel數(shù)據(jù)透視表有什么用途：(https://www.zhihu.com/question/22484899/answer/39933218 )
問題：需要匯總各個(gè)區(qū)域，每個(gè)月的銷售額與成本總計(jì)，并同時(shí)算出利潤
通過Excel的數(shù)據(jù)透視表的操作最終實(shí)現(xiàn)了下面這樣的效果：
python實(shí)現(xiàn)：對于這樣的分組的任務(wù)，首先想到的就是pandas的groupby，代碼寫起來也簡單，思路就是把剛才Excel的點(diǎn)鼠標(biāo)的操作反映到代碼命令上：
也可以使用pandas里的pivot_table函數(shù)來實(shí)現(xiàn)：
pandas的pivot_table的參數(shù)index/ columns/ values和Excel里的參數(shù)是對應(yīng)上的(當(dāng)然，我這話說了等于沒說，數(shù)據(jù)透視表里不就是行/列/值嗎還能有啥。)
但是我個(gè)人還是更喜歡用groupby，因?yàn)樗\(yùn)算速度非常快。我在打kaggle比賽的時(shí)候，有一張表是貸款人的行為信息，大概有2700萬行，用groupby算了幾個(gè)聚合函數(shù)，幾秒鐘就完成了。
groupby的功能很全面，內(nèi)置了很多aggregate函數(shù)，能夠滿足大部分的基本需求，如果你需要一些其他的函數(shù)，可以搭配使用apply和lambda。
不過pandas的官方文檔說了，groupby之后用apply速度非常慢，aggregate內(nèi)部做過優(yōu)化，所以很快，apply是沒有優(yōu)化的，所以建議有問題先想想別的方法，實(shí)在不行的時(shí)候再用apply。
我打比賽的時(shí)候，為了生成一個(gè)新變量，用了groupby的apply，寫了這么一句：ins['weight'] = ins[['SK_ID_PREV'， 'DAYS_ENTRY_PAYMENT']].groupby('SK_ID_PREV').apply(lambda x: 1-abs(x)/x.sum().abs()).iloc[:,1]，1000萬行的數(shù)據(jù)，足足算了十多分鐘，等得我心力交瘁。
繪圖
因?yàn)镋xcel畫出來的圖能夠交互，能夠在圖上進(jìn)行一些簡單操作，所以這里用的python的可視化庫是plotly，案例就用我這個(gè)學(xué)期發(fā)展經(jīng)濟(jì)學(xué)課上的作業(yè)吧，當(dāng)時(shí)的圖都是用Excel畫的，現(xiàn)在用python再畫一遍。開始之前，首先加載plotly包。
柱狀圖
當(dāng)時(shí)用Excel畫了很多的柱狀圖，其中的一幅圖是
下面用plotly來畫一下
雷達(dá)圖
用Excel畫的：
用python畫的：
畫起來比Excel要麻煩得多。
總體而言，如果畫簡單基本的圖形，用Excel是最方便的，如果要畫高級(jí)一些的或者是需要更多定制化的圖形，使用python更合適。
京公網(wǎng)安備 11010802030320號(hào)