在以前，商業(yè)分析對(duì)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(duì)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(duì)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：

　　import numpy as npimport pandas as pdpd.set_option('max_columns', 10)pd.set_option('max_rows', 20)pd.set_option('display.float_format', lambda x: '%.2f' % x) # 禁用科學(xué)計(jì)數(shù)法

　　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(duì)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!2:12, 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

df1 = pd.read_excel("test.xlsx", sheet_name='折舊明細(xì)表') 

df3 = pd.read_excel("test.xlsx", sheet_name=3) #含有資產(chǎn)名稱簡寫的表

df3['月折舊額'] = 0

for i in range(len(df3['資產(chǎn)名稱'])):

    df3['月折舊額'][i] = df1[df1['資產(chǎn)名稱'].map(lambda x:df3['資產(chǎn)名稱'][i] in x)]['月折舊額']

df3

Out[]: 

  資產(chǎn)名稱   月折舊額

0   電動(dòng)   1399

1   貨車   2438

2   惠普    132

3   交聯(lián)  10133

4  桑塔納   1147

5   春蘭    230

　　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(qǐng)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(duì)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(qǐng)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,員工基本信息!H,MATCH(B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。

　　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(duì)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)：

df3 = pd.pivot_table(df, values=['銷售額', '成本'], index=['訂購月份', '所屬區(qū)域'] , aggfunc='sum')

df3['利潤'] = df3['銷售額'] - df3['成本']

df3 

Out[]: 

                  成本        銷售額        利潤

訂購月份 所屬區(qū)域                                

1    南京     94967.84  134313.61  39345.77

     常熟    163220.07  177531.47  14311.40

     無錫    231822.28  316418.09  84595.81

     昆山    145403.32  159183.35  13780.03

     蘇州    238812.03  287253.99  48441.96

2    南京    138530.42  187129.13  48598.71

     常熟    126834.37  154442.74  27608.37

     無錫    376134.98  464012.20  87877.22

     昆山     86244.52  102324.46  16079.94

     蘇州     91419.54  105940.34  14520.80

             ...        ...       ...

11   南京    221687.11  286329.88  64642.77

     常熟   1840868.53 2118503.54 277635.01

     無錫    536866.77  633915.41  97048.64

     昆山    342420.18  351023.24   8603.06

     蘇州   1144809.83 1269351.39 124541.56

12   南京    808959.32  894522.06  85562.74

     常熟    262918.81  324454.49  61535.68

     無錫    856816.72 1040127.19 183310.48

     昆山    951652.87 1096212.75 144559.87

     蘇州    302154.25  347939.30  45785.05

[60 rows x 3 columns]

　　pandas的pivot_table的參數(shù)index/ columns/ values和Excel里的參數(shù)是對(duì)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?？?。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。