七周成為數據分析師—Excel分析篇

本文是《七周成為數據分析師》的第二篇教程，如果想要了解寫作初衷，可以先行閱讀七周指南。溫馨提示：如果您已經熟悉Excel，大可不必再看這篇文章，或隻挑選部分。

上一篇文章《七周成為數據分析師—Excel函數篇》教了大家函數，今天講解Excel的技巧。本次講解依然是提綱，如果有疑問或建議，可以留言給我，也可以網上搜索。內容方麵照舊會補充SQL和Python。

Excel的快捷鍵很多，以下主要是能提高效率。

• Ctrl+方向鍵，對單元格光標快速移動，移動到數據邊緣（空格位置）。
  
• Ctrl+Shift+方向鍵，對單元格快讀框選，選擇到數據邊緣（空格位置）。
  
• Ctrl+空格鍵，選定整列。
  
• Shift+空格鍵，選定整行。
  
• Ctrl+A，選擇整張表。
  
• Alt+Enter，換行。
  
• Ctrl+Enter，以當前單元格為始，往下填充數據和函數。
  
• Ctrl+S，快讀保存，你懂的。
  
• Ctrl+Z，撤回當前操作。
  

如果是效率達人，可以學習更多快捷鍵。Mac用戶的Ctrl一般需要用command替換。

Excel的格式及轉換很容易忽略，但格式會如影隨形伴隨數據分析者的一切場景，是後續SQL和Python數據類型的基礎。

通常我們將Excel格式分為數值、文本、時間。數值常見整數型 Int和小數/浮點型 Float。兩者的界限很模煳。在SQL和Python中，則會牽扯的複雜，涉及運算效率，計算精度等。文本分為中文和英文，存儲字節，字符長度不同。中文很容易遇到編碼問題，尤其是Python2。Win和Mac環境也有差異。大家遇到的亂碼一般都屬於中文編碼錯誤。

時間格式在Excel中可以和數值直接互換，也能用加減法進行天數換算。時間格式有不同表達。例如2016年11月11日，2016/11/11，2016-11-11等。當數據源多就會變得混亂。我們可以用自定義格式規範時間。這裏了解一下時間格式的概念，列舉是一些較通用的範例（不同編程語言還是有差異的）。

YYYY代表通配的四位數年格式；MM代表通配的兩位數月格式；DD代表通配的兩位數日格式；HH代表通配的的兩位數小時（24小時）格式；hh代表通配的兩位數小（12小時製）格式；mm代表通配的兩位數分格式；ss代表通配的兩位數秒格式。例如2016/11/11可以寫成：yyyy/MM/dd；2016-11-11 23:59:59可以寫成：yyyy-MM-dd HH:mm:ss。

數組很多人都不會用到，甚至不知道有這個功能。依舊是數據分析越往後用到越多，它類似R語言的Array和Python的List。

數組由多個元素組成。普通函數的計算結果是一個值，數組類函數的計算結果返回多個值。數組用大括號表示，當函數中使用到數組，應該用Ctrl+Shift+Enter輸入，不然會報錯。

先看數組的最基礎使用。選擇A1:D1區域，輸入={1,2,3,4}。記住是大括號。然後Ctrl+Shift+Enter。我們發現數組裏的四個值被分別傳到四個單元格中，這是數組的獨有用法。

我們再來看一下數組和函數的應用。利用{}，我們能做到1匹配a，2匹配b，3匹配c。也就是一一對應。專業說法是Mapping。

• =lookup(查找值，{1,2,3}，{"a","b","c"})
  

Excel的數組具體應用，大家可以搜索學習，可以提高一定的效率。但是Python的數組更為強大，我的重點就不放在這塊了。

分列

Excel可以將多個單元格的內容合並，但是不擅長拆分。分列功能可以將某一列按照特定規則拆分。常常用來進行數據清洗。

上文我有一列地區的數據，我想要將市和區分成兩列。我們可以用mid和find函數查找市截取字符。但最快的做法就是用“市”分列。

出一個思考題，如果市和自治區區都存在應該如何分列？

SQL和Python中有類似的spilt ( )函數。

合並單元個格

單元格作為報表整理使用，除非是最終輸出格式，例如打印。否則不要隨意合並單元格。

一旦使用合並單元格，絕大多數函數都不能正常使用，影響批量的數據處理和格式轉換。合並單元格也會造成Python和SQL的讀取錯誤。

數據透視表

數據透視表是非常強大的功能，當初學會時驚為天人。

數據透視表的主要功能是將數據聚合，按照各子段進行sum( )，count( )的運算。

下圖我選擇我選擇想要計算的數據，然後點擊創建透視表。

此時會新建一個Sheet，這是數據透視表的優點，將原始數據和匯總計算數據分離。

數據透視表的核心思想是聚合運算，將字段名相同的數據聚合起來，所謂數以類分。

列和行的設置，則是按不同軸向展現數據。簡單說，你想要什麼結構的報表，就用什麼樣的拖拽方式。

聚合功能有一點類似SQL中的gorup by，python中則有更為強大的pandas.pivot_table( )。

刪除重複項

一種數據清洗和檢驗的快速方式。想要驗證某一列有多少個唯一值，或者數據清洗，都可以使用。

類似SQL中的distinct ,python中的set

條件格式

條件格式可以當作數據可視化的應用。如果我們要使用函數在大量數據中找出前三的值，可能會用到rank( )函數，排序，然後過濾出1，2，3。

用條件格式則是另外一種快速方法，直接用顏色標出，非常直觀。

凍結首行首列

Excel的首行一般是各字段名Header，俗稱表頭，當行數和列數過多的時候，觀察數據比較麻煩。我們可以通過固定住首行，方便瀏覽和操作。

Header是一個較為重要的概念。在Python和R中，read_csv函數，會有一個專門的參數header=true，來判斷是否讀取表頭作為columns的名字。

自定義下拉菜單（數據有效性）

數據有效性是一種約束，針對單元格限製其輸入，也就是讓其隻能固定幾個值。下拉菜單是一種高階應用，通過允許下拉箭頭即可。

自定義名稱

自定義名稱是一個很好用的技巧，我們可以為一個區域，變量、或者數組定義一個名稱。後續要經常使用的話，直接引用即可，無需再次定位。這是複用的概念。

我們將A1:A3區域命名為NUM

直接使用=sum(NUM) ，等價於sum(A1:A3)。

新手們理解數據庫，可以將其想象成無數張表sheet。每一張表都有自己唯一的名字，就像上圖的NUM一樣。數據庫操作就是引用表名進行查找、關聯等操作。使用sum，count等函數。

查找公式錯誤

公式報錯也不知道錯在哪裏的時候可以使用，尤其是各類IF嵌套或者多表關聯，邏輯複雜時。查找公式錯誤是逐步運算的，方便定位。

分組和分級顯示

分組和分級顯示，常用在報表中，在報表行數多到一定程度時，通過分組達到快速切換和隱藏的目的。越是專業度的報表（谘詢、財務等），越可以學習這塊。在數據菜單下。

分析工具庫

分析工具庫是高階分析的利器，包含很多統計計算，檢驗功能等工具。Excel是默認不安裝的，要安裝需要加載項，在工具菜單下（不同版本安裝方式會有一點小差異）。

分析工具庫是統計包，規劃求解是計算最優解，類似決策樹。這兩者的分析方法以後詳細論述。

Mac似乎有閹割。

第三方應用

Excel是支持第三方插件的，第三方插件擁有非常強大的功能。甚至完成BI的工作。

應用商店裏微軟的Power係列都挺好的。下圖就是Power Map

第三方應用商店Mac沒有，非常可惜。Win用戶請用最新版本，老版本是沒有插件的。

Excel更多技巧可以在知乎Microsoft Excel - 熱門問答 - 知乎 下搜索。我說的主要是和數據分析相關。

————————

主要的Excel技巧和函數已經都教授給大家。Excel博大精深，有一句說的挺好，我們大部分實際用到的功能隻有20%。熟練掌握這20%功能，日常工作足夠應付。重要的還是解決問題的能力。

接下來是Excel實戰內容，下一篇文章會直接用到5000行真實的數據分析師的職位數據。沒錯，用數據分析師的數據進行分析，有點拗口。